# Classement Français des modèles de langage, édition du 28 septembre 2026

183 modèles classés. Le score IA est une estimation, donnée avec sa marge à 90 % : deux modèles dont les marges se recouvrent sont ex æquo.

| Rang | Modèle | Éditeur | Score | Marge | Mesures |
| ---: | --- | --- | ---: | --- | ---: |
| 1 | [Gemini 3.7 Flash](https://quelleia.com/modeles/gemini-3-7-flash/) | Google DeepMind | 98,8 | de 88,3 à 109,4 | 10 |
| 2 | [GPT-6 Astra](https://quelleia.com/modeles/gpt-6-astra/) | OpenAI | 98,3 | de 85,2 à 111,4 | 9 |
| 3 | [Gemini 3.6 Flash](https://quelleia.com/modeles/gemini-3-6-flash/) | Google DeepMind | 97,8 | de 87,1 à 108,4 | 10 |
| 4 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash/) | Google DeepMind | 96,2 | de 84,8 à 107,6 | 10 |
| 5 | [Muse Spark 1.3](https://quelleia.com/modeles/muse-spark-1-3/) | Meta AI | 96,0 | de 86,4 à 105,5 | 2 |
| 6 | [GPT-5.6 Sol](https://quelleia.com/modeles/gpt-5-6-sol/) | OpenAI | 94,1 | de 83,0 à 105,2 | 9 |
| 7 | [GPT-5.5](https://quelleia.com/modeles/gpt-5-5/) | OpenAI | 91,5 | de 82,0 à 101,0 | 2 |
| 8 | [Gemini 3.8 Flash](https://quelleia.com/modeles/gemini-3-8-flash/) | Google DeepMind | 90,5 | de 81,9 à 99,0 | 2 |
| 9 | [GPT-6 Sol](https://quelleia.com/modeles/gpt-6-sol/) | OpenAI | 89,9 | de 81,0 à 98,9 | 2 |
| 10 | [GPT-5.6 Terra](https://quelleia.com/modeles/gpt-5-6-terra/) | OpenAI | 89,4 | de 81,2 à 97,7 | 10 |
| 11 | [Gemini 3 Pro](https://quelleia.com/modeles/gemini-3-pro/) | Google DeepMind | 88,6 | de 77,8 à 99,5 | 8 |
| 12 | [GPT-5.6 Luna](https://quelleia.com/modeles/gpt-5-6-luna/) | OpenAI | 87,9 | de 79,5 à 96,3 | 10 |
| 13 | [Kimi K3](https://quelleia.com/modeles/kimi-k3/) | Moonshot | 87,6 | de 79,0 à 96,2 | 2 |
| 14 | [Gemini 3.1 Pro](https://quelleia.com/modeles/gemini-3-1-pro/) | Google DeepMind | 87,1 | de 78,8 à 95,3 | 2 |
| 15 | [Claude Sonnet 5](https://quelleia.com/modeles/claude-sonnet-5/) | Anthropic | 86,8 | de 78,3 à 95,3 | 2 |
| 16 | [GLM-5.3](https://quelleia.com/modeles/glm-5-3/) | Z.ai (Zhipu AI) | 86,6 | de 76,7 à 96,4 | 2 |
| 17 | [GLM-5.3-Flash](https://quelleia.com/modeles/glm-5-3-flash/) | Z.ai (Zhipu AI) | 86,3 | de 76,7 à 95,9 | 10 |
| 18 | [Gemini 3.5 Flash](https://quelleia.com/modeles/gemini-3-5-flash/) | Google DeepMind | 86,0 | de 77,7 à 94,4 | 2 |
| 19 | [GPT-5.3 Chat](https://quelleia.com/modeles/gpt-5-3-chat/) | OpenAI | 85,0 | de 74,0 à 96,0 | 2 |
| 20 | [GPT-5.4 Mini](https://quelleia.com/modeles/gpt-5-4-mini/) | OpenAI | 85,0 | de 77,1 à 92,8 | 10 |
| 21 | [GPT-5.4](https://quelleia.com/modeles/gpt-5-4/) | OpenAI | 83,7 | de 73,9 à 93,5 | 10 |
