# Décider sur une image : les tableaux des bancs de modèles de décision

> Le système regarde une photo, une capture d'écran ou un document, et décide : classer, compter, modérer, lire un champ. Un tableau par banc, tel que le banc le publie (rang, score de 0 à 100), sans score combiné ni score de QUELLE IA. Relevé du 26 octobre 2026.

Page : https://quelleia.com/modeles-de-decision/image/
Données : https://quelleia.com/modeles-de-decision/image.json
Le dossier : https://quelleia.com/modeles-de-decision/
Auteur : Ulrich Rozier (https://ulrichrozier.com), QUELLE IA.

## Image JevBench

Source : Image JevBench, Benchmark Heaven, https://benchmarkheaven.com/image-jev-bench · relevé du 26 octobre 2026, version 0.3.0 du 22 octobre 2026.
Ce qui est mesuré : score de capacité de 0 à 100, moyenne de l'exactitude corrigée du hasard et de la calibration, sur des décisions prises en regardant une image (classer, compter, modérer, lire un document) ; seuls les systèmes qui coûtent et répondent au plus deux fois plus que la référence du banc reçoivent un rang.

| Rang | Système | Capacité | Exactitude | Calibration | $ les 1 000 décisions | Latence médiane | État |
| --- | --- | --- | --- | --- | --- | --- | --- |
| 1 | H2O-Lightning-31B | 80,9 | 75,6 | 86,1 | 0,075 $ | 0,59 s | classé |
| 2 | kettei-fat | 75,9 | 67,3 | 84,4 | 0,011 $ | 0,42 s | classé |
| 3 | Sage 1.4 + images, beta | 75,8 | 68,1 | 83,5 | 0,079 $ | 0,56 s | classé |
| 4 | Drex Max | 72,5 | 67,0 | 78,0 | 0,084 $ | 0,85 s | classé |
| 5 | Jev 1.13.0 + images, preview ([fiche](https://quelleia.com/modeles-de-decision/#jev)) | 72,4 | 59,9 | 85,0 | 0,159 $ | 0,38 s | classé |
| 6 | Autoloops, Gemma 4 31B IT | 68,3 | 49,7 | 87,0 | 0,083 $ | 1,19 s | classé |
| 7 | Imajev-4B | 68,0 | 49,9 | 86,1 | 0,038 $ | 0,37 s | classé |
| 8 | imajev 9B | 67,1 | 48,3 | 85,8 | 0,089 $ | 0,67 s | classé |
| 9 | kettei-chub | 66,5 | 47,8 | 85,2 | 0,007 $ | 0,31 s | classé |
| 10 | Surogate Rune 26B-A4B v3 | 64,8 | 44,8 | 84,8 | 0,058 $ | 0,49 s | classé |
| 11 | GPT-6 Luna via OpenAI Decisions ([fiche](https://quelleia.com/modeles-de-decision/#openai-decisions)) | 62,9 | 45,0 | 80,7 | 0,181 $ | 0,41 s | classé |
| 12 | AutoJev-27B | 62,1 | 37,6 | 86,7 | 0,054 $ | 0,48 s | classé |
| 13 | basal-omni-1.0-ultra | 60,6 | 51,5 | 69,6 | 0,085 $ | 0,63 s | classé |
