À quoi il sert
Sur Quelle IA, GBAEval sert à noter la tâche Code : c'est l'un de ses 13 benchmarks. Il départage surtout les modèles dont le score IA approche 90.
CodeFiche benchmark · Équipe GBAEval (gbaeval.com) · gbaeval.com
GBAEval
Écrire de zéro, en 24 heures au plus, un émulateur de Game Boy Advance en Rust et WebAssembly.
Comment c'est noté
Score global de 0 à 1 : l'émulateur est comparé à l'émulateur de référence Mesen2 sur l'image, le comportement matériel et le son.
Ce qu'il ne dit pas
Une seule tâche, très particulière, et des émulateurs open source existent dans les données d'entraînement. Le site ne dit pas clairement qui tient le benchmark.
Qui le tient
Équipe GBAEval (gbaeval.com).
gbaeval.com · tâche Code · 23 modèles mesurés
Comment lire le score
23 modèles mesurésSeuil de saturation : 95 % ↓
0 %50 %Claude Opus 5 : 79,6 %100 %
En tête : Claude Opus 5, 79,6 %
Chaque trait est un modèle, placé à son meilleur score. Un modèle qui obtient 50 % a un score IA d'environ 90. Le meilleur, Claude Opus 5, atteint 79,6 %. 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
- 2 %
- Score IA 100niveau de Claude Opus 5.5
- 95 %
Valeurs lues sur la courbe d'étalonnage du benchmark, qui relie le score publié au score IA. La démarche
Son poids chez nous
1,15 %du score général. GBAEval porte 8 % de la tâche Code (15 % du score général), que se partagent 13 benchmarks.
En couleur, la tâche Code dans le score général. En noir, la part de GBAEval.
Le classement du benchmark
Scores relevés sur gbaeval.com · édition duRangModèleRéflexionScore publiéSuggèreSource
23 modèles mesurés, chacun à sa meilleure configuration. « Suggère » : le score IA que cette seule mesure indique.Voir les 23 →Replier le classement ↑
En bref
- Que mesure GBAEval ?
- Écrire de zéro, en 24 heures au plus, un émulateur de Game Boy Advance en Rust et WebAssembly. Sur Quelle IA, il est rangé dans la tâche Code.
- Comment GBAEval est-il noté ?
- Score global de 0 à 1 : l'émulateur est comparé à l'émulateur de référence Mesen2 sur l'image, le comportement matériel et le son. Un modèle qui obtient 50 % a un score IA d'environ 90.
- Qui est en tête sur GBAEval ?
- Claude Opus 5 (Anthropic) est en tête de GBAEval avec 79,6 %, dans l'édition du 28 septembre 2026. Suivent Claude Fable 5 (74,5 %) et Claude Opus 4.8 (70,9 %). 23 modèles y sont mesurés.
- Quelles sont les limites de GBAEval ?
- Une seule tâche, très particulière, et des émulateurs open source existent dans les données d'entraînement. Le site ne dit pas clairement qui tient le benchmark. Au 28 septembre 2026, le benchmark est actif.
- Combien pèse GBAEval dans le score IA ?
- GBAEval compte pour 1,15 % du score général, dans l'édition du 28 septembre 2026. Il porte 8 % de la tâche Code (15 % du score général), que se partagent 13 benchmarks.
- Qui maintient GBAEval ?
- Équipe GBAEval (gbaeval.com). Sa page de référence : gbaeval.com.
Les autres benchmarks de la tâche Code
- Arena, questions de code275 modèles · 1,15 % du score
- WeirdML (v2)129 modèles · 1,15 % du score
- SciCode120 modèles · 1,15 % du score
- Terminal-Bench 2.045 modèles · 1,15 % du score
- FrontierCode37 modèles · 1,15 % du score
- SWE-bench Verified32 modèles · 1,15 % du score
- DeepSWE26 modèles · 1,15 % du score
- GSO26 modèles · 1,15 % du score
- FrontierSWE16 modèles · 1,15 % du score
- CursorBench13 modèles · 1,15 % du score
- WeirdML v311 modèles · 1,15 % du score
- MirrorCode9 modèles · 1,15 % du score
- Aider Polyglot54 modèles · hors scoreARCHIVÉ
- LiveBench, code48 modèles · hors scoreARCHIVÉ