Aller au contenu
EN 4 QUESTIONSTrouver mon modèle

DonnéesFiche benchmark · Google DeepMind pour le jeu de questions ; Epoch AI pour l'évaluation · epoch.ai

SimpleQA Verified

1 000 questions factuelles courtes et précises (politique, sciences, arts, sport, géographie) pour voir si le modèle sait ou invente.

À quoi il sert

SimpleQA Verified alimente le dossier Données, suivi pour information : ce dossier n'a pas de score et n'entre pas dans le score général.

Comment c'est noté

Part de réponses jugées correctes par un modèle correcteur, qui distingue aussi les erreurs et les refus de répondre.

Ce qu'il ne dit pas

Le score global traite un refus prudent comme une erreur, alors que la tendance à s'abstenir varie beaucoup d'un modèle à l'autre.

Comment lire le score

92 modèles mesurés · 101 mesures

En tête : Gemini 4 Argon, 76 %

Chaque trait est un modèle, placé à son meilleur score. Un modèle qui obtient 50 % a un score IA d'environ 88. Le meilleur, Gemini 4 Argon, atteint 76 %. 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)
9 %
Score IA 76niveau de Claude Sonnet 4.5
32 %
Score IA 100niveau de Claude Opus 5.5
68 %

Valeurs lues sur la courbe d'étalonnage du benchmark, qui relie le score publié au score IA. La démarche

Son poids chez nous

0 %du score général. Données est un dossier sans score : ses benchmarks sont suivis pour information.

Le classement du benchmark

Scores relevés sur epoch.ai · édition du
RangModèleRéflexionScore publiéÉquivaut à?Source
1Gemini 4 ArgonGoogle DeepMindÉlevée76 %106,8
2GPT-6 AstraOpenAIMaximale75,6 %106,4
3GPT-6.1 SolOpenAIMaximale73,9 %105,0
4Gemini 3.1 ProGoogle DeepMindÉlevée73,5 %104,7
5Claude Opus 5.5AnthropicMaximale72,2 %103,6
6Claude Fable 5.1AnthropicMaximale70,8 %102,5
7Claude Fable 5AnthropicMaximale70,7 %102,4
8GPT-5.6 SolOpenAIMaximale69,7 %101,6
8Gemini 3.8 FlashGoogle DeepMindÉlevée69,7 %101,6
10Gemini 3.7 FlashGoogle DeepMindÉlevée69,2 %101,3
92 modèles mesurés, chacun à sa meilleure configuration. « Équivaut à » : le score IA que ce seul résultat donnerait au modèle.Voir les 92 →Replier le classement ↑
11Gemini 3 FlashGoogle DeepMindÉlevée66,8 %99,5
12Gemini 3.6 FlashGoogle DeepMindÉlevée66,2 %99,1
12Gemini 3.5 FlashGoogle DeepMindÉlevée66,2 %99,1
14GPT-5.5OpenAIMaximale63 %96,8
15Kimi K3.1 ProMoonshot · poids ouvertsMaximale62,2 %96,3
16GPT-6 SolOpenAIMaximale60,7 %95,2
17Muse Spark 1.2Meta AIMaximale60,3 %95,0
18Claude Opus 5AnthropicMaximale59,9 %94,7
19Muse Spark 1.1Meta AINon précisée57,8 %93,3
20GPT-6.1 TerraOpenAIMaximale57,3 %93,0
21Muse Spark OpenMeta AI · poids ouvertsMaximale56,6 %92,5
22Grok 4.7xAIMaximale56 %92,1
23Qwen3.7-MaxAlibabaNon précisée55,8 %92,0
24Claude Opus 4.8AnthropicMaximale53 %90,2
25DeepSeek V4 Pro 0813DeepSeek · poids ouvertsMaximale52,9 %90,1
26Qwen 3.6 Max (Preview)AlibabaNon précisée52 %89,5
27Claude Opus 4.7AnthropicMaximale51,7 %89,3
28Kimi K3Moonshot · poids ouvertsMaximale50,6 %88,6
29GPT-5OpenAIÉlevée50,1 %88,3
30o3OpenAIÉlevée49,4 %87,9
31Grok 4.6xAI · 2 configurationsÉlevée49,3 %87,8
32Qwen3-MaxAlibabaNon précisée48,7 %87,4
33Grok 4.5xAIÉlevée48,3 %87,1
34GPT-5.1OpenAIÉlevée48 %87,0
35Qwen3.8 Max (0902)AlibabaMaximale47,3 %86,5
36Claude Opus 4.6AnthropicMaximale47 %86,3
37DeepSeek-V4-ProDeepSeek · poids ouvertsMaximale47 %86,3
38Claude Sonnet 5.5AnthropicMaximale46,5 %86,0
39GPT-5.4 ProOpenAIMaximale46,3 %85,9
40Qwen 3.8 MaxAlibabaMaximale45,8 %85,5
41Claude Opus 4.5AnthropicBudget45,7 %85,5
42GPT-5.4OpenAIMaximale45,1 %85,1
43Doubao Seed 2.1 ProByteDanceÉlevée44,7 %84,8
44Qwen 3.6 PlusAlibabaNon précisée44,1 %84,5
45GPT-5.6 TerraOpenAIMaximale43,2 %83,8
46DeepSeek V4.1 FlashDeepSeek · poids ouvertsMaximale42,9 %83,6
47DeepSeek V4.1 Flash 1017DeepSeek · poids ouvertsMaximale42,5 %83,4
48Doubao Seed Evolving (Nov 2026)ByteDanceÉlevée41,9 %83,0
49GPT-6 LunaOpenAIMaximale41,4 %82,6
50o1OpenAIÉlevée41,1 %82,4
51GLM-5.3Z.ai (Zhipu AI) · poids ouvertsMaximale41 %82,4
51GPT-5.6 LunaOpenAIMaximale41 %82,4
53Qwen3-235B-A22B-Thinking (Jul 2025)Alibaba · poids ouvertsNon précisée40,4 %82,0
54InklingThinking Machines · poids ouvertsMaximale40,3 %81,9
55Doubao-Seed-2.0 ProByteDanceÉlevée39,4 %81,3
56GPT-5.2OpenAI · 4 configurationsMaximale37,1 %79,7
57Kimi K2.7 CodeMoonshot · poids ouvertsNon précisée36,5 %79,3
58Claude Sonnet 4.6Anthropic · 2 configurationsÉlevée35,5 %78,6
59Kimi K2.6Moonshot · poids ouvertsNon précisée34,9 %78,2
60Kimi K2.5Moonshot · poids ouvertsNon précisée34,3 %77,8
61GLM-5.2Z.ai (Zhipu AI) · poids ouvertsMaximale34,2 %77,7
62GLM-5.1Z.ai (Zhipu AI) · poids ouvertsNon précisée34 %77,6
63Claude Sonnet 5Anthropic · 2 configurationsMaximale33,7 %77,3
64DeepSeek V4 Flash 0731DeepSeek · poids ouvertsMaximale33,6 %77,3
65Grok 4.3 BetaxAIÉlevée33,2 %77,0
66GLM-4.7Z.ai (Zhipu AI) · poids ouvertsNon précisée32,2 %76,3
67Doubao Seed 2.0 Lite (Apr 2026)ByteDanceÉlevée31,5 %75,7
68GPT-4.1OpenAINon précisée31,1 %75,4
69Claude Sonnet 4.5Anthropic · 2 configurationsBudget30,7 %75,1
70Grok 4.20xAINon précisée30,2 %74,8
71Doubao Seed 2.1 TurboByteDanceÉlevée29,7 %74,4
72GPT-5.4 MiniOpenAIÉlevée29,4 %74,1
73GPT-4o (Aug 2024)OpenAINon précisée26 %71,4
74Qwen 3.5 Plus (hosted 397B-A17B)AlibabaNon précisée25,4 %70,9
75Claude Haiku 5.5AnthropicMaximale23,8 %69,5
76Mistral Large 4Mistral AI · poids ouvertsÉlevée22,4 %68,2
77GPT-5 miniOpenAIÉlevée21,6 %67,5
78Qwen 3.5 Flash (hosted 35B-A3B)AlibabaNon précisée20,3 %66,3
79Mistral Large 4 PreviewMistral AI · poids ouvertsÉlevée20 %65,9
80o4-miniOpenAI · 2 configurationsFaible19,6 %65,5
81Inkling-SmallThinking Machines · poids ouvertsMaximale19,1 %65,0
82Doubao-Seed-1.6ByteDance · poids ouvertsNon précisée17,4 %63,2
83Qwen 3.6 FlashAlibabaNon précisée15,9 %61,5
84o3-miniOpenAIÉlevée15,3 %60,7
85Claude Haiku 4.5Anthropic · 2 configurationsNon précisée13,2 %57,9
86GPT-4.1 miniOpenAINon précisée12,7 %57,2
87Claude 3 OpusAnthropicNon précisée12,6 %57,1
88GPT-5.4 NanoOpenAIÉlevée11,7 %55,7
88GPT-5 nanoOpenAIÉlevée11,7 %55,7
90Gemma 4 31B ITGoogle DeepMind · poids ouvertsNon précisée10,4 %53,6
91GPT-4o miniOpenAINon précisée8,3 %49,6
92GPT-4.1 nanoOpenAINon précisée6 %44,0