| 14 | H2O-Lightning-4B | 60,4 | 44,9 | 76,0 | 0,078 $ | 0,57 s | classé |
| 15 | Jev 1.14.0 + images, preview ([fiche](https://quelleia.com/modeles-de-decision/#jev)) | 60,2 | 49,9 | 70,5 | 0,159 $ | 0,39 s | classé |
| 16 | Jevify Gemma 4 26B-A4B | 58,7 | 38,5 | 79,0 | 0,057 $ | 0,49 s | classé |
| 17 | JPT-9B | 58,7 | 44,3 | 73,2 | 0,083 $ | 0,60 s | classé |
| 18 | Celeris-1 Decision | 58,1 | 40,7 | 75,6 | 0,022 $ | 0,89 s | classé |
| 19 | Clef ([fiche](https://quelleia.com/modeles-de-decision/#clef)) | 58,1 | 47,4 | 68,8 | 0,182 $ | 1,18 s | classé |
| 20 | NeoHorse Jev 4B | 57,6 | 36,8 | 78,4 | 0,042 $ | 0,43 s | classé |
| 21 | Visual-Jev generic | 56,7 | 29,7 | 83,8 | 0,091 $ | 0,68 s | classé |
| 22 | vjev-vision | 55,7 | 21,7 | 89,6 | 0,023 $ | 0,29 s | classé |
| 23 | JPT-4B | 55,6 | 38,3 | 73,0 | 0,065 $ | 0,50 s | classé |
| 24 | Jev-Omni | 54,3 | 37,5 | 71,0 | 0,022 $ | 0,32 s | classé |
| 25 | Reflex 4B | 53,3 | 27,4 | 79,3 | 0,052 $ | 0,48 s | classé |
| 26 | Clef-Flash ([fiche](https://quelleia.com/modeles-de-decision/#clef)) | 52,2 | 37,3 | 67,2 | 0,084 $ | 0,62 s | classé |
| 27 | Image Hopper | 51,7 | 32,5 | 70,9 | 0,077 $ | 0,50 s | classé |
| 28 | shisa-de-1 | 51,5 | 34,9 | 68,0 | 0,057 $ | 0,49 s | classé |
| 29 | Winnow-12B | 50,0 | 38,6 | 61,4 | 0,087 $ | 0,68 s | classé |
| 30 | Gevva E4B | 49,6 | 17,4 | 81,8 | 0,059 $ | 0,52 s | classé |
| 31 | CUA-S1 4B | 48,4 | 29,1 | 67,7 | 0,080 $ | 0,59 s | classé |
| 32 | Liquid d1-3B ([fiche](https://quelleia.com/modeles-de-decision/#liquid-d1-ouvert)) | 47,8 | 16,3 | 79,3 | 0,034 $ | 0,35 s | classé |
| 33 | Gevva E2B multimodal | 47,3 | 12,8 | 81,9 | 0,051 $ | 0,47 s | classé |
| 34 | OmniJev 4B | 47,2 | 28,0 | 66,4 | 0,049 $ | 0,44 s | classé |
| 35 | imajev 2B | 46,4 | 19,5 | 73,3 | 0,048 $ | 0,42 s | classé |
| 36 | JPT-0.8B | 46,1 | 20,4 | 71,7 | 0,035 $ | 0,34 s | classé |
| 37 | Jevify Qwen3-VL-2B T2 | 43,9 | 15,1 | 72,8 | 0,036 $ | 0,34 s | classé |
| 38 | Jevify Gemma 4 E4B | 43,7 | 20,4 | 67,0 | 0,024 $ | 0,29 s | classé |
| 39 | Mapika decider-2b-vision BF16 | 42,8 | 23,1 | 62,6 | 0,034 $ | 0,38 s | classé |
| 40 | djev-distill-v4 | 40,2 | 18,8 | 61,7 | 0,072 $ | 0,61 s | classé |
| 41 | OmniJev 0.8B | 38,6 | 11,4 | 65,8 | 0,034 $ | 0,35 s | classé |
| 42 | OmniJev 2B | 37,9 | 15,0 | 60,9 | 0,039 $ | 0,38 s | classé |
