Famille de modèlesVérifié le · 44 modèles · tableaux relevés le
Un modèle de décision répond par un choix parmi des options fixées d'avance, accompagné d'une probabilité. Il ne rédige aucun texte. Ce dossier présente Jev et sa famille sans les classer : les bancs publics ont un mois, changent de méthode d'une semaine à l'autre et se contredisent.
On lui donne un texte et une ou plusieurs questions fermées. Pour chacune, il rend un choix parmi les options proposées, une note sur une grille ou un oui/non, toujours avec une probabilité.
La réponse a une forme fixe, qu'un programme lit sans avoir à l'interpréter.
Un modèle de langage rédige sa réponse mot après mot. Un modèle de décision choisit parmi des options et s'arrête là. Il n'écrit rien, n'explique rien et calcule mal.
Il est conçu pour répondre plus vite et pour moins cher. TypeSafe appelle cette famille « System One », d'après Daniel Kahneman. Le terme neutre, « modèle de décision », s'installe chez Liquid AI et dans les articles de recherche.
Le texte à juger« Ma carte a été avalée par le distributeur. »
Sorti le 15 septembre 2026 en accès anticipé, Jev est le modèle qui a fait connaître la famille. Sa version 1.14 est disponible depuis le 14 octobre 2026. Voici ce que l'on sait de lui, puis ce que son éditeur annonce, et ce que d'autres ont mesuré.
Jev reçoit un texte et une liste de questions fermées, et rend pour chacune un choix, une note ou un oui/non avec sa probabilité. Il ne rédige aucun texte.
| Thème | Ce que dit l'éditeurDéclaré | Ce que disent les tiersMesuré par un tiers |
|---|---|---|
| Vitesse |
|
|
| Prix |
|
|
| Exactitude | Jev atteint « similar levels of intelligence on System One tasks compared to existing LLMs », écrit le billet de lancement. TypeSafe refuse les bancs publics : « Put no weight on public benchmarks ». typesafe.ai
|
|
| Fiabilité |
|
|
| Langues | L'anglais est la langue principale d'entraînement, « where accuracy is currently best ». Les autres langues sont « handled but not equally well ». Le français n'est pas cité. docs.typesafe.ai |
|
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart · Image JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Le chiffre vient des « Workflow evals » de TypeSafe, quatre chaînes de décision écrites par l'éditeur : facturation (150 cas), service client (204), observabilité d'agents (111) et incidents de sécurité (240), soit 705 cas. La bonne réponse y est la moyenne des réponses de GPT-6 Astra et de Claude Fable 5.1, tous deux en réflexion élevée. Le pourcentage affiché mesure donc l'accord de Jev avec deux modèles de langage.
Le slogan réunit deux rapports pris sur deux modèles différents. Celui de vitesse correspond à « sonnet 5 », l'un des plus lents du banc. Celui de prix correspond à « opus 5 », le plus cher. L'éditeur ne nomme ni l'un ni l'autre.
×195 en temps, face à « sonnet 5 »×440 en coût, face à « opus 5 »
Le modèle « luna » (OpenAI) obtient 66,8 % d'accord, Jev 67,8 %. Entre ces deux-là, l'écart tombe très loin du slogan. Et sur ce même banc, Jev reste derrière « sol » (OpenAI), à 74,1 %, et « opus 5 », à 73,1 %.
×32 en temps, face à « luna » (OpenAI)×8 en coût, face à « luna » (OpenAI)
Rapports recalculés par QUELLE IA le 30 septembre 2026 à partir des valeurs arrondies que publie l'éditeur, moyenne des quatre chaînes : d'où ×195 et ×440 au lieu de 193,6 et 444,6. Le banc de l'éditeur, evals.typesafe.aiLe billet de lancement, typesafe.aiLe slogan, typesafe.ai
44 modèles en cinq groupes, qui ne se comparent pas d'un groupe à l'autre. Sur chaque fiche, un tampon dit d'où vient le chiffre :Déclaré par l'éditeur du modèle, ou Mesuré par un tiers. Un fait qui n'a pas pu être vérifié n'est pas affiché.
Le même contrat que Jev : un texte, des questions fermées, des probabilités en retour. Leurs poids ne sont pas publiés, on y accède par une API. Jev, présenté plus haut, appartient à ce groupe. Microsoft et Subquadratic l'ont rejoint en octobre 2026.
