Modèles IA

Claude Opus 5.5

Anthropic·Usage général

4.7/5

Le fleuron par défaut d'Anthropic pour le code agentique et le travail intellectuel, à 4 $/20 $ par million de tokens avec un contexte de 1M tokens.

Eleven v4 and v4 Turbo

ElevenLabs·Synthèse vocale

4.7/5

Le duo de synthèse vocale expressive d'ElevenLabs, à égalité en tête de l'arène vocale d'Artificial Analysis ; v4 Turbo est conçu pour les agents vocaux.

GPT Image 2.5 (Flare and Sunburst)

OpenAI·Génération d'images

4.7/5

Les modèles d'image actuels d'OpenAI : Flare pour la génération et l'édition courantes, Sunburst pour les retouches précises en plusieurs étapes.

Claude Sonnet 5.5

Anthropic·Usage général

4.6/5

Le modèle intermédiaire d'Anthropic : proche d'Opus 5.5 sur de nombreux benchmarks pour moitié prix, à 2 $/10 $ par million de tokens.

GPT-6.1 Sol

OpenAI·Usage général

4.6/5

Le cheval de trait de prix intermédiaire d'OpenAI : des résultats proches d'Astra en code et usage de l'ordinateur à 2 $/10 $ par million de tokens.

Nano Banana 2.1

Google·Génération d'images

4.6/5

Le modèle d'image de niveau Flash de Google : quatrième aux votes à l'aveugle, à partir d'environ 3,4 cents les 1 000 images, avec jusqu'à 14 images de référence.

Voyage rerank-3

Voyage AI (MongoDB)·Embeddings et reranking

4.6/5

Les nouveaux rerankers de Voyage AI, avec une fenêtre de 32K tokens, le suivi d'instructions et des prix à partir de 0,02 $ par million de tokens.

Claude Haiku 5.5

Anthropic·Usage général

4.5/5

Le petit modèle rapide d'Anthropic, à partir de 0,10 $/0,50 $ par million de tokens, avec un contexte de 1M tokens et un effort réglable.

Gemini 3.8 Flash TTS

Google·Synthèse vocale

4.5/5

La synthèse vocale expressive de Google, cinquième aux votes à l'aveugle pour environ 16,50 $ par million de caractères, avec conception et clonage de voix.

Gemini 4 Argon

Google·Raisonnement

4.5/5

Le nouveau modèle de raisonnement phare de Google : il lit texte, images, audio, vidéo et PDF, avec un contexte de 1M tokens.

Le rafraîchissement rapide des modèles d'image d'OpenAI : moitié moins d'attente, retouches par annotation, sortie SVG et GIF, mêmes prix au token, sans Batch.

Les modèles d'embeddings de texte de Microsoft sous licence MIT en trois tailles ; le 27B a pris la tête de MTEB v2 multilingue à 74,3 et les petits mènent leur catégorie.

MiMo-V2.6-Pro

Xiaomi·Raisonnement·Poids ouverts

4.5/5

Le modèle à poids ouverts d'un billion de paramètres de Xiaomi, en tête des modèles ouverts sur Artificial Analysis, à 0,87 $ par 1M en sortie.

NVIDIA Nemotron 3.5 Transcribe

NVIDIA·Transcription vocale·Poids ouverts

4.5/5

Le modèle vocal ouvert et pilotable par prompt de NVIDIA : transcription en 40 langues, étiquettes de locuteur et traduction dans un seul checkpoint.

Perplexity Decider (pplx-decider)

Perplexity·Modèles de décision·Poids ouverts

4.5/5

Les modèles de décision ouverts 27B et 4B de Perplexity, aussi vendus comme une API à 0,02 $ le million de tokens : texte et images en entrée, probabilités en sortie.

Qwen3.8-27B

Alibaba (Qwen)·Usage général·Poids ouverts

4.5/5

Le modèle dense Apache 2.0 d'Alibaba : 27 milliards de paramètres, entrée d'image et de vidéo, et des scores de code qui rivalisent avec des modèles bien plus grands.

voyage-4-large

Voyage AI (MongoDB)·Embeddings et reranking

4.5/5

Le meilleur modèle d'embedding de texte de Voyage AI, bâti sur mixture-of-experts, partageant un espace vectoriel avec les modèles Voyage 4 moins chers.

Wan 3.0

Alibaba·Vidéo

4.5/5

Le nouveau modèle vidéo d'Alibaba, en tête du tableau vidéo actuel d'Artificial Analysis, avec des clips jusqu'à 30 secondes.

Cartesia Sonic 3.6

Cartesia·Synthèse vocale

4.4/5

Le modèle de synthèse vocale à faible latence de Cartesia pour les agents vocaux, en 44 langues.

Cohere Rerank 5

Cohere·Embeddings et reranking

4.4/5

Le reranker d'octobre 2026 de Cohere en tailles Pro et Fast, avec des scores calibrés et une option pour ne renvoyer que les passages pertinents.

ElevenLabs Scribe v2

ElevenLabs·Transcription vocale

4.4/5

Le modèle de transcription par lots d'ElevenLabs : 2,2 % de taux d'erreur de mots aux tests indépendants, 0,22 $ de l'heure, avec diarisation et détection d'entités.

Gemma 4

Google·Petits modèles et embarqués·Poids ouverts

4.4/5

La famille de modèles ouverts de Google sous Apache 2.0, de l'E2B à taille de téléphone à un 31B pour un seul GPU, avec entrée image, vidéo et audio.