| 22 | [DeepSeek-V4-Pro](https://quelleia.com/modeles/deepseek-v4-pro/) | DeepSeek | 82,9 | de 74,7 à 91,1 | 2 |
| 23 | [GLM-5.2](https://quelleia.com/modeles/glm-5-2/) | Z.ai (Zhipu AI) | 81,9 | de 72,5 à 91,2 | 2 |
| 24 | [GPT-5.1](https://quelleia.com/modeles/gpt-5-1/) | OpenAI | 81,9 | de 73,0 à 90,7 | 2 |
| 25 | [Gemini 3.1 Flash-Lite](https://quelleia.com/modeles/gemini-3-1-flash-lite/) | Google DeepMind | 81,6 | de 71,9 à 91,3 | 10 |
| 26 | [Kimi K2.6](https://quelleia.com/modeles/kimi-k2-6/) | Moonshot | 81,6 | de 73,3 à 89,9 | 2 |
| 27 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6/) | Anthropic | 81,3 | de 72,1 à 90,6 | 9 |
| 28 | [Claude Sonnet 4.5](https://quelleia.com/modeles/claude-sonnet-4-5/) | Anthropic | 81,1 | de 73,3 à 88,9 | 10 |
| 29 | [GPT-6 Luna](https://quelleia.com/modeles/gpt-6-luna/) | OpenAI | 81,1 | de 71,8 à 90,3 | 2 |
| 30 | [MiniMax-M3](https://quelleia.com/modeles/minimax-m3/) | MiniMax | 81,1 | de 71,7 à 90,5 | 2 |
| 31 | [DeepSeek-V4-Flash](https://quelleia.com/modeles/deepseek-v4-flash/) | DeepSeek | 80,6 | de 72,1 à 89,0 | 2 |
| 32 | [Gemma 4 31B IT](https://quelleia.com/modeles/gemma-4-31b-it/) | Google DeepMind | 78,7 | de 68,2 à 89,3 | 10 |
| 33 | [GLM-5.1](https://quelleia.com/modeles/glm-5-1/) | Z.ai (Zhipu AI) | 78,5 | de 66,7 à 90,3 | 2 |
| 34 | [DeepSeek V4.1 Flash](https://quelleia.com/modeles/deepseek-v4-1-flash/) | DeepSeek | 77,9 | de 69,2 à 86,7 | 2 |
| 35 | [Inkling](https://quelleia.com/modeles/inkling/) | Thinking Machines | 77,2 | de 68,9 à 85,5 | 2 |
| 36 | [Kimi K2.5](https://quelleia.com/modeles/kimi-k2-5/) | Moonshot | 77,2 | de 68,6 à 85,7 | 2 |
| 37 | [Qwen3-Max](https://quelleia.com/modeles/qwen3-max/) | Alibaba | 76,9 | de 67,8 à 86,0 | 2 |
| 38 | [GPT-5.2](https://quelleia.com/modeles/gpt-5-2/) | OpenAI | 76,6 | de 66,0 à 87,3 | 10 |
| 39 | [Gemma 4 26B A4B](https://quelleia.com/modeles/gemma-4-26b-a4b/) | Google DeepMind | 76,6 | de 67,1 à 86,2 | 10 |
| 40 | [Qwen 3.6 Plus](https://quelleia.com/modeles/qwen-3-6-plus/) | Alibaba | 76,6 | de 67,4 à 85,9 | 2 |
| 41 | [Qwen3.7-Plus](https://quelleia.com/modeles/qwen3-7-plus/) | Alibaba | 76,6 | de 65,6 à 87,6 | 2 |
| 42 | [Kimi K2 Thinking](https://quelleia.com/modeles/kimi-k2-thinking/) | Moonshot | 76,4 | de 67,6 à 85,1 | 2 |
| 43 | [Grok 4.1 Fast](https://quelleia.com/modeles/grok-4-1-fast/) | xAI | 76,1 | de 67,8 à 84,4 | 9 |
| 44 | [DeepSeek-V3.2](https://quelleia.com/modeles/deepseek-v3-2/) | DeepSeek | 75,9 | de 67,2 à 84,5 | 2 |
| 45 | [Gemini 2.5 Pro (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-pro-jun-2025/) | Google DeepMind | 75,6 | de 63,4 à 87,7 | 6 |