Les deux modèles de décision hébergés de Liquid AI, servis par son API : d1, le moins cher, et d1-ultra, le plus capable, bâti selon l'éditeur sur un modèle ouvert plus grand. Ils reprennent les trois mêmes formes de question que Jev : choix, note, oui ou non.
Liquid AI publie aussi deux modèles de décision à poids ouverts, d1-3B et d1-omni-600M, présentés plus bas avec les modèles ouverts. Les deux modèles hébergés, eux, restent fermés.
La page de l'éditeur renvoie à sa grille tarifaire pour les prix, et leur date de sortie n'a pas été vérifiée.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Le modèle de décision de Subquadratic, présenté comme le premier à long contexte : de quoi juger, selon l'éditeur, un dépôt de code ou un historique d'agent entier en une requête.
Annoncé le 12 octobre 2026. Ses poids ne sont pas publiés : aucun modèle de Subquadratic ne figure sur Hugging Face.
L'éditeur s'appuie sur sa propre méthode d'attention, « Subquadratic Sparse Attention », pour lire de longs textes à moindre coût. JevBench le mesure comme une préversion.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Le modèle de décision de Microsoft, servi dans Microsoft Foundry : une probabilité pour chaque option, en une seule passe, avec les trois formes de question de Jev.
Microsoft n'a pas publié de date de sortie sur les pages consultées. Son billet du 12 octobre 2026 présente le modèle comme disponible dans Microsoft Foundry et par OpenRouter, dont le catalogue public ne le listait pas le 17 octobre.
Microsoft prévoit de le rebâtir sur d'autres modèles, dont ses modèles MAI et ceux d'OpenAI.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Le modèle de décision d'Inception, l'éditeur des modèles de langage Mercury : un état partagé, des questions nommées, des réponses typées avec leurs probabilités.
La documentation consultée ne donne ni prix ni date de sortie.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Un modèle de décision accessible par API, vu seulement dans le tableau du banc communautaire typed-decisions.
Sa ligne, en tête de ce tableau, porte un lien de campagne publicitaire : son chiffre n'est pas repris ici. La page de l'éditeur n'a pas été consultée.
Un modèle de décision fermé, servi par une API au format de celle de TypeSafe.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Un modèle de décision fermé, connu par sa seule ligne dans JevBench.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Des dizaines de modèles ouverts reprennent le contrat de Jev, et les bancs en mesurent de nouveaux chaque semaine : leurs tableaux sont plus bas. Depuis le 1er octobre, de grands éditeurs publient les leurs : Cloudflare, Perplexity, Liquid AI, Amazon. La plupart partent d'un modèle ouvert (Qwen3.5, Qwen3.8, Gemma 4) dont on lit les probabilités sur les options, avec ou sans adaptateur LoRA.
Les modèles de décision de Cloudflare, servis par Workers AI et publiés en poids ouverts. Leur API est compatible avec celle de Jev.
Clef et Clef-flash sont annoncés le 1er octobre 2026 ; Clef-omni a suivi, son dépôt date du 9 octobre.
Le billet présente Clef comme « currently the leader » du Jev Decision Index de l'époque (version 0.2.1). Ce n'est plus le cas dans la version 0.3.2.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart · Image JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Les modèles de décision ouverts de Perplexity. La version 1.2 répond à toutes les questions d'une requête en une seule lecture du texte.
Trois versions en quinze jours : v1 le 1er octobre 2026, v1.1 le 5, v1.2 et Decider Flash le 15 (dates de création des dépôts Hugging Face).
Perplexity écrit avoir ajouté à l'entraînement de la v1.2 les parties d'entraînement officielles de certains bancs du Decision Index, nettoyées des questions de test.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Les deux modèles de décision à poids ouverts de Liquid AI, conçus pour tourner sur de petites machines, jusqu'aux cartes Jetson de NVIDIA.
Annoncés le 7 octobre 2026 ; leurs dépôts Hugging Face datent du 5. Liquid AI présente d1-omni-600M comme une version de recherche encore expérimentale.
Le 27 octobre 2026, Liquid AI annonce que d1-2B remplace d1-3B (présenté juste en dessous) ; d1-omni-600M reste publié, sans successeur désigné. Les deux anciens dépôts restent en ligne.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart · Image JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
La deuxième génération des modèles de décision ouverts de Liquid AI, bâtie sur LFM3 : une réponse typée et sa probabilité en une seule lecture, sans générer de texte, pour les images, la vidéo et, avec d1-Omni-2B, la voix.
