Trois sources agrégées

Evalboard

6sources

--modèles

--comparables

--écart de coût

Roboflow Vision Evals Six tâches de vision corrigées contre une vérité terrain : détection, comptage, identification, OCR, extraction, raisonnement. Synchronisé via data.js

SimpleBench 213 questions de raisonnement de bon sens (simple-bench.com). Première source du score Knowledge. Synchronisé via data.js

AA-Omniscience — Accuracy 6 000 questions factuelles sur 6 domaines (droit, santé, business, SWE, sciences, humanités). Taux de bonnes réponses mesuré par Artificial Analysis. Deuxième source du score Knowledge. Synchronisé via data.js

Humanity's Last Exam 2 500 questions académiques de niveau expert, relevé Artificial Analysis. Troisième source du score Knowledge. Synchronisé via data.js

DataCurve DeepSWE v1.1 113 tâches de génie logiciel en environnement isolé (SWE-bench frontier). Taux de résolution pass@1. Ancre le classement combiné et l'onglet Codage. Synchronisé via data.js

Code Migration — vals.ai Migration de code applicatif : portages CLI, modernisation COBOL et qualité du code produit, joués par un agent. Seconde source du score Codage. Synchronisé via data.js

⚙️ Paramètres de calcul interactifs

Éditeur de Configuration (CONFIG)

Ajustez les coefficients de calcul en direct pour personnaliser le classement selon vos cas d'usage. Chaque modification est enregistrée dans ce navigateur et rechargée automatiquement à la prochaine visite.

01 Score Global & Éligibilité

Pondération relative entre les 3 sources de la moyenne générale : Codage (DeepSWE × Migration), Vision Evals et Knowledge (SimpleBench × AA-Omniscience × HLE).

Poids Vision Evals 1.0×

Poids Knowledge (Simple × Omni × HLE) 1.0×

Poids Codage (DeepSWE × Migration) 1.0×

Vision : 33.3% Knowledge : 33.3% Codage : 33.3%

Exiger tous les benchmarks actifs Si décoché, les modèles évalués sur une partie des sources sont intégrés au classement global au prorata.

Poids Code Migration (vals.ai) 1.0×

Onglet Codage uniquement : ce poids arbitre DeepSWE v1.1 face à Code Migration à l'intérieur du score Codage.

Poids AA-Omniscience Accuracy 1.0×

Arbitrage interne au score Knowledge, face à SimpleBench (poids de référence).

Poids Humanity's Last Exam 1.0×

Arbitrage interne au score Knowledge, face à SimpleBench (poids de référence).

02 Poids des 6 Tâches Vision

Importance de chaque tâche dans le score Composite Vision.

Presets :

03 Fusion Multi-Benchmarks & Gestion des Modèles

0 / 24 modèles

Gérez les modèles présents dans le classement combiné : associez les benchmarks correspondants, ajoutez de nouveaux modèles ou réaffichez ceux masqués, et supprimez/masquez les modèles non souhaités.

Outils :

Filtre :

➕ Gestion & Ajout de modèle

Sélectionnez n'importe quel modèle présent dans DeepSWE, Roboflow Vision, SimpleBench, AA-Omniscience, HLE ou Code Migration pour l'ajouter automatiquement au classement combiné :

Sélectionnez un modèle pour voir ses caractéristiques.

Laboratoire AI (Créateur) *

Nom du modèle *

Score DeepSWE pass@1 (%) (optionnel)

Vision Evals associé (optionnel)

Estimation

SimpleBench associé (optionnel)

Estimation

AA-Omniscience associé (optionnel — Knowledge)

Estimation

Humanity's Last Exam associé (optionnel — Knowledge)

Estimation

Code Migration associé (vals.ai) (optionnel — onglet Codage)

Estimation

Coût estimé ($ / tâche) (optionnel)

Latence / Vitesse (s) (optionnel)

Modèle & Labo AI	DeepSWE	Vision Evals associé (Roboflow)	SimpleBench associé (simple-bench.com) (Knowledge)	AA-Omniscience associé (accuracy) (Knowledge)	Humanity's Last Exam associé (Knowledge)	Code Migration associé (vals.ai) (onglet Codage)	Action

Filtrer

Sélection des benchmarks (Moyenne générale) ⚠️ Au moins 1 benchmark doit rester actif

3 / 3 benchmarks inclus

Combinaisons rapides :

Masquer les modèles aux benchmarks incomplets (exclut les modèles sans note sur l'un des benchmarks actifs)

Classer en z-score Afficher l'incertitude (±IC 95 %)

Chargement des données depuis data.json...

La ligne relie les modèles non dominés