| 46 | [Gemini 3.5 Flash-Lite](https://quelleia.com/modeles/gemini-3-5-flash-lite/) | Google DeepMind | 75,6 | de 64,7 à 86,5 | 10 |
| 47 | [DeepSeek-V3.1](https://quelleia.com/modeles/deepseek-v3-1/) | DeepSeek | 74,8 | de 66,5 à 83,1 | 2 |
| 48 | [GPT-5](https://quelleia.com/modeles/gpt-5/) | OpenAI | 74,8 | de 65,1 à 84,5 | 7 |
| 49 | [Qwen3-235B-A22B-Instruct (Jul 2025)](https://quelleia.com/modeles/qwen3-235b-a22b-instruct-jul-2025/) | Alibaba | 74,5 | de 63,2 à 85,9 | 6 |
| 50 | [Qwen3.5 397B-A17B](https://quelleia.com/modeles/qwen3-5-397b-a17b/) | Alibaba | 74,3 | de 62,8 à 85,8 | 2 |
| 51 | [GLM-5](https://quelleia.com/modeles/glm-5/) | Z.ai (Zhipu AI) | 74,0 | de 61,6 à 86,5 | 2 |
| 52 | [Mistral Medium 3.5](https://quelleia.com/modeles/mistral-medium-3-5/) | Mistral AI | 73,8 | de 65,2 à 82,4 | 2 |
| 53 | [Qwen 3.8 27B](https://quelleia.com/modeles/qwen-3-8-27b/) | Alibaba | 73,8 | de 63,0 à 84,5 | 10 |
| 54 | [Qwen3.6 27B](https://quelleia.com/modeles/qwen3-6-27b/) | Alibaba | 73,8 | de 61,7 à 85,8 | 8 |
| 55 | [Claude Sonnet 4](https://quelleia.com/modeles/claude-sonnet-4/) | Anthropic | 73,0 | de 64,1 à 81,9 | 2 |
| 56 | [Gemini 2.5 Flash (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-jun-2025/) | Google DeepMind | 72,7 | de 61,3 à 84,2 | 7 |
| 57 | [o3](https://quelleia.com/modeles/o3/) | OpenAI | 72,7 | de 59,4 à 86,1 | 6 |
| 58 | [GLM-4.6](https://quelleia.com/modeles/glm-4-6/) | Z.ai (Zhipu AI) | 72,2 | de 63,6 à 80,8 | 2 |
| 59 | [GPT-5 mini](https://quelleia.com/modeles/gpt-5-mini/) | OpenAI | 72,2 | de 63,1 à 81,3 | 10 |
| 60 | [Inkling-Small](https://quelleia.com/modeles/inkling-small/) | Thinking Machines | 71,9 | de 63,3 à 80,6 | 2 |
| 61 | [GPT-4.1](https://quelleia.com/modeles/gpt-4-1/) | OpenAI | 71,4 | de 62,4 à 80,5 | 9 |
| 62 | [MiniMax-M2.7](https://quelleia.com/modeles/minimax-m2-7/) | MiniMax | 71,2 | de 61,9 à 80,4 | 2 |
| 63 | [Mistral Medium 3.1](https://quelleia.com/modeles/mistral-medium-3-1/) | Mistral AI | 71,2 | de 62,8 à 79,5 | 2 |
| 64 | [Qwen3-Coder-480B-A35B](https://quelleia.com/modeles/qwen3-coder-480b-a35b/) | Alibaba | 71,2 | de 62,8 à 79,6 | 2 |
| 65 | [Mistral Large 3](https://quelleia.com/modeles/mistral-large-3/) | Mistral AI | 70,4 | de 62,2 à 78,6 | 2 |
| 66 | [GLM-4.7](https://quelleia.com/modeles/glm-4-7/) | Z.ai (Zhipu AI) | 70,1 | de 58,0 à 82,2 | 2 |
| 67 | [Trinity Large Thinking](https://quelleia.com/modeles/trinity-large-thinking/) | Arcee AI | 69,8 | de 61,5 à 78,2 | 2 |
| 68 | [GLM-4.5](https://quelleia.com/modeles/glm-4-5/) | Z.ai (Zhipu AI) | 69,6 | de 61,2 à 78,0 | 2 |
| 69 | [Grok 3](https://quelleia.com/modeles/grok-3/) | xAI | 69,6 | de 57,0 à 82,2 | 6 |