Liquid AI écrit que d1-2B remplace d1-3B, avec un tiers de paramètres en moins. Pour d1-Omni-2B, sa fiche dit seulement qu'il dépasse d1-omni-600M sur chaque banc.
Nouveauté depuis d1-3B, les réponses typées : encadrer ce qu'on décrit dans une image, extraire un champ d'un document avec le passage d'où il vient (ou « introuvable »), donner une estimation avec sa fourchette, cocher toutes les options qui conviennent.
Ni l'un ni l'autre ne converse : d1-Omni-2B entend l'audio mais n'écrit ni transcription ni voix. Aucun des bancs suivis ne les classe encore.
Les petits modèles de décision de l'équipe Strands Agents, pensés pour les choix courants d'un agent : quel modèle appeler, quel outil choisir, quels arguments valider.
Publiés par l'organisation Strands Agents sur Hugging Face, avec une copie des mêmes fichiers dans l'organisation vérifiée d'Amazon.
La gamme v1 sur Gemma 4 date du 9 octobre 2026 (dépôts Hugging Face). Une version antérieure sur Qwen3.5-2B, « hobson », existait depuis le 30 septembre.
Dans les bancsrelevé du
Source : Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Cygnet est une recette : elle lit, dans un Gemma 4 laissé tel quel, la probabilité du jeton de chaque option.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Une reproduction ouverte de Jev bâtie sur Gemma 4, présente dans les deux bancs tiers.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Une famille de reproductions ouvertes sur Qwen3.5 : 4B d'abord, puis des variantes v0.3, 2B, 9B et Lite.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Deux reproductions ouvertes sur Qwen3.5 : decider-2b est sorti le 16 septembre 2026, au lendemain de Jev, et decider-4b a suivi le 22 septembre. Une variante decider-35b-a3b existe aussi.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Une reproduction ouverte sur Qwen3.5, dont l'éditeur publie aussi une suite de tests à étiquettes humaines qui compare son modèle à Jev.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Un petit encodeur (ModernBERT ou mmBERT) ajusté pour rendre des décisions typées, en version anglaise ou multilingue.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
La reproduction expérimentale de Together AI, déclinée aussi en 0,8B. Les poids sont publiés sans licence : leur réutilisation n'est pas encadrée.
Dans les bancsrelevé du
Source : Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Trois modèles de décision ouverts (0,8B, 2B et 4B) publiés par l'équipe InternLM.
Dans les bancsrelevé du
Source : Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Une gamme de six modèles de décision (Eos, Kai, Lex, Sol, Nox, Lux), publiée par l'organisation llm-semantic-router.
Un outil sans entraînement, qui lit les probabilités d'un modèle ouvert existant pour en tirer une décision typée.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
La reproduction ouverte publiée par Featherless AI.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven (API) · JevBench, Benchmark Heaven (poids ouverts) · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Une reproduction bâtie sur DiffusionGemma, proposée par une API hébergée en aperçu gratuit. La publication de ses poids n'a pas été vérifiée.
Une reproduction ouverte sur un encodeur DeBERTa, bien plus petite que les reproductions bâties sur un modèle de langage.
Dans les bancsrelevé du
Source : JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Un modèle de décision ouvert pour le thaï et l'anglais.
Un groupe à part. Ces services rendent des réponses de la même forme que Jev (un choix, une note ou un oui/non, avec leur probabilité), mais le modèle qui répond est un modèle de langage généraliste, servi par un point d'accès dédié. Ils ne se comparent donc pas aux modèles de décision proprement dits.
Un point d'accès d'OpenAI qui rend des réponses typées (probabilité, choix, note) à la manière de Jev. Le modèle qui répond est GPT-6 Luna, un modèle de langage généraliste.
En bêta publique depuis le 6 octobre 2026, d'après le journal des modifications de l'API. OpenAI annonce une version définitive « in the coming weeks ».
GPT-6 Luna est le seul modèle proposé. Appelé par les autres points d'accès, il garde son tarif habituel.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Image JevBench, Benchmark Heaven. Rang publié par chaque banc, sans score combiné.
Pour la plupart antérieurs à Jev, ces modèles reçoivent les étiquettes ou le schéma au moment de l'appel. Aucun banc commun ne les compare entre eux, et leurs chiffres viennent presque tous de leurs éditeurs.
Un encodeur de la lignée GLiNER publié fin septembre 2026 pour les tâches de décision, avec une variante multilingue (287 millions de paramètres) et une variante 1B.