| 43 | Jev-Vision 8B | 37,8 | 39,0 | 36,5 | 0,056 $ | 0,53 s | classé |
| 44 | diffusiongemma-26b djev v10 step160 | 36,7 | 23,2 | 50,3 | 0,071 $ | 0,60 s | classé |
| 45 | Visual-Jev 4B Answer-SFT | 35,9 | 24,0 | 47,7 | 0,057 $ | 0,45 s | classé |
| 46 | OmniJev-Qwen3.5-9B-v4 | 33,1 | 29,0 | 37,3 | 0,026 $ | 0,30 s | classé |
| 47 | Glance | 28,4 | 21,3 | 35,6 | 0,035 $ | 0,36 s | classé |
| 48 | Liquid d1-omni-600M ([fiche](https://quelleia.com/modeles-de-decision/#liquid-d1-ouvert)) | 26,5 | 5,7 | 47,3 | 0,016 $ | 0,25 s | classé |
| 49 | jev-spatial | 26,5 | 13,0 | 39,9 | 0,024 $ | 0,29 s | classé |
| 50 | PlayJev 0.8B | 25,6 | 7,6 | 43,6 | 0,034 $ | 0,33 s | classé |
| 51 | djev-dev BF16 | 25,4 | 3,9 | 46,9 | 0,072 $ | 0,59 s | classé |
| 52 | djev-spark NVFP4 | 24,5 | 1,5 | 47,5 | 0,064 $ | 0,54 s | classé |
| 53 | JEVision | 16,2 | 15,0 | 17,4 | 0,066 $ | 0,54 s | classé |
| 54 | Qevi-2B | 11,1 | 2,7 | 19,6 | 0,039 $ | 0,35 s | classé |
|  | GPT-5.6 Luna | 76,8 | 76,0 | 77,7 | 0,433 $ | 3,34 s | hors classement : coût 2,7 fois celui de la référence ; latence 5,4 fois celle de la référence |
|  | GPT-6 Luna (low) | 74,4 | 72,4 | 76,5 | 0,315 $ | 4,19 s | hors classement : latence 6,8 fois celle de la référence |
|  | Wity-1 | 74,0 | 68,7 | 79,4 | 0,009 $ | 2,71 s | hors classement : latence 4,4 fois celle de la référence |
|  | Bonsai-2-27B v2 PQ2_0 + Q8_0 MMProj | 63,1 | 43,2 | 82,9 | 0,234 $ | 1,45 s | hors classement : latence 2,4 fois celle de la référence |
|  | Wity-1 | 56,2 | 37,4 | 74,9 | 0,009 $ | 1,64 s | hors classement : latence 2,7 fois celle de la référence |
|  | Standard One 8B | 51,5 | 27,7 | 75,4 |  | 0,57 s | hors classement : coût non établi par le banc |
|  | Standard One 3B | 49,6 | 13,5 | 85,6 |  | 0,47 s | hors classement : coût non établi par le banc |
|  | Gemini 3.1 Flash Lite | 46,8 | 45,7 | 48,0 | 0,394 $ | 1,61 s | hors classement : coût 2,5 fois celui de la référence ; latence 2,6 fois celle de la référence |
|  | Gemini 3.8 Flash | 19,3 | 7,6 | 31,1 | 2,17 $ | 4,90 s | hors classement : coût 13,6 fois celui de la référence ; latence 8,0 fois celle de la référence |
|  | OpenJev 4B NLI v5 | 16,4 | 32,8 | 0,0 | 0,155 $ | 1,26 s | hors classement : latence 2,0 fois celle de la référence |
|  | OpenJev 4B NLI v2 | 8,2 | 16,4 | 0,0 | 0,155 $ | 1,26 s | hors classement : latence 2,0 fois celle de la référence |