GLM-5.3

Z.ai (Zhipu AI)·Code·Poids ouverts

4.4/5

Le modèle ouvert de Z.ai pour le code et les agents, sous une licence proche de la MIT, à 1,40 $/4,40 $ par million de tokens sur son API.

Les modèles d'embeddings ouverts de NVIDIA pour le texte et les images de pages dans un même espace vectoriel, premiers sur ViDoRe v3.1 et gratuits sur OpenRouter.

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)·OCR et documents·Poids ouverts

4.4/5

Un analyseur de documents de 0,9 milliard de paramètres qui domine le principal benchmark OCR, du moins selon le décompte de ses créateurs.

SAM 3 (Segment Anything Model 3)

Meta·Vision et multimodal·Poids ouverts

4.4/5

Le modèle de 848M de paramètres de Meta qui trouve, détoure et suit chaque occurrence d'une courte expression textuelle dans les images et la vidéo.

Seedance 2.5

ByteDance·Vidéo

4.4/5

Le modèle audio-vidéo conjoint de ByteDance avec prises de 30 secondes, fort référencement multimodal et éditions par horodatage.

Voxtral 3 (Transcribe and TTS)

Mistral AI·Transcription vocale

4.4/5

La famille de parole d'octobre 2026 de Mistral : transcription en 50 langues à partir de 0,0035 $ la minute, temps réel sous 500 ms, et clonage de voix.

Modèle de chansons sous licence MIT qui tourne avec moins de 4 Go de VRAM, crée jusqu'à 10 minutes avec paroles en 50+ langues et édite.

Claude Fable 5.1

Anthropic·Raisonnement

4.3/5

Le niveau le plus élevé d'Anthropic pour le raisonnement difficile et le travail d'agent au long cours, à 10 $/50 $ par million de tokens.

DeepSeek-V4-Pro

DeepSeek·Raisonnement·Poids ouverts

4.3/5

Le plus grand modèle à poids ouverts de DeepSeek : 1.6T paramètres, licence MIT, contexte de 1M tokens et prix d'API très bas.

Le modèle musical d'ElevenLabs : chansons chantées jusqu'à cinq minutes, édition par section et larges droits commerciaux, à 0,15 $ la minute.

EmbeddingGemma 2

Google DeepMind·Embeddings et reranking·Poids ouverts

4.3/5

Le modèle d'embedding ouvert et embarqué de Google qui place texte, code, images, audio et vidéo dans un même espace.

Gemini 4 Carbon

Google·Raisonnement

4.3/5

Le meilleur modèle de raisonnement de Google, premier à l'indice d'Artificial Analysis, mais réservé pour l'instant à des cyberdéfenseurs agréés.

Gemini Embedding 2

Google·Embeddings et reranking

4.3/5

Le premier modèle d'embedding multimodal de Google : texte, images, vidéo, audio et PDF dans un même espace vectoriel partagé.

Gemini Omni Flash 1.1

Google·Vidéo

4.3/5

Le modèle vidéo par défaut de Google, construit sur Gemini, pour de courts clips que l'on affine en conversation.

GLM-5.3-Flash

Z.ai (Zhipu AI)·Usage général·Poids ouverts

4.3/5

Le modèle mixture-of-experts de 320B de Z.ai sous licence MIT, avec entrée image et vidéo, un contexte de 1M tokens et un prix d'API de 0,15 $/0,50 $.

GLM-OCR

Z.ai (Zhipu AI)·OCR et documents·Poids ouverts

4.3/5

Le modèle d'OCR compact de Zhipu : évalué de manière indépendante, 1,74 million de téléchargements par mois et une API à 0,03 $ par million de tokens.

GPT-6 Astra réglé par OpenAI pour le travail d'exploitation autorisé, réservé aux clients Daybreak Red vérifiés via l'API et Codex.

GPT-6 Luna

OpenAI·Usage général

4.3/5

Le petit modèle bon marché d'OpenAI pour les tâches à fort volume, à 0,10 $/0,50 $ par million de tokens avec un contexte de 1,05M tokens.

GPT-Live-1 (and GPT-Realtime-2.1)

OpenAI·Musique et audio

4.3/5

Le modèle vocal full-duplex d'OpenAI : il écoute pendant qu'il parle et confie la réflexion à un modèle de texte que vous choisissez, à 0,05 $ la minute.

Le modèle parole-à-parole de SpaceXSI pour les agents vocaux : en tête de l'indice d'Artificial Analysis à un forfait de 0,08 $ la minute, servi depuis une seule région américaine.

Jina Embeddings v5

Jina AI (Elastic)·Embeddings et reranking·Poids ouverts

4.3/5

Les petits embedders de texte multilingues de Jina AI et leurs frères omni pour images, vidéo et audio, partageant un même espace vectoriel.

Jina Reranker v3.5

Jina AI (Elastic)·Embeddings et reranking·Poids ouverts

4.3/5

Petit reranker multilingue 0.6B de Jina AI (désormais Elastic) qui note toute une liste de candidats en une passe, avec un contexte de 131K tokens.

Kimi K3

Moonshot AI·Raisonnement·Poids ouverts

4.3/5

Le modèle à poids ouverts de 2,8 billions de paramètres de Moonshot AI, fort sur les tâches d'agent et de navigation, avec un contexte de 1M de tokens.

