Sur le classement d'Artificial Analysis consulté le 28 octobre 2026, le meilleur modèle dont les poids sont téléchargeables obtient 32 points, contre 58 pour Claude Opus 5.5 : l'écart était de 12 points dans la version précédente de l'indice. Claude Haiku 5.5, modèle fermé d'Anthropic, en obtient 36. Dans cette version précédente, encore en ligne quelques jours plus tôt, MiMo-V2.6-Pro de Xiaomi, DeepSeek V4.1 Flash et GLM-5.3 dépassaient tous 44 points. Les modèles n'ont pas changé. La nouvelle version de l'indice remplace des évaluations publiques par des jeux de questions que les laboratoires ne peuvent pas consulter.
ActuIA a rapproché la page des modèles ouverts d'Artificial Analysis, encore affichée en version 4.3.2 le 28 octobre, du nouveau classement. Les onze modèles que cette page recense perdent tous entre 12 et 16 points. Mistral Large 4, dont les poids ne sont pas encore publiés, en perd 13. Claude Opus 5.5 obtenait 58 points le 23 octobre et en obtient toujours 58 en version 5. Le chiffre qu'Artificial Analysis met en avant, un écart de 12 points entre modèles ouverts et fermés, compte Kimi K3.1 Pro parmi les modèles ouverts alors que ses poids ne sont pas publiés.
60 % de l'indice repose désormais sur des tests privés
Selon l'article de présentation de la version 5, 60 % de l'indice reposent sur des évaluations dont les jeux de test sont privés ou dont les réponses sont tenues secrètes. L'indice se divise en quatre familles pesant chacune 25 % : travail intellectuel, code, sciences, connaissances générales. Artificial Analysis cite comme privés FrontierCode 2.0, un banc d'essai de programmation lancé par Cognition dont les tâches « restent privées pour éviter la contamination » (traduit de l'anglais), et un sous-ensemble de 40 questions difficiles de CritPt v2, en physique. AA-Omniscience v1.1 a été purgé de ses questions publiques. L'article ne détaille pas la composition exacte des 60 %.
Trois épreuves sortent de l'indice : GDPval-AA, SciCode et AA-LCR. Deux entrent : FrontierCode 2.0 et Terminal-Bench-Science, des tâches scientifiques menées dans un terminal. HLE-Diamond remplace Humanity's Last Exam. Le 4 septembre, sur son compte X, Artificial Analysis portait déjà la part privée à 40 % avec la version 4.2, pour empêcher l'optimisation des modèles en vue du classement, et annonçait une hausse en version 5.
Douze modèles ouverts perdent entre 12 et 16 points
Le tableau compare les scores de la page des modèles ouverts (version 4.3.2) et ceux du classement en version 5, relevés le 28 octobre. Pour Mistral Large 4, absent de la page des ouverts, le score 4.3.2 vient de sa fiche et de l'article d'ActuIA du 19 octobre.
| Modèle | Indice 4.3.2 | Indice 5 | Écart |
|---|---|---|---|
| MiMo-V2.6-Pro (Xiaomi) | 46 | 30 | −16 |
| DeepSeek V4.1 Flash 1017 (max) | 45 | 32 | −13 |
| GLM-5.3 (max) | 45 | 32 | −13 |
| Ling 3.1 Flash 1019 (Ant Group) | 44 | 29 | −15 |
| Step 5 Preview | 44 | 29 | −15 |
| Muse Spark Open (Meta, xhigh) | 39 | 25 | −14 |
| Mistral Large 4 Preview | 38 | 25 | −13 |
| Qwen3.8 27B (xhigh) | 34 | 20 | −14 |
| K2 Horizon 375B A23B | 31 | 18 | −13 |
| Beam 1.0 (Reflection AI) | 30 | 18 | −12 |
| Nemotron 3.5 Super VL (NVIDIA) | 26 | 14 | −12 |
| Inkling (xhigh) | 25 | 12 | −13 |
Kimi K3.1 Pro de Moonshot AI, dont les poids ne sont pas publiés, passe de 55 à 46 : 9 points de moins. Les modèles fermés les mieux classés restent entre 50 et 58 points en version 5 : Claude Opus 5.5 (58), GPT-6 Astra (57), GPT-6.1 Sol (55), Claude Sonnet 5.5 (54), GPT-6.1 Terra (51) et Gemini 4 Argon (50).