## Jev Decision Index, piste vision

Source : Jev Decision Index, multimodalart, https://huggingface.co/spaces/multimodalart/jev-decision-index · relevé du 26 octobre 2026, Decision Index 0.4, piste vision du 22 octobre 2026.
Ce qui est mesuré : score complet de 0 à 100 sur onze bancs de compréhension d'images réécrits en décisions, moitié parties publiques, moitié tests privés.

| Rang | Système | Score complet | Partie publique | Tests privés | Erreur de calibration | État |
| --- | --- | --- | --- | --- | --- | --- |
| 1 | RBDash-Decision v0.2 | 73,30 | 77,70 | 68,91 | 0,030 | classé |
| 2 | vLLM-SR d3-turbo v1.1 (27B) | 72,46 | 76,84 | 68,08 | 0,045 | classé |
| 3 | Amos 1 Large (27B) | 72,40 | 76,10 | 68,71 | 0,024 | classé |
| 4 | AutoTrust-JEV-27B v1.1 | 71,89 | 74,44 | 69,35 | 0,041 | classé |
| 5 | Perplexity Decider v1.2 (27B) ([fiche](https://quelleia.com/modeles-de-decision/#pplx-decider)) | 71,72 | 77,25 | 66,18 | 0,011 | classé |
| 6 | StartLux-Decision v1.1 27B | 71,61 | 73,83 | 69,39 | 0,025 | classé |
| 7 | Fastino GLiDE 1.2 | 71,46 | 75,37 | 67,54 | 0,018 | classé |
| 8 | VisionJEV 1.0.0 (27B) | 71,42 | 76,77 | 66,07 | 0,022 | classé |
| 9 | vLLM-SR d3 (27B) | 71,26 | 74,08 | 68,45 | 0,016 | classé |
| 10 | Nace.AI Drex Max v1 (27B) | 71,25 | 74,09 | 68,41 | 0,063 | classé |
| 11 | H2O Lightning 31B | 70,56 | 76,51 | 64,60 | 0,098 | classé |
| 12 | Aleria Judge 1.1.0 (Gemma 4 31B) | 70,05 | 73,40 | 66,70 | 0,036 | classé |
| 13 | Herbert v0.5 | 69,96 | 75,54 | 64,39 | 0,040 | classé |
| 14 | JEV-27B-VL | 69,60 | 72,80 | 66,40 | 0,018 | classé |
| 15 | OneJev1.5-27B | 68,90 | 75,65 | 62,15 | 0,019 | classé |
| 16 | jev-vision-27b | 68,70 | 73,07 | 64,32 | 0,059 | classé |
| 17 | KnowLine 35B-A3B Gen1 | 68,11 | 72,64 | 63,59 | 0,011 | classé |
| 18 | vLLM-SR d3-flash (9B) | 66,89 | 69,87 | 63,91 | 0,024 | classé |
| 19 | Solomon v1.1 (27B) | 66,83 | 69,88 | 63,79 | 0,075 | classé |
| 20 | Perplexity Decider Flash v1.2 (4B) ([fiche](https://quelleia.com/modeles-de-decision/#pplx-decider)) | 66,02 | 72,55 | 59,48 | 0,017 | classé |
| 21 | span-02 (Gemma 4 26B-A4B) | 65,77 | 70,69 | 60,85 | 0,089 | classé |
| 22 | Xor 1.2 (35B-A3B) | 64,18 | 70,21 | 58,15 | 0,010 | classé |
| 23 | RSI-Jev v6.1 VL 27B (effort auto) | 64,01 | 68,67 | 59,36 | 0,037 | classé |
| 24 | jev-d3-46k | 63,60 | 68,13 | 59,08 | 0,038 | classé |
| 25 | OneJev1.5-9B | 63,38 | 71,82 | 54,95 | 0,019 | classé |
| 26 | vLLM-SR d3-mini (4B) | 63,16 | 67,67 | 58,65 | 0,028 | classé |
| 27 | matilda-jev-v1.5 (27B) | 62,05 | 65,42 | 58,67 | 0,071 | classé |
| 28 | JPT-9B | 61,71 | 65,39 | 58,04 | 0,074 | classé |
| 29 | Cloudflare clef-omni (30B-A3B) ([fiche](https://quelleia.com/modeles-de-decision/#clef)) | 59,54 | 63,68 | 55,40 | 0,042 | classé |
| 30 | JPT-4B | 59,03 | 64,62 | 53,44 | 0,057 | classé |
| 31 | Winnow-12B ([fiche](https://quelleia.com/modeles-de-decision/#winnow-12b)) | 58,75 | 63,86 | 53,64 | 0,082 | classé |