MAI-Image-2.6

Microsoft AI·Génération d'images

4.3/5

Le modèle d'image maison de Microsoft, cinquième sur l'arène d'Artificial Analysis, en préversion sur Foundry à environ 39 $ les 1 000 images.

Midjourney V8

Midjourney·Génération d'images

4.3/5

Le modèle d'image de huitième génération de Midjourney, désormais en V8.2 avec un éditeur à instructions, vendu uniquement en abonnement mensuel.

MiniCPM-OCR 1.0

OpenBMB·OCR et documents·Poids ouverts

4.3/5

Le modèle d'OCR de 1,3B d'OpenBMB, le plus rapide du test de 15 modèles de son créateur et premier sur quatre des six benchmarks d'OCR, sous Apache 2.0.

MiniMax H3 (Hailuo 3.0)

MiniMax·Vidéo·Poids ouverts

4.3/5

Le modèle vidéo 33B de MiniMax avec son stéréo : la meilleure entrée à poids ouverts, sous licence hors des États-Unis, de l'UE, du Royaume-Uni et de la Corée du Sud.

Les transcripteurs d'Alibaba sous Apache 2.0 en tailles 1.7B et 0.6B : 30 langues, 22 dialectes chinois, identification de la langue et streaming dans un seul modèle.

Qwen3-VL-Embedding

Alibaba (Qwen)·Embeddings et reranking·Poids ouverts

4.3/5

L'embedder multimodal ouvert d'Alibaba pour texte, images, captures d'écran et vidéo dans un seul espace vectoriel, en tailles 2B et 8B.

Les modèles de sécurité ouverts d'Alibaba, de 0.6B à 8B, qui jugent un texte sûr, controversé ou dangereux en 119 langues, avec une variante en streaming.

Chandra OCR 2

Datalab·OCR et documents·Poids ouverts

4.2/5

Le parseur de Datalab basé sur Qwen 3.5 mène olmOCR-Bench et un classement indépendant d'imprimés anciens, mais ses poids ne sont gratuits que sous 2 M$.

Cohere Embed 5

Cohere·Embeddings et reranking

4.2/5

Les modèles d'embedding multimodaux de Cohere pour le texte, les images et les PDF, avec une entrée de 128K tokens et des niveaux Pro et Fast qui partagent un même espace vectoriel.

DeepSeek-V4.1-Flash

DeepSeek·Usage général·Poids ouverts

4.2/5

Le modèle mixture-of-experts ouvert de DeepSeek sous licence MIT, avec entrée d'images et un contexte de 1M tokens, à partir de 0,15 $ par million de tokens en entrée en heures creuses.

Fish Audio Drama 3

Fish Audio (39 AI, Inc.)·Synthèse vocale·Poids ouverts

4.2/5

Le modèle vocal à poids ouverts de 35B de Fish Audio pour des scènes dirigées à plusieurs personnages : le meilleur modèle ouvert du classement TTS d'Artificial Analysis.

FLUX 3

Black Forest Labs·Vidéo

4.2/5

Le modèle multimodal de Black Forest Labs pour la vidéo avec audio et les images, construit sur une architecture partagée.

Gemini 3.5 Transcribe

Google·Transcription vocale

4.2/5

Les modèles de transcription dédiés de Google, avec une variante Live en streaming, à environ un demi-centime la minute.

GPT-6 Astra

OpenAI·Raisonnement

4.2/5

Le modèle de raisonnement phare d'OpenAI pour le travail le plus difficile, à 10 $/50 $ par million de tokens avec un contexte de 1,05M tokens.

Hy4 preview

Tencent (Hy, formerly Hunyuan)·Code·Poids ouverts

4.2/5

Le flagship 770B à poids ouverts de Tencent (anciennement Hunyuan) sous Apache 2.0 pur, fort en code avec un contexte de 1M de tokens.

Kimi K3.1 Pro

Moonshot AI·Raisonnement

4.2/5

Le Kimi K3 réentraîné de Moonshot AI : en tête du tableau Terminal-Bench d'Artificial Analysis, mais 22e de son indice v5.0, plus dur, et lent.

LightOnOCR-3-4B

LightOn·OCR et documents·Poids ouverts

4.2/5

Le modèle d'OCR de bout en bout de 4B de LightOn, avec boîtes de mise en page et données de graphiques, premier sur ParseBench et meilleur sur les documents français selon les tests de son créateur.

Les minuscules classifieurs ouverts de Meta, 86M et 22M paramètres, qui jugent un texte bénin ou malveillant face aux injections de prompt et aux jailbreaks.

Le modèle musical de Google : des chansons complètes avec voix et paroles à partir de texte ou de 10 images au plus, à 0,08 $ le morceau via la Gemini API.

Le modèle de chansons à poids ouverts de MiniMax : jusqu'à cinq minutes chantées à partir de vos paroles, usage commercial sous 20 M$.

Mistral OCR 4.1

Mistral AI·OCR et documents

4.2/5

L'OCR de documents de Mistral avec boîtes englobantes de paragraphes, étiquettes de blocs et scores de confiance en 170 langues, à 4 $ les 1 000 pages.

Un modèle de vision de 9B avec 2B actifs qui trouve, pointe et compte les objets plus vite que des modèles quatre fois plus gros en paramètres actifs.

