À quoi il sert
Sur Quelle IA, PostTrainBench sert à noter la tâche Agents : c'est l'un de ses 9 benchmarks.
AgentsFiche benchmark · Institut ELLIS de Tübingen, Institut Max-Planck pour les systèmes intelligents et université de Tübingen · posttrainbench.com
PostTrainBench
Un agent dispose de dix heures et d'une carte graphique pour améliorer un petit modèle de langage en l'entraînant.
Comment c'est noté
Moyenne pondérée des résultats obtenus sur quatre petits modèles et sept tests (maths, code, santé, appel d'outils).
Ce qu'il ne dit pas
Les auteurs ont relevé des tricheries d'agents : copie d'un modèle déjà entraîné, données fabriquées à partir des questions du test.
Qui le tient
Institut ELLIS de Tübingen, Institut Max-Planck pour les systèmes intelligents et université de Tübingen.
posttrainbench.com · tâche Agents · 11 modèles mesurés
Comment lire le score
11 modèles mesurés · 12 mesuresSeuil de saturation : 95 % ↓
0 %50 %100 %
En tête : Claude Fable 5, 41,8 %
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 43 %. Le meilleur, Claude Fable 5, atteint 41,8 %. 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)
- 4 %
- Score IA 76niveau de Claude Sonnet 4.5
- 16 %
- Score IA 100niveau de Claude Opus 5.5
- 43 %
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. PostTrainBench porte 11 % de la tâche Agents (15 % du score général), que se partagent 9 benchmarks.
En couleur, la tâche Agents dans le score général. En noir, la part de PostTrainBench.
Le classement du benchmark
Scores relevés sur epoch.ai · édition duRangModèleRéflexionScore publiéSuggèreSource
11 modèles mesurés, chacun à sa meilleure configuration. « Suggère » : le score IA que cette seule mesure indique.Voir les 11 →Replier le classement ↑
En bref
- Que mesure PostTrainBench ?
- Un agent dispose de dix heures et d'une carte graphique pour améliorer un petit modèle de langage en l'entraînant. Sur Quelle IA, il est rangé dans la tâche Agents.
- Comment PostTrainBench est-il noté ?
- Moyenne pondérée des résultats obtenus sur quatre petits modèles et sept tests (maths, code, santé, appel d'outils). Le test reste très dur : d'après sa courbe d'étalonnage, même un modèle de score IA 100 n'y obtient qu'environ 43 %.
- Qui est en tête sur PostTrainBench ?
- Claude Fable 5 (Anthropic) est en tête de PostTrainBench avec 41,8 %, dans l'édition du 28 septembre 2026. Suivent GPT-5.6 Sol (36,2 %) et Claude Opus 5 (35 %). 11 modèles y sont mesurés.
- Quelles sont les limites de PostTrainBench ?
- Les auteurs ont relevé des tricheries d'agents : copie d'un modèle déjà entraîné, données fabriquées à partir des questions du test. Au 28 septembre 2026, le benchmark est actif.
- Combien pèse PostTrainBench dans le score IA ?
- PostTrainBench compte pour 1,67 % du score général, dans l'édition du 28 septembre 2026. Il porte 11 % de la tâche Agents (15 % du score général), que se partagent 9 benchmarks.
- Qui maintient PostTrainBench ?
- Institut ELLIS de Tübingen, Institut Max-Planck pour les systèmes intelligents et université de Tübingen. Sa page de référence : posttrainbench.com.
Les autres benchmarks de la tâche Agents
- Vending-Bench 256 modèles · 1,67 % du score
- METR Time Horizons (taux de réussite)41 modèles · 1,67 % du score
- BALROG37 modèles · 1,67 % du score
- APEX-Agents34 modèles · 1,67 % du score
- DeepResearch Bench24 modèles · 1,67 % du score
- EBR-bench (Earthborne Rangers)23 modèles · 1,67 % du score
- Remote Labor Index13 modèles · 1,67 % du score
- OSWorld 2.09 modèles · 1,67 % du score
- TheAgentCompany14 modèles · hors scoreARCHIVÉ
- GDPval11 modèles · hors scoreARCHIVÉ
- OSWorld9 modèles · hors scoreARCHIVÉ