| 70 | [Qwen3-235B-A22B-Thinking (Jul 2025)](https://quelleia.com/modeles/qwen3-235b-a22b-thinking-jul-2025/) | Alibaba | 69,6 | de 52,6 à 86,6 | 5 |
| 71 | [MiniMax-M2.5](https://quelleia.com/modeles/minimax-m2-5/) | MiniMax | 69,1 | de 60,8 à 77,3 | 2 |
| 72 | [Voxtral Small](https://quelleia.com/modeles/voxtral-small/) | Mistral AI | 69,1 | de 57,8 à 80,4 | 6 |
| 73 | [DeepSeek-V3 (Mar 2025)](https://quelleia.com/modeles/deepseek-v3-mar-2025/) | DeepSeek | 68,8 | de 59,7 à 77,9 | 2 |
| 74 | [DeepSeek-R1 (May 2025)](https://quelleia.com/modeles/deepseek-r1-may-2025/) | DeepSeek | 68,0 | de 59,7 à 76,3 | 2 |
| 75 | [GPT-5.4 Nano](https://quelleia.com/modeles/gpt-5-4-nano/) | OpenAI | 67,8 | de 57,9 à 77,6 | 10 |
| 76 | [chutes/Qwen3-Next-80B-A3B-Instruct](https://quelleia.com/modeles/chutes-qwen3-next-80b-a3b-instruct/) | Alibaba | 67,5 | de 56,8 à 78,2 | 6 |
| 77 | [o4-mini](https://quelleia.com/modeles/o4-mini/) | OpenAI | 67,2 | de 56,6 à 77,9 | 7 |
| 78 | [Qwen3.5-35B-A3B](https://quelleia.com/modeles/qwen3-5-35b-a3b/) | Alibaba | 67,0 | de 57,3 à 76,6 | 10 |
| 79 | [Gemini 2.5 Flash-Lite (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-lite-jun-2025/) | Google DeepMind | 64,9 | de 55,5 à 74,3 | 9 |
| 80 | [Ministral 3 14B](https://quelleia.com/modeles/ministral-3-14b/) | Mistral AI | 64,6 | de 51,5 à 77,8 | 8 |
| 81 | [Mistral Small 3.2](https://quelleia.com/modeles/mistral-small-3-2/) | Mistral AI | 64,6 | de 56,2 à 73,0 | 10 |
| 82 | [GPT-4.1 mini](https://quelleia.com/modeles/gpt-4-1-mini/) | OpenAI | 64,4 | de 52,5 à 76,3 | 7 |
| 83 | [Claude 3.7 Sonnet](https://quelleia.com/modeles/claude-3-7-sonnet/) | Anthropic | 63,8 | de 53,7 à 74,0 | 6 |
| 84 | [Claude Haiku 4.5](https://quelleia.com/modeles/claude-haiku-4-5/) | Anthropic | 63,8 | de 54,5 à 73,2 | 9 |
| 85 | [Magistral Small 1.2](https://quelleia.com/modeles/magistral-small-1-2/) | Mistral AI | 63,8 | de 53,6 à 74,1 | 5 |
| 86 | [Qwen3-235B-A22B](https://quelleia.com/modeles/qwen3-235b-a22b/) | Alibaba | 62,5 | de 51,8 à 73,3 | 6 |
| 87 | [Gemma 3 27B](https://quelleia.com/modeles/gemma-3-27b/) | Google DeepMind | 61,5 | de 53,0 à 70,0 | 10 |
| 88 | [Cohere Command A](https://quelleia.com/modeles/cohere-command-a/) | Cohere | 61,2 | de 52,7 à 69,8 | 2 |
| 89 | [Ministral 3 8B](https://quelleia.com/modeles/ministral-3-8b/) | Mistral AI | 61,2 | de 49,2 à 73,3 | 8 |
| 90 | [GLM-4.5-Air](https://quelleia.com/modeles/glm-4-5-air/) | Z.ai (Zhipu AI) | 60,2 | de 48,6 à 71,8 | 6 |
| 91 | [MiniMax-M2](https://quelleia.com/modeles/minimax-m2/) | MiniMax | 59,4 | de 50,5 à 68,3 | 2 |
| 92 | [Qwen3.5-9B](https://quelleia.com/modeles/qwen3-5-9b/) | Alibaba | 59,4 | de 50,3 à 68,5 | 8 |