Un modèle d'agents 3B du laboratoire de BOSS Zhipin qui reboucle ses couches pour battre Qwen3.5-9B en usage d'outils et en agents de code.

Nano Banana Pro (Gemini 3 Pro Image)

Google·Génération d'images

4.2/5

Le modèle d'image premium de Google : quatre fois le prix de Nano Banana 2.1, mais toujours celui à qui les testeurs font confiance pour le réalisme.

OvisOCR3

Alibaba (ATH-MaaS)·OCR et documents·Poids ouverts

4.2/5

Le successeur d'OvisOCR2 : la même taille de 0,8B, désormais avec extraction de champs et tableaux sur plusieurs pages, sur des scores que seul Alibaba a vérifiés pour l'instant.

Qwen3-Embedding and Qwen3-Reranker

Alibaba (Qwen)·Embeddings et reranking·Poids ouverts

4.2/5

La famille d'embedding et de reranking Apache 2.0 d'Alibaba, d'un modèle 0.6B à un 8B qui a dominé MTEB multilingue en juin 2025.

Qwen3.8-Flash-Next

Alibaba (Qwen)·Usage général·Poids ouverts

4.2/5

La préversion de l'architecture Qwen4 par Qwen : 6 milliards de paramètres actifs, de forts scores de code rapportés par le fournisseur et une licence restrictive.

Qwen3.8-Max

Alibaba (Qwen)·Raisonnement·Poids ouverts

4.2/5

Le flagship de 2,4 billions de paramètres d'Alibaba, avec des poids ouverts et une API à 2 $/6 $ qui ajoute image, vidéo et contexte de 1M.

Shieldstral 1.0 3B

Mistral AI·Modèles de décision·Poids ouverts

4.2/5

Le classifieur de sécurité ouvert 3B de Mistral qui vérifie texte et images par rapport à des politiques de modération que vous écrivez en langage courant.

Step 5 Preview

StepFun·Raisonnement·Poids ouverts

4.2/5

Le modèle à poids ouverts 600B de StepFun avec un contexte de 1M de tokens, aussi intelligent que Kimi K3 sur Artificial Analysis pour la moitié du coût.

Unlimited-OCR 2

Baidu·OCR et documents·Poids ouverts

4.2/5

Le modèle OCR ouvert de Baidu qui analyse un document de 300 pages en une seule requête, avec un usage mémoire qui reste constant quand le document grandit.

Le modèle vocal de 2B d'OpenBMB sous licence Apache : 30 langues, création de voix à partir d'une phrase et clonage, dans environ 8 Go de VRAM.

d3-turbo (vLLM Semantic Router)

vLLM Semantic Router·Modèles de décision·Poids ouverts

4.1/5

Le modèle de décision 27B amélioré du vLLM Semantic Router : lit une entrée une fois, répond à jusqu'à 255 questions, et localise des objets dans la vidéo.

Doubao Seed 2.1 Pro

ByteDance·Usage général

4.1/5

Le fleuron fermé de ByteDance derrière l'application Doubao : en tête sur la compréhension vidéo et visuelle, vendu surtout via Volcano Engine en Chine.

Gemini 3.5 Flash-Lite

Google·Usage général

4.1/5

Le modèle de texte Gemini actuel le moins cher de Google, très rapide une fois lancé, à 0,30 $/2,50 $ par million de tokens et avec un niveau gratuit.

Gemini 3.8 Flash

Google·Usage général

4.1/5

Le modèle intermédiaire de Google pour les agents et les documents, qui lit texte, images, audio, vidéo et PDF avec une entrée de 1M tokens.

Le modèle rapide et milieu de gamme d'OpenAI pour le computer use et le travail de bureau : 1 $/5 $ le million de tokens, contexte de 1,05M, plus d'actions risquées en test.

Le modèle vocal anglais de 31M paramètres de Gradium dans un fichier de 64,5 Mo, préféré à Kokoro par les auditeurs et gratuit en usage commercial.

HunyuanOCR 1.5

Tencent (Hy, formerly Hunyuan)·OCR et documents·Poids ouverts

4.1/5

Le modèle d'OCR de bout en bout de 1,12B de Tencent pour l'analyse, le repérage, l'extraction et la traduction ; sans licence dans l'UE, au Royaume-Uni ni en Corée du Sud.

HY-World 2.0

Tencent (Hy, formerly Hunyuan)·Jeux et modèles de monde·Poids ouverts

4.1/5

Le pipeline ouvert de Tencent qui transforme une phrase ou une photo en un monde 3D persistant que vous pouvez parcourir et ouvrir dans Unity.

Kling 4.0

Kuaishou (Kling AI)·Vidéo

4.1/5

Le nouveau modèle vidéo de Kuaishou : prises de 30 secondes, 10 keyframes, 15 références et son stéréo, avec une API pour l'instant uniquement sur fal.

Le modèle ouvert de code de Poolside, 118B paramètres dont 8B actifs, un contexte de 1M de tokens et une licence permissive, à 0,10/0,20 $ le million de tokens.

Le premier modèle de transcription en direct de Microsoft : 60 langues, texte partiel en environ 100 ms, 0,54 $ par heure d'audio pendant la preview.

Le modèle omni 9B d'OpenBMB sous Apache 2.0, qui voit, écoute et répond en même temps, sur un Mac ou un GPU de 12 Go.