En bref

Que mesure SimpleQA Verified ?
1 000 questions factuelles courtes et précises (politique, sciences, arts, sport, géographie) pour voir si le modèle sait ou invente. Sur QUELLE IA, il est rangé dans le dossier Données.
Comment SimpleQA Verified est-il noté ?
Part de réponses jugées correctes par un modèle correcteur, qui distingue aussi les erreurs et les refus de répondre. Un modèle qui obtient 50 % a un score IA d'environ 88.
Qui est en tête sur SimpleQA Verified ?
Gemini 4 Argon (Google DeepMind) est en tête de SimpleQA Verified avec 76 %, dans l'édition du 9 novembre 2026. Suivent GPT-6 Astra (75,6 %) et GPT-6.1 Sol (73,9 %). 92 modèles y sont mesurés.
Quelles sont les limites de SimpleQA Verified ?
Le score global traite un refus prudent comme une erreur, alors que la tendance à s'abstenir varie beaucoup d'un modèle à l'autre. Au 9 novembre 2026, le benchmark est actif.
Combien pèse SimpleQA Verified dans le score IA ?
SimpleQA Verified compte pour 0 % du score général, dans l'édition du 9 novembre 2026. Données est un dossier sans score : ses benchmarks sont suivis pour information.
Qui maintient SimpleQA Verified ?
Google DeepMind pour le jeu de questions ; Epoch AI pour l'évaluation. Sa page de référence : epoch.ai/benchmarks/simpleqa-verified.

Les autres benchmarks du dossier Données

Tous les benchmarks →Comment le score IA est calculé →