| 32 | Surogate Rune 26B-A4B v3 | 58,63 | 65,27 | 51,99 | 0,080 | classé |
| 33 | Sieve-Vision-4B | 58,60 | 65,17 | 52,02 | 0,060 | classé |
| 34 | xor-26b-a4b-v1.1 | 58,00 | 65,06 | 50,93 | 0,083 | classé |
| 35 | RSI-Jev v6.1 VL 4B | 57,42 | 63,01 | 51,83 | 0,041 | classé |
| 36 | RSI-Jev v5.0 VL 3B | 57,34 | 62,58 | 52,10 | 0,023 | classé |
| 37 | Aplomb 1 | 57,27 | 63,75 | 50,80 | 0,049 | classé |
| 38 | Intern-Decision-4B ([fiche](https://quelleia.com/modeles-de-decision/#intern-decision)) | 56,49 | 61,69 | 51,29 | 0,014 | classé |
| 39 | Jev-Omni (12B) | 56,08 | 60,10 | 52,05 | 0,085 | classé |
| 40 | QEV-2B | 55,93 | 62,01 | 49,86 | 0,081 | classé |
| 41 | vLLM-SR d3-nano (2B) | 54,67 | 59,15 | 50,19 | 0,073 | classé |
| 42 | Shisa DE-2 (repeat) | 52,85 | 58,26 | 47,44 | 0,149 | classé |
| 43 | NeoHorse-Jev-4B | 51,06 | 57,14 | 44,99 | 0,022 | classé |
| 44 | Intern-Decision-2B ([fiche](https://quelleia.com/modeles-de-decision/#intern-decision)) | 47,82 | 52,92 | 42,71 | 0,032 | classé |
| 45 | djev (26B-A4B) | 47,78 | 55,20 | 40,35 | 0,144 | classé |
| 46 | razorback16 diffgemma (26B-A4B) | 47,74 | 54,45 | 41,02 | 0,174 | classé |
| 47 | mmastrac diffgemma (26B-A4B) | 46,34 | 53,45 | 39,23 | 0,136 | classé |
| 48 | QEV-0.8B | 46,01 | 53,36 | 38,67 | 0,103 | classé |
| 49 | OneJev1.5-0.8B | 44,59 | 52,32 | 36,86 | 0,042 | classé |
| 50 | vLLM-SR d3-lite (0.8B) | 42,11 | 47,88 | 36,33 | 0,077 | classé |
| 51 | JPT-0.8B | 42,10 | 44,55 | 39,65 | 0,065 | classé |
| 52 | Winnow-E4B | 42,06 | 48,06 | 36,06 | 0,050 | classé |
| 53 | Saina Helm 2 Omni (0.8B) | 40,49 | 46,89 | 34,10 | 0,062 | classé |
| 54 | Intern-Decision-0.8B ([fiche](https://quelleia.com/modeles-de-decision/#intern-decision)) | 36,34 | 38,96 | 33,71 | 0,061 | classé |
| 55 | vLLM-SR d3-edge (0.6B) | 31,71 | 36,61 | 26,81 | 0,098 | classé |
|  | Qwen3.5-397B (VLM) | 63,44 | 68,52 | 58,37 |  | référence : modèle de référence du banc |
|  | Qwen3-VL-8B (VLM) | 53,66 | 62,33 | 45,00 | 0,194 | référence : modèle de référence du banc |
|  | SigLIP 2 (contrastive) | 6,17 | 6,16 | 6,17 |  | référence : modèle de référence du banc |

## Ce que ces tableaux ne disent pas

- Ces bancs notent la justesse d'une décision prise en regardant une image. Ils ne disent rien de la qualité d'une image créée par une IA : pour cela, voir les classements d'images.
- Image JevBench et la piste vision du Jev Decision Index n'emploient ni les mêmes images ni les mêmes questions : leurs rangs ne se comparent pas.
- Image JevBench ne publie pas de fichier de données à jour : QUELLE IA lit sa page, version par version.

Accords de Benchmark Heaven et de multimodalart du 17 octobre 2026 : lecture automatique chaque semaine, affichage à côté des autres bancs, sans les fondre dans un score, avec la mention de la source, un lien et la date du relevé.