Artificial Analysis n'explique pas la chute des modèles ouverts. Il ne mentionne la contamination, c'est-à-dire la présence des questions de test dans les données d'entraînement, qu'à propos de FrontierCode 2.0. La nouvelle composition pèse aussi. Les sciences valent un quart de l'indice, et sur Terminal-Bench-Science, GPT-6 Astra réussit 63 % des tâches contre 13 % pour DeepSeek V4.1 Flash. Sans les scores épreuve par épreuve des deux versions, la part de chaque effet ne peut pas être calculée.
3, 12 ou 26 points selon le modèle compté comme ouvert
Artificial Analysis résume la version 5 par une phrase : l'écart des modèles à poids ouverts « passe de 3 à 12 points » (traduit de l'anglais). Ce calcul prend comme meilleur modèle ouvert Kimi K3.1 Pro, à 46 points, en précisant que ses poids ne sont « pas encore publiés ». Le 3 de départ reposait déjà sur ce choix. Dans son article du 23 octobre sur Kimi K3.1 Pro, Artificial Analysis écrivait que l'écart se réduirait « de 12 points à 3 » une fois ses poids publiés. Ils ne l'étaient toujours pas le 28 octobre.
La fiche de Kimi K3.1 Pro sur le même site le classe d'ailleurs « Proprietary model ». Mistral Large 4, dans la même situation, est lui aussi classé propriétaire et absent de la page des modèles ouverts. Sur les seuls poids effectivement publiés, Artificial Analysis donne l'écart plus bas dans son article : DeepSeek V4.1 Flash et GLM-5.3, à 32, sont à 26 points d'Opus 5.5. Avant le changement de version, il était de 12 points. L'écart a donc plus que doublé.
Mistral Large 4 à égalité avec Muse, à 7 points de DeepSeek et GLM
Avec 25 points, Mistral Large 4 rejoint Muse Spark Open de Meta, qui le devançait d'un point le 19 octobre. Les deux sont les modèles non chinois les mieux classés parmi ceux dont les poids sont publiés ou annoncés. DeepSeek V4.1 Flash et GLM-5.3 les devancent de 7 points, MiMo-V2.6-Pro de 5, Ling 3.1 Flash et Step 5 de 4. Aucun autre modèle européen n'a de score en version 5 : Mistral Medium 3.5 et Mistral Small 4 n'y figurent pas.
La fiche de Large 4, passée en version 5 le 28 octobre, n'affiche pas ses résultats épreuve par épreuve. On ne sait donc pas s'il garde l'avance qu'il avait en version 4.3.2 sur les épreuves d'agent : 27 % de réussite contre 8 % pour Muse sur Terminal-Bench 4.0, 60 % contre 50 % sur AutomationBench. Ces deux épreuves restent dans la version 5, avec 15 % du poids total.
Un modèle fermé en effort bas fait mieux que tous les poids publiés
Le classement indique le réglage d'effort de raisonnement de chaque modèle mesuré : max, xhigh ou high. Réglé en effort bas, Claude Opus 5.5 obtient 35 points pour un coût moyen de 0,98 dollar par tâche de l'indice, selon Artificial Analysis. C'est 3 points de plus que le meilleur modèle à poids publiés. En effort maximal, la même tâche lui coûte 10,04 dollars. Un comparatif d'achat entre un modèle téléchargeable et un modèle d'API porte donc aussi sur le réglage d'effort retenu.
Le dépôt Hugging Face de Mistral Large 4 affiche comme date estimée de publication des poids le 31 octobre 2026, sans fichier ni licence au 28 octobre au soir. Mistral avait écrit le 6 octobre (voir l'analyse d'ActuIA de ce jour) qu'il les publierait « d'ici la fin du mois ». La date du 27 octobre, avancée par The Next Web et The New Stack sans source, n'a pas été tenue. Deux informations manquent pour situer Large 4 parmi les modèles ouverts : la licence choisie, et le score de la version publiée, dont l'entraînement par renforcement se poursuivait selon le billet de Mistral du 6 octobre.
Nos articles remonteront en priorité dans « À la une » de Google.