Ministral 3 (3B, 8B and 14B)

Mistral AI·Petits modèles et embarqués·Poids ouverts

4.1/5

Les petits modèles ouverts de Mistral en trois tailles, chacune avec des versions base, instruct et raisonnement et une entrée d'image, sous Apache 2.0.

Mistral Large 4

Mistral AI·Usage général·Poids ouverts

4.1/5

Le modèle phare d'un billion de paramètres de Mistral, désormais à poids ouverts et sorti de préversion, à 0,70 $/2,10 $ par million de tokens.

Moondream Parakeet Redux

Moondream (M87 Labs)·Transcription vocale·Poids ouverts

4.1/5

Le Parakeet 1,58 bit de Moondream : le transcripteur 25 langues de NVIDIA réduit de 1,2 GB à 178 MB et exécuté à 113x le temps réel sur huit cœurs de CPU.

Muse Glimmer

Meta·Usage général·Poids ouverts

4.1/5

Le modèle d'agent 30B Apache 2.0 de Meta, distillé de Muse Spark et empaqueté avec des versions 4 bits testées pour un seul GPU grand public.

Muse Wonder

Meta·Usage général

4.1/5

Le premier modèle au prix de frontière de Meta : fort sur le long code et le travail d'agent juridique, derrière Claude Opus 5.5 sur la majeure partie du propre tableau de Meta.

Le modèle de raisonnement ouvert de 550B de NVIDIA, avec données d'entraînement ouvertes, rapide à servir et prudent avec les faits, dès 0,40/1,76 $ le million de tokens.

Le reranker ouvert de 8B de NVIDIA qui lit les images de pages autant que le texte, premier du classement de reranking ViDoRe v3.1 à son lancement.

Nemotron 3.5 Super VL

NVIDIA·Vision et multimodal·Poids ouverts

4.1/5

Le MoE Mamba hybride ouvert 120B de NVIDIA qui lit images, documents et vidéo, avec un contexte de 1M de tokens et des recettes d'entraînement publiées.

OvisOCR2

Alibaba (ATH-MaaS)·OCR et documents·Poids ouverts

4.1/5

Le parseur de pages de 0,8B d'Alibaba, près du sommet du classement indépendant OmniDocBench, déjà remplacé par OvisOCR3.

Parakeet TDT 0.6B v3

NVIDIA·Transcription vocale·Poids ouverts

4.1/5

Le modèle de transcription de 600M de paramètres de NVIDIA pour 25 langues européennes : le plus rapide sur le tableau d'Artificial Analysis.

Le modèle vocal Parakeet de NVIDIA ramené à un téléchargement de 164 Mo en gardant presque toute sa précision en anglais, pour portables et téléphones.

PP-OCRv6

Baidu (PaddlePaddle)·OCR et documents·Poids ouverts

4.1/5

Le pipeline d'OCR classique de Baidu, qui détecte puis lit, en trois tailles de 1,5M à 34,5M de paramètres, sous Apache 2.0.

pyannote speaker-diarization-community-1

pyannoteAI·Transcription vocale·Poids ouverts

4.1/5

Le pipeline ouvert de diarisation des locuteurs que la plupart des chaînes de transcription utilisent pour savoir qui a parlé quand, désormais avec moins de confusions entre locuteurs.

Seedream 5.0 Pro

ByteDance·Génération d'images

4.1/5

Le modèle d'image phare de ByteDance, conçu pour le travail de design éditable : jusqu'à 20 couches, éditions par coordonnées et texte en 14 langues.

Xiaomi-OCR-0

Xiaomi·OCR et documents·Poids ouverts

4.1/5

Le modèle d'OCR ouvert de 0,8B de Xiaomi qui analyse les pages, répond à des questions à leur sujet et remplit des champs JSON, sous Apache 2.0.

Le premier modèle vocal de Cohere : un transcripteur de 2B sous Apache 2.0 pour 14 langues, en tête de l'Open ASR Leaderboard à son lancement.

d3 (vLLM Semantic Router)

vLLM Semantic Router·Modèles de décision·Poids ouverts

4.0/5

Le modèle de décision ouvert 27B du vLLM Semantic Router avec entrée vidéo et service vLLM standard, déjà dépassé par son propre d3-turbo.

Deepgram Nova-3

Deepgram·Transcription vocale

4.0/5

Le modèle de transcription de Deepgram : deuxième plus rapide au test d'Artificial Analysis et bon marché à la minute, mais loin des meilleurs en précision.

Falcon OCR

Technology Innovation Institute (TII)·OCR et documents·Poids ouverts

4.0/5

Le modèle d'OCR de 270M de paramètres de TII lit une page avec un seul petit Transformer et s'approche étonnamment de modèles trois à dix fois plus gros.

L’éditeur ouvert de 8B de Bria mène le classement d’édition des modèles à poids ouverts et n’a été entraîné que sur des images sous licence, mais ses poids sont non commerciaux.

FLUX 3 Image Klein

Black Forest Labs·Génération d'images·Poids ouverts

4.0/5

Le modèle d'image ouvert de 5.6B de Black Forest Labs, avec la sortie 4K, l'édition et les zones de délimitation de FLUX 3, gratuit en usage commercial sous 5M $ de chiffre d'affaires.

gpt-oss-120b

OpenAI·Raisonnement·Poids ouverts

4.0/5

Le plus grand modèle de raisonnement à poids ouverts d'OpenAI : Apache 2.0, 5.1B de paramètres actifs, et assez petit pour un seul GPU de 80GB.