| 93 | [Magistral Small 1.0](https://quelleia.com/modeles/magistral-small-1-0/) | Mistral AI | 58,9 | de 48,9 à 68,9 | 6 |
| 94 | [Nemotron 3 Nano 30B](https://quelleia.com/modeles/nemotron-3-nano-30b/) | NVIDIA | 58,9 | de 49,9 à 67,9 | 9 |
| 95 | [Qwen3-Next-80B-A3B Thinking](https://quelleia.com/modeles/qwen3-next-80b-a3b-thinking/) | Alibaba | 58,9 | de 46,0 à 71,7 | 6 |
| 96 | [gpt-oss-120b](https://quelleia.com/modeles/gpt-oss-120b/) | OpenAI | 58,9 | de 50,8 à 67,0 | 10 |
| 97 | [Mistral Small 3.1](https://quelleia.com/modeles/mistral-small-3-1/) | Mistral AI | 58,6 | de 46,3 à 70,9 | 9 |
| 98 | [Nemotron 3 Super 120B](https://quelleia.com/modeles/nemotron-3-super-120b/) | NVIDIA | 58,6 | de 48,6 à 68,7 | 2 |
| 99 | [Qwen3-14B](https://quelleia.com/modeles/qwen3-14b/) | Alibaba | 58,6 | de 51,4 à 65,9 | 8 |
| 100 | [Aya Expanse 32B](https://quelleia.com/modeles/aya-expanse-32b/) | Cohere | 58,1 | de 47,1 à 69,1 | 6 |
| 101 | [Qwen2.5-72B](https://quelleia.com/modeles/qwen2-5-72b/) | Alibaba | 58,1 | de 47,9 à 68,3 | 9 |
| 102 | [Llama 3.3 70B](https://quelleia.com/modeles/llama-3-3-70b/) | Meta AI | 57,3 | de 48,3 à 66,4 | 10 |
| 103 | [Qwen3-32B](https://quelleia.com/modeles/qwen3-32b/) | Alibaba | 57,3 | de 48,6 à 66,1 | 9 |
| 104 | [o3-mini](https://quelleia.com/modeles/o3-mini/) | OpenAI | 57,3 | de 46,2 à 68,4 | 6 |
| 105 | [Llama 3.1-405B](https://quelleia.com/modeles/llama-3-1-405b/) | Meta AI | 57,1 | de 45,5 à 68,7 | 7 |
| 106 | [glm-4.7-flash](https://quelleia.com/modeles/glm-4-7-flash/) | Z.ai (Zhipu AI) | 56,8 | de 47,8 à 65,8 | 9 |
| 107 | [Nemotron 3.5 Lightning](https://quelleia.com/modeles/nemotron-3-5-lightning/) | NVIDIA | 56,5 | de 43,6 à 69,5 | 2 |
| 108 | [Llama-3.1-Nemotron-70B-Instruct](https://quelleia.com/modeles/llama-3-1-nemotron-70b-instruct/) | NVIDIA | 56,0 | de 45,0 à 67,1 | 6 |
| 109 | [Gemma 3 12B](https://quelleia.com/modeles/gemma-3-12b/) | Google DeepMind | 55,2 | de 46,7 à 63,7 | 9 |
| 110 | [GPT-5 nano](https://quelleia.com/modeles/gpt-5-nano/) | OpenAI | 55,0 | de 46,0 à 64,0 | 9 |
| 111 | [Llama 4 Scout](https://quelleia.com/modeles/llama-4-scout/) | Meta AI | 55,0 | de 44,0 à 65,9 | 7 |
| 112 | [Grok-3 mini](https://quelleia.com/modeles/grok-3-mini/) | xAI | 54,7 | de 44,1 à 65,3 | 6 |
| 113 | [Magistral Medium 1.1](https://quelleia.com/modeles/magistral-medium-1-1/) | Mistral AI | 54,7 | de 43,0 à 66,4 | 2 |
| 114 | [Gemma 3n E4B](https://quelleia.com/modeles/gemma-3n-e4b/) | Google DeepMind | 54,4 | de 44,5 à 64,4 | 8 |
| 115 | [Llama 3.1-70B](https://quelleia.com/modeles/llama-3-1-70b/) | Meta AI | 53,9 | de 42,4 à 65,4 | 9 |