Dans les bancsrelevé du
Sources : JevBench, Benchmark Heaven · Jev Decision Index, multimodalart. Rang publié par chaque banc, sans score combiné.
Des encodeurs qui repèrent des entités, classent un texte, extraient des champs structurés et des relations en une seule passe. GLiNER2.5 (small, base, multi) date d'août 2026.
Des classifieurs sans exemple : on donne les étiquettes à l'appel, pour de l'intention, du réordonnancement ou de la détection d'hallucination. Des variantes multilingues (edge, mini, ultra) ont suivi en avril 2026.
Un encodeur unique pour les entités, la classification, les relations, les enregistrements structurés et la mise en page de PDF.
Le modèle d'origine de la lignée (gliner_multi-v2.1) : il repère dans un texte les entités dont on lui donne le nom à l'appel.
Un extracteur génératif : il remplit un gabarit JSON à partir d'un texte ou d'une image. Il écrit sa réponse, contrairement aux encodeurs de ce groupe.
NuMind annonce un banc d'extraction et un classement ouverts « in the coming weeks » : ils n'étaient pas publiés le 30 septembre 2026.
Un classifieur de jetons qui repère les données personnelles dans un texte, pour les masquer avant un traitement.
Un groupe à part. Ces modèles décident eux aussi, mais d'une seule chose : un contenu est-il acceptable ? Aucun test ne les relie à Jev, et il n'existe pas de classement indépendant à jour de la modération. La seule comparaison récente entre éditeurs est le tableau que Mistral publie sur la fiche de Shieldstral.
Un classifieur de sécurité pour le texte et l'image : on lui écrit la règle à appliquer en langage courant, il dit si le contenu la respecte.
Le tableau de sa fiche compare Shieldstral à GPT-OSS-Safeguard-20B, Qwen3Guard-8B, Nemotron-3.5, LlamaGuard-4-12B et ShieldGemma-9B. C'est la seule comparaison récente entre éditeurs, et c'est Mistral qui la publie.
Le modèle de modération de Meta, dans sa version de 12 milliards de paramètres.
Deux très petits classifieurs de Meta contre l'injection de requêtes.
Le modèle de modération d'images de Google. Trois ShieldGemma plus anciens (2B, 9B, 27B) datent de juillet 2024.
Le modèle de garde d'IBM, de la famille Granite, publié sous licence libre.
Le classifieur de sécurité des contenus de NVIDIA, dans sa gamme Nemotron.
Les modèles de garde ouverts d'OpenAI, en deux tailles (20b et 120b).
Le modèle de garde de la famille Qwen d'Alibaba.
Un petit modèle de garde-fous pour modèles de langage, publié par Fastino.
Un tableau par banc, tel que le banc le publie : son score de 0 à 100, son rang, ses systèmes sans rang avec la raison. QUELLE IA n'en tire aucun score et ne mélange jamais deux tableaux. Relevé le , chaque semaine depuis le 17 octobre 2026, avec l'accord de Benchmark Heaven et de multimodalart. Ici, les cinq premiers de chaque tableau ; les tableaux complets sont sur trois pages, une par famille.
Le système lit un texte, un objet JSON ou une conversation, et choisit parmi des options fixées d'avance. Les tableaux complets →
JevBenchBenchmark Heaven
| Rang | Système | Capacité |
|---|---|---|
| 1 | kettei-fatSqwish | 86,3 |
| 2 | Super Deciderthinking | 85,9 |
| 3 | Super Decider | 84,9 |
| 4 | Fastino GLiDEhosted API, 22 Oct 2026 | 84,5 |
| 5 | Drex MaxNace AI | 84,2 |
Source : JevBench, Benchmark Heaven · · sa méthode.
JevBenchBenchmark Heaven
| Rang | Système | Capacité |
|---|---|---|
| 1 | baselabs mammoth-127B | 85,2 |
| 2 | KnowLine 31B-Gen1 | 85,2 |
| 3 | Fastino GLiDE 1.2open weights, self-hosted | 84,9 |
| 4 | H2O-Lightning-31B v1.0.7 | 84,3 |
| 5 | Perplexity Decider v1.1 27Bfiche du dossier | 82,7 |
Source : JevBench, Benchmark Heaven · .
Jev Decision Indexmultimodalart
| Rang | Système | Score complet |
|---|---|---|
| 1 | REAX 1.3 | 73,98 |
| 2 | GLiDE 27BFastino | 73,37 |
| 3 | KnowLine 31B Gen1.5PelaAI | 71,91 |
| 4 | FlexDM-LoRA 2.1 · Gemma-4-31B | 71,61 |
| 5 | Sieve 31B v3Sthānika AI | 71,10 |
Source : Jev Decision Index, multimodalart · .