Les modèles de raisonnement à poids ouverts d'OpenAI qui classent un contenu selon une politique de sécurité que vous rédigez, et montrent leur raisonnement.

GPT-Rosalind

OpenAI·Raisonnement

4.0/5

Le modèle de sciences de la vie à accès restreint d'OpenAI pour les organismes de recherche approuvés : découverte de médicaments, génomique et travail sur les protéines.

Granite 4.2

IBM·Raisonnement·Poids ouverts

4.0/5

La famille Apache 2.0 de modèles de raisonnement denses 3B, 8B et 30B d'IBM pour les agents et le code, sortie en août 2026.

Le modèle juge ouvert de 8B d'IBM, qui répond oui ou non sur le préjudice, les jailbreaks, les hallucinations en RAG, les mauvais appels d'outils et vos propres critères.

Le modèle vocal d'IBM sous Apache 2.0 pour six langues, qui transcrit, traduit et accepte une liste de 2 000 mots-clés.

Ideogram 4.0

Ideogram·Génération d'images·Poids ouverts

4.0/5

Le modèle de design 9.3B d'Ideogram, fort sur le texte dans l'image ; ses poids téléchargeables sont non commerciaux, si bien que le travail payant passe par l'API.

LFM3

Liquid AI·Petits modèles et embarqués·Poids ouverts

4.0/5

La famille de six modèles 2B de Liquid AI pour le texte, la vision, l'audio, l'omni et les décisions typées, tous issus d'une même base 1.7B.

Ling-3.1-flash

Ant Group (inclusionAI)·Raisonnement·Poids ouverts

4.0/5

Le modèle à poids ouverts 560B d'Ant Group : rapide à plus de 200 tokens par seconde, sous licence MIT, avec un contexte de 1M de tokens.

La synthèse vocale expressive de Microsoft en 23 langues à 22 $ le million de caractères, avec une version Flash à 15 $ pour les agents vocaux.

Maya 2 Native

Maya Research·Synthèse vocale·Poids ouverts

4.0/5

Une voix en streaming de 2,5B sous Apache 2.0 pour 11 langues indiennes et l'anglais, à égalité avec Mistral et Eleven v3 au classement hindi de VoiceArena.

MiniCPM-V 4.7 (35B-A3B and 1B)

OpenBMB·Vision et multimodal·Poids ouverts

4.0/5

Les modèles de vision Apache 2.0 d'OpenBMB : un mixture-of-experts 35B qui mène sur les documents et un 1B pour les téléphones.

MiniCPM5-2B

OpenBMB·Petits modèles et embarqués·Poids ouverts

4.0/5

Le modèle sur-appareil 2.5B d'OpenBMB : appels d'outils et corrections de code comme un modèle 4B, avec ses checkpoints et données d'entraînement publiés.

MiniMax-M3.1-Flash

MiniMax·Usage général·Poids ouverts

4.0/5

Le MoE à poids ouverts toujours en raisonnement de MiniMax : la conception 428B de M3, une API plate à 0,15 $/0,60 $, un contexte de 1M et un problème d'hallucination.

Muse Spark 1.3

Meta·Usage général

4.0/5

Le modèle d'agent et de code fermé de Meta : un contexte de 1M de tokens à 1,25 $/4,25 $, désormais le niveau économique sous Muse Wonder.

Muse Spark Open

Meta·Usage général·Poids ouverts

4.0/5

Le Muse Spark 816B à poids ouverts de Meta : un modèle d'agent à 1M de tokens que vous pouvez auto-héberger, sous une licence avec des conditions.

OmniVoice

k2-fsa (Next-gen Kaldi)·Synthèse vocale·Poids ouverts

4.0/5

TTS zero-shot ouvert avec clonage de voix et conception de voix en plus de 600 langues, de l'équipe derrière Next-gen Kaldi.

Qianfan-OCR

Baidu·OCR et documents·Poids ouverts

4.0/5

Le modèle de 4,7B de Baidu qui analyse les pages, extrait les champs et lit les graphiques en un seul passage, au prix de la taille et de la précision sur les pages.

Qwen-Image-2.1

Alibaba (Qwen)·Génération d'images·Poids ouverts

4.0/5

Le générateur et éditeur d'images ouvert 7B d'Alibaba domine le tableau à poids ouverts et produit de la transparence, mais est sous licence pour la recherche uniquement.

Surya OCR 2.5

Datalab·OCR et documents·Poids ouverts

4.0/5

L'analyseur de documents de 689M de paramètres de Datalab : mise en page, OCR, tableaux et maths en HTML, rapide sur un seul GPU, gratuit sous 5 M$ de chiffre d'affaires.

Ternary Bonsai 2 9B

PrismML·Petits modèles et embarqués·Poids ouverts

4.0/5

La reconstruction ternaire de Qwen3.5-9B par PrismML : un modèle vision-langage avec appel d'outils dans un fichier de 2,42 GB qui tourne sur téléphones et portables.

Modèle ouvert de chansons à partition modifiable : meilleurs scores sur WildSongBench et voix en 48 kHz, mais poids non commerciaux.

Codestral 25.08

Mistral AI·Code

3.9/5

Le modèle fill-in-the-middle rapide de Mistral pour l'autocomplétion de code, toujours un choix par défaut dans les outils d'IDE ; pas conçu pour le travail d'agent.