| 116 | [Qwen3.5-4B](https://quelleia.com/modeles/qwen3-5-4b/) | Alibaba | 53,9 | de 43,2 à 64,6 | 8 |
| 117 | [Qwen3-30B-A3B](https://quelleia.com/modeles/qwen3-30b-a3b/) | Alibaba | 53,4 | de 41,9 à 64,9 | 7 |
| 118 | [Llama 4 Maverick](https://quelleia.com/modeles/llama-4-maverick/) | Meta AI | 53,1 | de 41,7 à 64,6 | 2 |
| 119 | [Qwen3-4B](https://quelleia.com/modeles/qwen3-4b/) | Alibaba | 52,4 | de 44,4 à 60,3 | 8 |
| 120 | [EuroLLM 22B Instruct](https://quelleia.com/modeles/eurollm-22b-instruct/) | EuroLLM | 51,3 | de 42,0 à 60,7 | 9 |
| 121 | [QwQ-32B](https://quelleia.com/modeles/qwq-32b/) | Alibaba | 51,1 | de 37,0 à 65,1 | 7 |
| 122 | [OLMo 3.1 32B Instruct](https://quelleia.com/modeles/olmo-3-1-32b-instruct/) | Allen Institute for AI | 50,8 | de 38,7 à 62,9 | 7 |
| 123 | [Grok-2 (Dec 2024)](https://quelleia.com/modeles/grok-2-dec-2024/) | xAI | 50,0 | de 38,0 à 62,0 | 5 |
| 124 | [Apertus v1.5 70B](https://quelleia.com/modeles/apertus-v1-5-70b/) | Swiss AI (EPFL, ETH Zurich) | 49,7 | de 37,9 à 61,6 | 9 |
| 125 | [gpt-oss-20b](https://quelleia.com/modeles/gpt-oss-20b/) | OpenAI | 49,0 | de 38,8 à 59,2 | 9 |
| 126 | [qwen3-4b-instruct-2507](https://quelleia.com/modeles/qwen3-4b-instruct-2507/) | Alibaba | 48,4 | de 39,5 à 57,3 | 5 |
| 127 | [Gemma 2 27B](https://quelleia.com/modeles/gemma-2-27b/) | Google DeepMind | 47,1 | de 35,7 à 58,6 | 6 |
| 128 | [Llama 3-70B](https://quelleia.com/modeles/llama-3-70b/) | Meta AI | 47,1 | de 36,1 à 58,2 | 6 |
| 129 | [Mistral Small 3](https://quelleia.com/modeles/mistral-small-3/) | Mistral AI | 47,1 | de 29,4 à 64,9 | 6 |
| 130 | [Reka Flash 3](https://quelleia.com/modeles/reka-flash-3/) | Reka AI | 46,6 | de 34,3 à 58,9 | 5 |
| 131 | [Ministral 3 3B](https://quelleia.com/modeles/ministral-3-3b/) | Mistral AI | 45,6 | de 34,5 à 56,6 | 8 |
| 132 | [DeepSeek-R1-Distill-Qwen-32B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-32b/) | DeepSeek | 45,3 | de 34,9 à 55,7 | 5 |
| 133 | [DeepSeek-R1-Distill-Llama-70B](https://quelleia.com/modeles/deepseek-r1-distill-llama-70b/) | DeepSeek | 44,5 | de 33,7 à 55,4 | 6 |
| 134 | [Qwen3-8B](https://quelleia.com/modeles/qwen3-8b/) | Alibaba | 43,5 | de 31,7 à 55,3 | 9 |
| 135 | [Apertus 70B Instruct](https://quelleia.com/modeles/apertus-70b-instruct/) | Swiss AI (EPFL, ETH Zurich) | 43,2 | de 32,9 à 53,6 | 6 |
| 136 | [c4ai-command-r-08-2024](https://quelleia.com/modeles/c4ai-command-r-08-2024/) | Cohere | 41,9 | de 32,2 à 51,7 | 5 |
| 137 | [Phi-4](https://quelleia.com/modeles/phi-4/) | Microsoft | 41,4 | de 30,2 à 52,6 | 7 |
| 138 | [Yi-1.5-34B](https://quelleia.com/modeles/yi-1-5-34b/) | 01.AI | 39,3 | de 22,4 à 56,2 | 6 |
