À quoi il sert
Sur Quelle IA, EnigmaEval sert à noter la tâche Raisonnement : c'est l'un de ses 9 benchmarks.
RaisonnementFiche benchmark · Scale AI, avec le Center for AI Safety et le MIT · labs.scale.com
EnigmaEval
1 184 énigmes de chasses aux énigmes, du niveau débutant au MIT Mystery Hunt, mêlant texte et images et exigeant de longues déductions.
Comment c'est noté
Part d'énigmes dont la réponse finale est exactement la bonne.
Ce qu'il ne dit pas
Les énigmes viennent de concours publics, d'où un risque de fuite que le classement signale lui-même. Scores bas, 39 % au mieux.
Qui le tient
Scale AI, avec le Center for AI Safety et le MIT.
labs.scale.com/leaderboard/enigma_eval · tâche Raisonnement · 41 modèles mesurés
Comment lire le score
41 modèles mesurés · 46 mesuresSeuil de saturation : 95 % ↓
0 %50 %100 %
En tête : Claude Fable 5, 39,3 %
Chaque trait est un modèle, placé à son meilleur score. Le test reste très dur : d'après sa courbe d'étalonnage, même un modèle de score IA 100 n'y obtient qu'environ 47 %. Le meilleur, Claude Fable 5, atteint 39,3 %. Le benchmark sera dit saturé quand un modèle atteindra 95 %.
Ce que ce benchmark attend à chaque niveau
- Score IA 51niveau de GPT-4o (Nov 2024)
- moins de 1 %
- Score IA 76niveau de Claude Sonnet 4.5
- 8 %
- Score IA 100niveau de Claude Opus 5.5
- 47 %
Valeurs lues sur la courbe d'étalonnage du benchmark, qui relie le score publié au score IA. La démarche
Son poids chez nous
1,67 %du score général. EnigmaEval porte 11 % de la tâche Raisonnement (15 % du score général), que se partagent 9 benchmarks.
En couleur, la tâche Raisonnement dans le score général. En noir, la part d'EnigmaEval.
Le classement du benchmark
Scores relevés sur labs.scale.com · édition duRangModèleRéflexionScore publiéSuggèreSource
41 modèles mesurés, chacun à sa meilleure configuration. « Suggère » : le score IA que cette seule mesure indique.Voir les 41 →Replier le classement ↑
En bref
- Que mesure EnigmaEval ?
- 1 184 énigmes de chasses aux énigmes, du niveau débutant au MIT Mystery Hunt, mêlant texte et images et exigeant de longues déductions. Sur Quelle IA, il est rangé dans la tâche Raisonnement.
- Comment EnigmaEval est-il noté ?
- Part d'énigmes dont la réponse finale est exactement la bonne. Le test reste très dur : d'après sa courbe d'étalonnage, même un modèle de score IA 100 n'y obtient qu'environ 47 %.
- Qui est en tête sur EnigmaEval ?
- Claude Fable 5 (Anthropic) est en tête d'EnigmaEval avec 39,3 %, dans l'édition du 28 septembre 2026. Suivent GPT-5.6 Sol (37,1 %) et Gemini 3.1 Pro (36,8 %). 41 modèles y sont mesurés.
- Quelles sont les limites d'EnigmaEval ?
- Les énigmes viennent de concours publics, d'où un risque de fuite que le classement signale lui-même. Scores bas, 39 % au mieux. Au 28 septembre 2026, le benchmark est actif.
- Combien pèse EnigmaEval dans le score IA ?
- EnigmaEval compte pour 1,67 % du score général, dans l'édition du 28 septembre 2026. Il porte 11 % de la tâche Raisonnement (15 % du score général), que se partagent 9 benchmarks.
- Qui maintient EnigmaEval ?
- Scale AI, avec le Center for AI Safety et le MIT. Sa page de référence : labs.scale.com/leaderboard/enigma_eval.
Les autres benchmarks de la tâche Raisonnement
- DTBench168 modèles · 1,67 % du scoreSATURÉ
- Chess Puzzles136 modèles · 1,67 % du score
- LMCA130 modèles · 1,67 % du score
- ARC-AGI-182 modèles · 1,67 % du scoreSATURÉ
- SimpleBench82 modèles · 1,67 % du score
- ARC-AGI-280 modèles · 1,67 % du scoreSATURÉ
- ForecastBench77 modèles · 1,67 % du score
- Mystery Game Puzzles69 modèles · 1,67 % du score
- LiveBench, raisonnement48 modèles · hors scoreARCHIVÉ