Le système regarde une photo, une capture d'écran ou un document, et décide : classer, compter, modérer, lire un champ. Les tableaux complets →
Image JevBenchBenchmark Heaven
| Rang | Système | Capacité |
|---|---|---|
| 1 | H2O-Lightning-31BH2O.ai | 80,9 |
| 2 | kettei-fatSqwish | 75,9 |
| 3 | Sage 1.4 + images, betaLevanto Labs | 75,8 |
| 4 | Drex MaxNace AI | 72,5 |
| 5 | Jev 1.13.0 + images, previewTypeSafefiche du dossier | 72,4 |
Source : Image JevBench, Benchmark Heaven · .
Jev Decision Indexmultimodalart
| Rang | Système | Score complet |
|---|---|---|
| 1 | JDI-Decision-V1 | 75,05 |
| 2 | WeMM-JEV-27B | 73,81 |
| 3 | Piccolo 27B VLagentscope-ai | 73,77 |
| 4 | RBDash-Decision v0.2RBDash-Team | 73,30 |
| 5 | H2O Lightning 31B v1.3.0H2O.ai | 72,87 |
Source : Jev Decision Index, multimodalart · .
Le système écoute un appel ou une commande vocale, sans transcription écrite, et décide : intention, urgence, sécurité d'une commande, locuteur. Les tableaux complets →
AudioJevBenchBenchmark Heaven
| Rang | Système | Capacité |
|---|---|---|
| 1 | Qwen3-Omni-30B-A3B-Instruct | 83,2 |
| 2 | Qwen2.5-Omni-7B | 68,1 |
| 3 | Qwen2.5-Omni-3B | 53,8 |
| 4 | Voxtral Mini 3B2507 | 47,8 |
| 5 | Ultravox v0.5Llama 3.2 1B | 31,4 |
Source : AudioJevBench, Benchmark Heaven · .
Trois bancs publics pour les décisions sur un texte, tous nés en septembre 2026, et aucun tenu par TypeSafe. Tous trois autorisent QUELLE IA à reprendre leurs résultats : Jevals par sa licence, JevBench et le Decision Index par l'accord de leurs auteurs, donné le 17 octobre 2026. Leurs tableaux sont relevés chaque semaine, Jevals n'a rien publié depuis le 18 septembre.
révision v1.8.7 ·
Decision Index 0.4.1 ·
suite 0.1.0 ·
Ces bancs ne sont pas d'accord entre eux. Au relevé du 9 novembre 2026, JevBench place en tête kettei-fat parmi les modèles servis par API et baselabs mammoth-1 parmi les poids ouverts ; le Jev Decision Index place REAX 1.3 premier. Jev 1.14 est douzième des modèles servis par API sur JevBench, et 55e sur 275 au Jev Decision Index. QUELLE IA reprend leurs tableaux tels qu'ils sont publiés, avec leur source et la date du relevé, comme leurs auteurs l'ont accepté le 17 octobre 2026.