DeepSeek-V4.1-Flash-1017 GSQ-RCO Coder (GGUF)

ISTA-DASLab (Institute of Science and Technology Austria)·Code·Poids ouverts

3.9/5

DeepSeek-V4.1-Flash pour le code, avec la moitié de ses experts supprimés et le reste à environ 2 bits : un transformer de 72,1 Go.

Le modèle maison d'AI Dungeon pour les aventures textuelles, construit sur Gemma 4 31B et publié sous licence Apache 2.0.

FireRed-OCR

Xiaohongshu (FireRedTeam)·OCR et documents·Poids ouverts

3.9/5

Le fine-tune 2B de Qwen3-VL par Xiaohongshu mène les modèles d'OCR de bout en bout dans son propre tableau, et reste derrière les pipelines dans ce même tableau.

Flint

Recursive·Code·Poids ouverts

3.9/5

Le premier modèle de Recursive : un modèle de code à poids ouverts de 40B paramètres, dont 2.5B actifs, conçu pour tourner vite sur un portable.

Le cloneur en streaming de 0,5B d'Alibaba sous licence Apache : neuf langues, plus de 18 dialectes chinois et environ 150 ms avant le premier son.

GPT Transcribe

OpenAI·Transcription vocale

3.9/5

Le remplaçant de Whisper par OpenAI : plus précis et moins cher que GPT-4o Transcribe, mais sans timestamps ni étiquettes de locuteur.

Les petits modèles d'embeddings d'IBM sous Apache 2.0 pour plus de 200 langues et du code, avec 32K de contexte et des données d'entraînement validées pour l'entreprise.

Le modèle d'image de SpaceXSI pour le design : bon texte et mise en page, retouches par zone et recadrage intelligent, dès 0,04 $ l'image mais plafonné à 2K.

Un modèle de parole Apache 2.0 de 82M de paramètres, en milieu de tableau sur la qualité et la voix la moins chère du tableau d'Artificial Analysis.

Kolibri 1

Aleph Alpha·Raisonnement·Poids ouverts

3.9/5

Le modèle de raisonnement allemand-anglais Apache 2.0 d'Aleph Alpha : 78B de paramètres, 3,46B actifs, entraîné en Allemagne et en Finlande.

Luma Ray3.2

Luma AI·Vidéo

3.9/5

Le modèle vidéo de Luma pour la post-production : 16 keyframes, HDR natif et EXR 16 bits, vendu au clip via l'API et l'appli Luma.

Mage-VL-Cowork

Microsoft·Vision et multimodal·Poids ouverts

3.9/5

L'agent de bureau de 4B de Microsoft qui choisit, étape par étape, entre cliquer à l'écran et exécuter du code dans un terminal.

Marengo 3.5

TwelveLabs·Embeddings et reranking

3.9/5

Le modèle d'embedding vidéo-d'abord de TwelveLabs : vidéo, audio, images, texte et pages PDF dans un seul espace à 512 dimensions, facturé au token.

Matrix-Game 4.0

Skywork AI (Kunlun Tech)·Jeux et modèles de monde·Poids ouverts

3.9/5

Le modèle ouvert de 5B de Skywork qui repeint en temps réel les images low-poly d'un moteur de jeu, uniquement pour ses trois scènes fournies.

Le modèle médical ouvert de 4B de Google, qui lit volumes de scanner et d'IRM, lames de pathologie et comptes rendus de laboratoire, comme base à adapter par les développeurs.

Le modèle de décision de Microsoft sur Qwen3.5-9B : réponses oui/non, choix et score avec probabilités, à 0,042 $ le million de tokens en entrée.

MiniMax-M3

MiniMax·Usage général·Poids ouverts

3.9/5

Le MoE multimodal à poids ouverts de MiniMax : contexte de 1M de tokens, attention creuse, une API à 0,30 $/1,20 $ et une licence avec des conditions.

Le modèle vidéo ouvert de 8B d’Ai2 pointe et suit les objets d’une image à l’autre, et ses données d’entraînement sont publiées aussi.

MOSS-Transcribe-Diarize 0.9B

OpenMOSS (MOSI)·Transcription vocale·Poids ouverts

3.9/5

Un modèle ouvert de 0.9B qui transcrit, étiquette les locuteurs et horodate jusqu'à 90 minutes d'audio en une passe.

Le modèle de 600M de NVIDIA pour le sous-titrage en direct : 40 variantes de langue, des segments dès 80 ms et des milliers de flux sur un H100.

Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)

NVIDIA·Petits modèles et embarqués·Poids ouverts

3.9/5

La paire d'agents locaux de NVIDIA : un modèle de vision 74B en 2 bits nommé pour les 24 Go et un 4B basé sur Gemma pour les assistants vocaux.

Ripple-65B Preview

Ricursive Intelligence·Code·Poids ouverts

3.9/5

Un modèle de code dense de 65B à poids ouverts, signé par les fondatrices d'AlphaChip, aux scores agentiques autodéclarés égaux à ceux de rivaux bien plus gros.

Sage-A1.5

Shanghai AI Laboratory (InternScience)·Raisonnement·Poids ouverts

3.9/5

Le modèle d'agent de 35B de Shanghai AI Lab pour les tâches de recherche, avec répartition intégrée en sous-agents et un mode d'autovérification, sous Apache 2.0.

