Artificial Analysis
Source d'actualités IA. Les articles sont sélectionnés et adaptés par la rédaction de Hamidun News.
Dernières publications
Artificial Analysis lance AA-PersonalityBench : 36 modèles, 30 traits, 900 questions
Un benchmark mesure le style des LLM, pas la justesse de leurs réponses : 30 traits, 8 indices, 21 métriques de mise en forme. 36 modèles testés, de Claude à GPT-6.
Artificial Analysis lance HealthBench : GPT-6 Astra en tête avec 66,0%
Artificial Analysis lance les classements HealthBench et HealthBench Professional. GPT-6 Astra obtient 66,0% auprès des cliniciens, tandis que Claude Sonnet 5.5 domine le test grand public avec 62,1%.
Reflection lance Beam : 501B paramètres et 30 points à l'Intelligence Index
Premier modèle de Reflection, Beam se classe deuxième parmi les open weights américains : 30 points à l'Artificial Analysis Intelligence Index, avec moitié moins de tokens que K2 Horizon.
NVIDIA RTX Spark N1X exécute un agent local sur Qwen3.8 27B en 18,7 minutes
Le Surface Laptop Ultra équipé de la puce N1X et de 128 Go de mémoire boucle le test AA-AgentPerf-Local en 18,7 minutes, soit deux fois plus vite qu'un MacBook Pro M5 Pro.
Vera Rubin NVL72 devance le GB300 jusqu'à 5,7 fois en tokens par mégawatt sur AA-AgentPerf
Artificial Analysis publie les premiers résultats du Vera Rubin NVL72 en codage agentique : jusqu'à 5,7x de débit par mégawatt face au GB300, et un record de 906 tok/s par utilisateur.
NVIDIA lance Nemotron 3.5 Super : 26 points AA et 630 tokens/s
Nemotron 3.5 Super VL double le score de son prédécesseur sur l'Intelligence Index et devient le meilleur modèle open-weight américain. Le compact Bolt 74B-A9B sort en parallèle.
AA-Robotics v0.1 : GPT-6 Astra pilote un bras robotisé et obtient 69 points sur 100
Artificial Analysis lance AA-Robotics v0.1 : des LLM pilotent un bras à 6 axes. Le leader GPT-6 Astra obtient 69,4 points, mais met 30 minutes et $16,36 par tâche.
Artificial Analysis lance Decision Index : Jev 1.13 en tête avec 58 points
Artificial Analysis lance un benchmark pour les modèles de décision, qui répondent en un seul appel. Jev 1.13 marque 58 points pour $42 le million de tâches, devant GLiDE et Microsoft.
Meta lance Muse Wonder et Muse Wonder Full : l'indice d'intelligence passe de 48 à 56
Muse Wonder et Muse Wonder Full obtiennent 52 et 56 points à l'Artificial Analysis Intelligence Index, contre 48 pour Muse Spark 1.3. Les tests agentiques progressent le plus, le prix aussi.
Artificial Analysis lance AA-3D : Claude Sonnet 5.5 en tête avec 1194 Elo
Un nouveau benchmark évalue la création de scènes 3D interactives en three.js par des agents. Claude Sonnet 5.5 domine (1194 Elo), mais le top 4 reste au coude-à-coude.
FrontierCode : les meilleurs modèles d'IA échouent à la review des mainteneurs dans 42% des cas
Cognition et Artificial Analysis lancent le benchmark FrontierCode 1.1 : Claude Opus 5.5 domine à 52% et 58% de réussite, pour 10,15 $ par tâche. GPT-6.1 Sol offre 49% à 0,81 $.
GPT-6 Sol Daybreak Blue prend la tête du Cyber Index : +32 points et $1,77 par tâche
Artificial Analysis ajoute au Cyber Index des modèles aux restrictions allégées. GPT-6 Sol Daybreak Blue, un modèle fermé, passe en tête avec 32 points de plus que la version publique.
Harvey LAB-AA v1.1 : Grok 4.7 en tête avec 9,4 % après filtrage des hallucinations
Artificial Analysis et Harvey intègrent un filtre anti-hallucinations : Grok 4.7 mène à 9,4 %, tandis que deux tiers des succès de Muse Spark 1.3 comportent des erreurs.
Anthropic lance Claude Haiku 5.5 : 43 points à l'indice AA et un tarif de 0.10 $ par million
Claude Haiku 5.5 affiche 43 points sur l'indice AA, passe à 0.10 $/0.50 $ par million de tokens avec 1M de contexte, mais génère trois fois plus de tokens que GPT-6 Luna.