| Modèle | PubMedQAoui ou non, 300 questions | Banking77choix parmi 77 intentions, 300 questions | HelpSteer2note d'utilité, 300 questions |
|---|---|---|---|
| JevTypeSafe AI · modèle de décision | 69,0de 59,8 à 76,5438 ms · 0,029 $ les 1 000 | 67,8de 61,3 à 74,5467 ms · 0,043 $ les 1 000 | 9,2de −4,4 à 21,0478 ms · 0,036 $ les 1 000 |
| DeepSeek V4.1 FlashDeepSeek | 47,5de 34,7 à 59,1838 ms · 0,078 $ les 1 000 | 63,9de 58,5 à 69,6999 ms · 0,138 $ les 1 000 | −19,0de −36,0 à −3,3912 ms · 0,125 $ les 1 000 |
| Gemini 3.8 FlashGoogle | 73,0de 62,1 à 82,21 854 ms · 0,803 $ les 1 000 | 74,1de 68,4 à 79,81 636 ms · 1,368 $ les 1 000 | 4,6de −12,2 à 19,01 887 ms · 1,269 $ les 1 000 |
| GLM-5.3Z.ai | 60,6de 50,0 à 69,81 757 ms · 0,512 $ les 1 000 | 66,8de 62,0 à 71,72 110 ms · 0,719 $ les 1 000 | 7,8de −4,6 à 18,62 211 ms · 0,785 $ les 1 000 |
| Mercury 2.5Inception | 55,7de 44,8 à 65,4584 ms · 0,023 $ les 1 000 | 54,0de 47,8 à 60,6638 ms · 0,036 $ les 1 000 | −5,5de −16,2 à 4,0618 ms · 0,034 $ les 1 000 |
| Mistral Medium 3.5Mistral AI | 58,0de 45,3 à 69,8533 ms · 0,875 $ les 1 000 | 59,5de 54,3 à 64,8936 ms · 1,515 $ les 1 000 | −13,7de −28,3 à −0,1706 ms · 1,325 $ les 1 000 |
| Qwen3.8 FlashAlibaba | 62,4de 50,9 à 72,51 088 ms · 0,086 $ les 1 000 | 62,4de 55,9 à 68,91 713 ms · 0,122 $ les 1 000 | −1,4de −15,4 à 11,51 422 ms · 0,126 $ les 1 000 |
Decision Score : 100 pour un sans-faute, 0 pour qui devinerait d'après la fréquence des réponses. La bande couvre l'intervalle publié par Jevals, le trait marque le score. Sous chaque score : la latence médiane et le coût des 1 000 décisions, en dollars. En orange, un intervalle qui contient zéro : rien n'établit alors que le modèle fait mieux que deviner. Jev d'abord, puis l'ordre alphabétique : ce tableau situe Jev face à six modèles de langage, sans classer personne.Attribution : Jevals (jevals.com), version du 18 septembre 2026, suite 0.1.0. CC BY 4.0. Le fichier de données
Pour classer les modèles de langage, QUELLE IA suit 98 benchmarks publics. Pour les modèles de décision, la matière manque encore. Quatre raisons, relevées le 17 octobre 2026.
Les deux bancs tiers qui couvrent les mêmes modèles, JevBench et le Jev Decision Index, ont un mois. Le troisième, Jevals, n'a rien publié depuis le 18 septembre 2026.
JevBench et le Jev Decision Index ne placent pas le même système en tête, et chacun laisse hors de son classement, ou ne mesure pas, des modèles que l'autre range parmi les premiers. Les tableaux de la page le montrent d'une semaine à l'autre.
JevBench a eu quatre premiers en trois semaines et met désormais en avant un autre score. Le Decision Index a changé de formule avec sa version 0.3. Un score hebdomadaire refléterait ces changements autant que les modèles.
TypeSafe mesure Jev contre une référence faite par deux modèles de langage et refuse les bancs publics : « Put no weight on public benchmarks ». Les nouveaux venus publient leurs propres chiffres, souvent sur le Decision Index rejoué par eux-mêmes.
Trois bancs tenus par des auteurs différents, qui mesurent au moins huit à dix modèles en commun.
Pas encoreDeux seulement : JevBench et le Decision Index. Jevals deviendrait le troisième s'il ajoutait les modèles de décision ouverts, comme il l'annonce, mais il n'a rien publié depuis le 18 septembre 2026.
La même méthode et les mêmes identifiants de modèles d'une semaine à l'autre.
Pas encoreJevBench publie un nouveau tirage plusieurs fois par semaine et a changé de score principal en octobre. Le Decision Index a changé de formule avec sa version 0.3. Tous deux tiennent un journal de leurs révisions, ce qui permettra de le vérifier.
Des étiquettes posées par des humains dans chaque source retenue, ou au moins une source qui n'utilise qu'elles.
Pas encoreSeuls Jevals, la suite de Bespoke Labs et des articles de recherche s'appuient sur des étiquettes humaines, et ils comparent Jev à des modèles de langage ou à un seul concurrent.
L'autorisation de Benchmark Heaven et de multimodalart de reprendre leurs lignes, avec attribution.
RéunieObtenu le 17 octobre 2026 : Benchmark Heaven et multimodalart autorisent QUELLE IA à reprendre leurs résultats, avec la mention de la source, un lien et la date du relevé. Jevals, sous licence CC BY 4.0, se reprend sans demander.
Le classement des modèles de langage →Un autre dossier sans score : Données →Comment QUELLE IA calcule un score →
Ce dossier existe aussi en texte et en JSON, avec la source de chaque chiffre. Les tableaux des bancs : décider sur un texte, décider sur une image, décider à l'écoute.
↑↓ choisirEntrée ouvrirÉchap fermerTous les modèles, avec filtres