LLM Benchmark

eXalt Value presents

Benchmarks Business

Comparez les LLM sur des tâches métier concrètes : qualité de traduction, analyse de longs documents, raisonnement cognitif et intelligence tableur.

🌐

Traduction

Qualité de traduction multilingue, utile pour les équipes qui localisent du contenu, traduisent des documents métier ou communiquent avec des clients internationaux.

FLORES-200 sacreBLEU COMET
Source 1 Source 2 Source 3
# Modèle Prix (In/Out) BLEU ↓ COMET ↓ Contexte
🥇 Gemini 3.1 Pro $2,00/$12,00 62,0 91,5 10M
🥈 Gemini 3 Pro $2,00/$12,00 61,0 91,2 10M
🥉 GPT-5.2 $1,75/$14,00 61,2 91,0 400K
4 GPT-5 $1,25/$10,00 60,5 90,2 400K
5 Gemini 2.5 Pro $1,25/$10,00 59,5 90,0 1M
6 Claude Opus 4.6 $5,00/$25,00 58,3 89,0 200K
7 Grok 4 $3,00/$15,00 58,0 88,8 256K
8 Claude Opus 4.5 $5,00/$25,00 57,8 88,5 200K
9 Qwen3 Coder 480B $0,90/$0,90 57,0 88,0 262K
10 Claude Sonnet 4.6 $3,00/$15,00 56,5 87,8 1M
11 DeepSeek V3.2 Thinking $0,27/$1,10 56,0 87,5 128K
12 OpenAI o3 $2,00/$8,00 56,8 87,5 200K
13 Gemini 3 Flash $0,50/$3,00 56,0 87,0 1M
14 DeepSeek V3.2 $0,27/$0,41 55,5 87,0 128K
15 Claude Sonnet 4.5 $3,00/$15,00 55,0 86,9 200K
16 GPT-4.1 $2,00/$8,00 55,0 86,5 1M
17 Mistral Large 3 $2,00/$6,00 54,5 86,0 131K
18 Kimi K2.5 $0,40/$1,75 54,0 85,5 256K
19 GPT-5 Mini $0,25/$2,00 53,0 85,5 200K
20 Kimi K2 Thinking $0,40/$1,75 53,5 85,0 256K
21 Gemini 2.5 Flash $0,15/$0,60 52,0 84,5 1M
22 Claude Haiku 4.5 $1,00/$5,00 51,2 84,0 200K
23 GLM 4.7 $0,38/$1,75 52,0 84,0 203K
24 MiniMax M2.5 $0,30/$1,20 50,0 83,0 1M
25 MiniMax M2.1 $0,23/$0,90 48,0 81,5 197K
📖

Long contexte / gros volumes

Capacité à analyser de longs PDFs, gros cahiers des charges, contrats volumineux, multi-documents et synthèses. Crucial pour les équipes juridiques, RFP, et audit.

LongBench v2 RULER
Source 1 Source 2 Source 3
# Modèle Prix (In/Out) LongBench v2 ↓ RULER ↓ Contexte
🥇 Gemini 3.1 Pro $2,00/$12,00 60,5% 95,8% 10M
🥈 GPT-5.2 $1,75/$14,00 58,5% 98,0% 400K
🥉 Gemini 3 Pro $2,00/$12,00 58,0% 95,0% 10M
4 GPT-5.2 Codex $1,75/$14,00 57,0% 96,0% 400K
5 GPT-5 $1,25/$10,00 56,8% 92,0% 400K
6 Gemini 2.5 Pro $1,25/$10,00 55,0% 95,8% 1M
7 Claude Opus 4.6 $5,00/$25,00 54,2% 76,0% 200K
8 Gemini 3 Flash $0,50/$3,00 52,5% 88,0% 1M
9 Claude Opus 4.5 $5,00/$25,00 52,1% 72,0% 200K
10 OpenAI o3 $2,00/$8,00 51,0% 80,0% 200K
11 Claude Sonnet 4.6 $3,00/$15,00 50,8% 82,0% 1M
12 Grok 4 $3,00/$15,00 50,5% 78,0% 256K
13 DeepSeek V3.2 Thinking $0,27/$1,10 50,0% 72,0% 128K
14 Qwen3 Coder 480B $0,90/$0,90 49,5% 76,0% 262K
15 GPT-5.1 Codex $1,25/$10,00 49,0% 85,0% 200K
16 DeepSeek V3.2 $0,27/$0,41 48,7% 70,0% 128K
17 Claude Sonnet 4.5 $3,00/$15,00 48,5% 68,0% 200K
18 Kimi K2.5 $0,40/$1,75 48,0% 76,0% 256K
19 Gemini 2.5 Flash $0,15/$0,60 48,0% 82,0% 1M
20 Kimi K2 Thinking $0,40/$1,75 47,0% 74,0% 256K
21 GPT-4.1 $2,00/$8,00 46,5% 80,0% 1M
22 MiniMax M2.5 $0,30/$1,20 46,0% 72,0% 1M
23 GPT-5 Mini $0,25/$2,00 45,2% 78,0% 200K
24 GLM 4.7 $0,38/$1,75 44,5% 68,0% 203K
25 Claude Haiku 4.5 $1,00/$5,00 44,0% 60,0% 200K
26 Mistral Large 3 $2,00/$6,00 43,0% 62,0% 131K
27 MiniMax M2.1 $0,23/$0,90 42,0% 65,0% 197K
🧠

Raisonnement / résolution de problèmes

Puissance cognitive globale du modèle : raisonnement logique, connaissances expertes, mathématiques. Pour juger la capacité d'analyse et de réflexion structurée.