| 139 | [Mistral NeMo](https://quelleia.com/modeles/mistral-nemo/) | Mistral AI | 39,0 | de 30,6 à 47,5 | 5 |
| 140 | [granite-4.0-micro](https://quelleia.com/modeles/granite-4-0-micro/) | IBM | 39,0 | de 24,9 à 53,2 | 6 |
| 141 | [Gemma 2 9B](https://quelleia.com/modeles/gemma-2-9b/) | Google DeepMind | 38,5 | de 26,1 à 51,0 | 6 |
| 142 | [Luciole 23B Instruct 1.1](https://quelleia.com/modeles/luciole-23b-instruct-1-1/) | OpenLLM-France | 38,0 | de 26,4 à 49,6 | 8 |
| 143 | [OLMo 3 32B Think](https://quelleia.com/modeles/olmo-3-32b-think/) | Ai2 | 36,7 | de 21,9 à 51,5 | 2 |
| 144 | [DeepSeek-R1-Distill-Qwen-14B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-14b/) | DeepSeek | 36,4 | de 27,1 à 45,8 | 5 |
| 145 | [Ministral 8B](https://quelleia.com/modeles/ministral-8b/) | Mistral AI | 35,4 | de 15,4 à 55,4 | 5 |
| 146 | [Gemma 3 4B](https://quelleia.com/modeles/gemma-3-4b/) | Google DeepMind | 35,1 | de 20,7 à 49,5 | 9 |
| 147 | [EuroLLM 9B Instruct (2512)](https://quelleia.com/modeles/eurollm-9b-instruct-2512/) | EuroLLM | 34,9 | de 24,2 à 45,5 | 8 |
| 148 | [Mixtral 8x7B](https://quelleia.com/modeles/mixtral-8x7b/) | Mistral AI | 34,1 | de 23,8 à 44,4 | 6 |
| 149 | [deepseek-r1-0528-qwen3-8b](https://quelleia.com/modeles/deepseek-r1-0528-qwen3-8b/) | DeepSeek | 33,3 | de 22,9 à 43,7 | 5 |
| 150 | [nvidia-nemotron-nano-9b-v2](https://quelleia.com/modeles/nvidia-nemotron-nano-9b-v2/) | NVIDIA | 31,2 | de 21,4 à 41,0 | 5 |
| 151 | [Llama 3.1-8B](https://quelleia.com/modeles/llama-3-1-8b/) | Meta AI | 30,2 | de 20,6 à 39,7 | 10 |
| 152 | [Qwen1.5-14B](https://quelleia.com/modeles/qwen1-5-14b/) | Alibaba | 28,3 | de 16,9 à 39,7 | 6 |
| 153 | [Llama 3-8B](https://quelleia.com/modeles/llama-3-8b/) | Meta AI | 26,8 | de 16,8 à 36,8 | 6 |
| 154 | [Qwen3.5-2B](https://quelleia.com/modeles/qwen3-5-2b/) | Alibaba | 24,2 | de 10,5 à 37,8 | 8 |
| 155 | [OLMo 2 Furious 13B](https://quelleia.com/modeles/olmo-2-furious-13b/) | Allen Institute for AI | 22,1 | de 13,5 à 30,6 | 5 |
| 156 | [Apertus 8B Instruct](https://quelleia.com/modeles/apertus-8b-instruct/) | Swiss AI (EPFL | 21,8 | de 11,7 à 31,9 | 5 |
| 157 | [Qwen3-1.7B](https://quelleia.com/modeles/qwen3-1-7b/) | Alibaba | 21,3 | de 7,7 à 34,8 | 8 |
| 158 | [Llama 2-70B](https://quelleia.com/modeles/llama-2-70b/) | Meta AI | 21,0 | de 9,7 à 32,4 | 6 |
| 159 | [EuroLLM 9B Instruct](https://quelleia.com/modeles/eurollm-9b-instruct/) | EuroLLM | 20,5 | de 8,9 à 32,1 | 8 |
| 160 | [Luciole 8B Instruct 1.1](https://quelleia.com/modeles/luciole-8b-instruct-1-1/) | OpenLLM-France | 16,1 | de 5,6 à 26,6 | 8 |