MMLU-Pro GPQA Diamond
Source 1 Source 2 Source 3
# Modèle Prix (In/Out) MMLU-Pro ↓ GPQA Diamond ↓ Contexte
🥇 Gemini 3.1 Pro $2,00/$12,00 90,2% 94,3% 10M
🥈 Gemini 3 Pro $2,00/$12,00 89,8% 91,9% 10M
🥉 Claude Opus 4.5 $5,00/$25,00 89,5% 86,5% 200K
4 Claude Opus 4.6 $5,00/$25,00 88,2% 89,0% 200K
5 Claude Sonnet 4.6 $3,00/$15,00 87,5% 89,9% 1M
6 Claude Sonnet 4.5 $3,00/$15,00 87,5% 84,2% 200K
7 GPT-5.2 $1,75/$14,00 87,4% 92,4% 400K
8 Gemini 2.5 Pro $1,25/$10,00 87,2% 85,0% 1M
9 GPT-5 $1,25/$10,00 87,1% 87,0% 400K
10 GPT-5.1 Codex $1,25/$10,00 87,0% 88,1% 200K
11 GPT-4.1 $2,00/$8,00 86,5% 82,0% 1M
12 Grok 4 $3,00/$15,00 86,4% 88,9% 256K
13 OpenAI o3 $2,00/$8,00 86,0% 85,0% 200K
14 DeepSeek V3.2 Thinking $0,27/$1,10 85,9% 85,3% 128K
15 Kimi K2 Thinking $0,40/$1,75 84,6% 80,0% 256K
16 Gemini 3 Flash $0,50/$3,00 84,5% 90,4% 1M
17 Qwen3 Coder 480B $0,90/$0,90 83,0% 80,0% 262K
18 DeepSeek V3.2 $0,27/$0,41 82,5% 78,0% 128K
19 Mistral Large 3 $2,00/$6,00 81,0% 75,0% 131K
20 GPT-5 Mini $0,25/$2,00 79,5% 74,0% 200K
21 Kimi K2.5 $0,40/$1,75 78,5% 75,0% 256K
22 Claude Haiku 4.5 $1,00/$5,00 78,0% 72,5% 200K
23 GLM 4.7 $0,38/$1,75 78,0% 72,0% 203K
24 MiniMax M2.5 $0,30/$1,20 76,0% 70,0% 1M
25 Gemini 2.5 Flash $0,15/$0,60 76,0% 70,0% 1M
26 MiniMax M2.1 $0,23/$0,90 72,0% 65,0% 197K
📊

Tableurs / analyse de données

Analyser et manipuler des tableurs volumineux, créer des diagrammes, trouver des insights dans la data. Pour les équipes data, finance et business analysts.

SpreadsheetBench FinSheet-Bench
Source 1 Source 2 Source 3
# Modèle Prix (In/Out) SpreadsheetBench ↓ FinSheet-Bench ↓ Contexte
🥇 Gemini 3.1 Pro $2,00/$12,00 52,0% 82,4% 10M
🥈 GPT-5.2 $1,75/$14,00 48,2% 80,4% 400K
🥉 Claude Opus 4.6 $5,00/$25,00 42,9% 80,2% 200K
4 Gemini 3 Pro $2,00/$12,00 50,5% 80,2% 10M
5 GPT-5 $1,25/$10,00 45,5% 78,5% 400K
6 Claude Opus 4.5 $5,00/$25,00 41,5% 78,0% 200K
7 Claude Sonnet 4.6 $3,00/$15,00 40,2% 76,5% 1M
8 Gemini 2.5 Pro $1,25/$10,00 46,0% 75,5% 1M
9 Grok 4 $3,00/$15,00 41,0% 74,5% 256K
10 OpenAI o3 $2,00/$8,00 42,0% 74,0% 200K
11 Claude Sonnet 4.5 $3,00/$15,00 38,5% 73,0% 200K
12 Gemini 3 Flash $0,50/$3,00 44,0% 72,0% 1M
13 DeepSeek V3.2 Thinking $0,27/$1,10 38,0% 70,0% 128K
14 GPT-4.1 $2,00/$8,00 40,0% 70,0% 1M
15 DeepSeek V3.2 $0,27/$0,41 36,0% 68,0% 128K
16 Qwen3 Coder 480B $0,90/$0,90 37,0% 66,0% 262K
17 Kimi K2 Thinking $0,40/$1,75 34,0% 66,0% 256K
18 GPT-5 Mini $0,25/$2,00 35,0% 65,0% 200K
19 Kimi K2.5 $0,40/$1,75 35,0% 64,0% 256K
20 Claude Haiku 4.5 $1,00/$5,00 32,0% 62,0% 200K
21 Mistral Large 3 $2,00/$6,00 34,0% 62,0% 131K
22 Gemini 2.5 Flash $0,15/$0,60 38,0% 60,0% 1M
23 MiniMax M2.5 $0,30/$1,20 33,0% 58,0% 1M
24 GLM 4.7 $0,38/$1,75 32,0% 58,0% 203K
25 MiniMax M2.1 $0,23/$0,90 30,0% 52,0% 197K
■ Meilleur ■ Bon ■ Moyen ■ Faible