| 161 | [Falcon 2 11B](https://quelleia.com/modeles/falcon-2-11b/) | Technology Innovation Institute | 11,9 | de 1,7 à 22,1 | 5 |
| 162 | [Gemma 7B](https://quelleia.com/modeles/gemma-7b/) | Google DeepMind | 8,8 | de 0,0 à 19,1 | 6 |
| 163 | [Llama 3.2 3B](https://quelleia.com/modeles/llama-3-2-3b/) | Meta AI | 8,2 | de 0,0 à 17,9 | 8 |
| 164 | [Mistral 7B v0.3](https://quelleia.com/modeles/mistral-7b-v0-3/) | Mistral AI | 8,2 | de 0,0 à 21,2 | 5 |
| 165 | [Qwen2.5-1.5B](https://quelleia.com/modeles/qwen2-5-1-5b/) | Alibaba | 7,7 | de 0,0 à 18,5 | 5 |
| 166 | [Mistral 7B v0.1](https://quelleia.com/modeles/mistral-7b-v0-1/) | Mistral AI | 6,7 | de 0,0 à 20,2 | 5 |
| 167 | [ALIA-40b](https://quelleia.com/modeles/alia-40b/) | Barcelona Supercomputing Center | 6,2 | de 0,0 à 21,4 | 5 |
| 168 | [Mistral 7B v0.2](https://quelleia.com/modeles/mistral-7b-v0-2/) | Mistral AI | 4,6 | de 0,0 à 14,7 | 6 |
| 169 | [Llama 2-13B](https://quelleia.com/modeles/llama-2-13b/) | Meta AI | 3,0 | de 0,0 à 15,8 | 6 |
| 170 | [DeepSeek-R1-Distill-Llama-8B](https://quelleia.com/modeles/deepseek-r1-distill-llama-8b/) | DeepSeek | 0,0 | de 0,0 à 0,0 | 5 |
| 171 | [DeepSeek-R1-Distill-Qwen-1.5B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-1-5b/) | DeepSeek | 0,0 | de 0,0 à 0,0 | 5 |
| 172 | [DeepSeek-R1-Distill-Qwen-7B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-7b/) | DeepSeek | 0,0 | de 0,0 à 0,0 | 5 |
| 173 | [Gemma 2B](https://quelleia.com/modeles/gemma-2b/) | Google DeepMind | 0,0 | de 0,0 à 0,0 | 5 |
| 174 | [Gemma 3 1B](https://quelleia.com/modeles/gemma-3-1b/) | Google DeepMind | 0,0 | de 0,0 à 0,0 | 8 |
| 175 | [Gemma 3 270M](https://quelleia.com/modeles/gemma-3-270m/) | Google DeepMind | 0,0 | de 0,0 à 0,0 | 8 |
| 176 | [Llama 2-7B](https://quelleia.com/modeles/llama-2-7b/) | Meta AI | 0,0 | de 0,0 à 4,6 | 5 |
| 177 | [Llama 3.2 1B](https://quelleia.com/modeles/llama-3-2-1b/) | Meta AI | 0,0 | de 0,0 à 0,0 | 8 |
| 178 | [Phi-2](https://quelleia.com/modeles/phi-2/) | Microsoft | 0,0 | de 0,0 à 0,0 | 5 |
| 179 | [Phi-4 Mini](https://quelleia.com/modeles/phi-4-mini/) | Microsoft | 0,0 | de 0,0 à 0,0 | 5 |
| 180 | [Phi-4 Reasoning](https://quelleia.com/modeles/phi-4-reasoning/) | Microsoft | 0,0 | de 0,0 à 0,0 | 5 |
| 181 | [Qwen3-0.6B](https://quelleia.com/modeles/qwen3-0-6b/) | Alibaba | 0,0 | de 0,0 à 0,0 | 8 |
| 182 | [Qwen3.5-0.8B](https://quelleia.com/modeles/qwen3-5-0-8b/) | Alibaba | 0,0 | de 0,0 à 0,0 | 8 |
| 183 | [Salamandra 7B Instruct](https://quelleia.com/modeles/salamandra-7b-instruct/) | Barcelona Supercomputing Center | 0,0 | de 0,0 à 0,0 | 8 |

Source : Quelle IA, édition du 28 septembre 2026, quelleia.com.