Sakana Fugu (Fugu, Max and Ultra v2)

Sakana AI·Raisonnement

3.9/5

L'orchestrateur de Sakana AI : une seule API qui répartit chaque tâche sur un pool caché de modèles de frontière et fusionne les réponses.

La famille audio de Stability aux données sous licence : Medium fait des instrumentaux jusqu'à 6:20, deux petits modèles sur mobile ; sans paroles.

zerank-2

ZeroEntropy (Notion)·Embeddings et reranking·Poids ouverts

3.9/5

Le reranker ouvert 4B de ZeroEntropy avec des scores calibrés, Apache 2.0 depuis que Notion a racheté l'entreprise et que son API hébergée s'est éteinte.

Audio8 TTS

Edge0·Synthèse vocale·Poids ouverts

3.8/5

Un modèle de clonage vocal de 0.6B paramètres en 23 langues sous Apache 2.0, avec des taux d'erreur proches de modèles plusieurs fois plus gros.

Beam

Reflection·Raisonnement·Poids ouverts

3.8/5

Le premier modèle ouvert de Reflection : 501B de paramètres, 23B actifs, Apache 2.0, et moins de tokens de raisonnement par tâche que ses rivaux.

Breeze TTS 2

BreezeBlue·Synthèse vocale·Poids ouverts

3.8/5

Un modèle de 3.5B paramètres pour le clonage et la conception de voix, proche du sommet de l'arène des poids ouverts, mais qui interdit l'auto-hébergement commercial.

Command A+

Cohere·Usage général·Poids ouverts

3.8/5

Le modèle mixture-of-experts de 218B de Cohere pour les agents et le RAG multilingue, avec des poids sous Apache 2.0 qui tiennent sur deux H100.

Le modèle local de jeu de rôle par défaut de la communauté : un affinage de Mistral Small 3.2 qui tient sur une carte de 24 Go, jugé surtout par ses fans.

La version expérimentale par diffusion de Gemma 4 26B de Google : plus de 1 000 tokens par seconde sur un H100, au prix d'une nette perte de qualité.

GPT-5.6-Cyber

OpenAI·Raisonnement

3.8/5

Le modèle cyber d'OpenAI d'août 2026 pour les chercheurs vérifiés de Daybreak Red : remplacé par GPT-6 Cyber, mais toujours vendu et moins cher.

gpt-oss-20b

OpenAI·Petits modèles et embarqués·Poids ouverts

3.8/5

Le modèle de raisonnement à poids ouverts d'OpenAI sous Apache 2.0, avec 3.6B de paramètres actifs, dimensionné pour tourner dans 16GB de mémoire sur un portable ou un GPU grand public.

Grok 4.7

SpaceXSI (formerly xAI)·Usage général

3.8/5

Le modèle Grok phare de SpaceXSI pour le chat, le code et les agents : 2 $/6 $ par million de tokens, un contexte de 500K et des temps de réflexion très longs.

Le modèle vocal conversationnel de 4B de Boson AI pour plus de 100 langues, avec balises d'émotion en ligne et clonage, sous licence non commerciale.

Le cloneur de voix de Bilibili avec des réglages distincts pour l'émotion et le timbre, en cinq langues, sous une licence gratuite sous 100 millions d'utilisateurs.

Un modèle vocal de 3B pour 22 langues indiennes et l'anglais, avec des voix d'artistes consentants, sans clonage et une API à 6 ₹.

Infinity-Parser2-Flash

INF Technology (infly)·OCR et documents·Poids ouverts

3.8/5

Le parseur de 2,2B d'INF, solide sur olmOCR-Bench et les graphiques, mais lent sur un seul flux et moins bon sur OmniDocBench que des concurrents plus petits.

Le modèle de 975B sous licence Apache de Thinking Machines Lab, qui entend et voit : une bonne base à affiner, derrière Kimi K2.6 en vision.

Jev

TypeSafe AI·Modèles de décision

3.8/5

Le modèle de décision hébergé de TypeSafe AI : choix typés, scores et probabilités oui/non pour 0,042 $ par million de tokens en entrée, sortie gratuite.

Le modèle d'image ouvert de 12,9B de Krea : images 2K en 8 étapes avec Turbo, une base Raw entraînable et une licence qui s'arrête à 1 M$ de chiffre d'affaires.

LFM2.5-24B-A2B

Liquid AI·Petits modèles et embarqués·Poids ouverts

3.8/5

Le modèle de raisonnement 24B de Liquid AI avec 2,45B de paramètres actifs, entraîné dans des harnais d'agent pour appeler des outils sur un portable.

Ling-3.0-flash-Sante

Ant Group (inclusionAI)·Usage général·Poids ouverts

3.8/5

Le modèle médical de 124B d'Ant Group sous licence MIT, 5,1B actifs : proche de la frontière sur ses propres benchmarks de santé, pour une fraction du prix.

Le modèle de 3B de NVIDIA trace vite des boîtes et des points autour de ce que vous nommez, mais sa licence le réserve à la recherche non lucrative.

Le modèle d'agents et de code de Meituan, 1 600 milliards de paramètres sous licence MIT, entraîné sur puces chinoises, à 0,30/1,20 $ le million de tokens.

LTX-2.5

Lightricks (LTX)·Vidéo·Poids ouverts

3.8/5

Le modèle vidéo ouvert 22B de Lightricks avec son synchronisé et scènes multishot, jusqu'à la 4K sur son API à partir de 0,09 $ la seconde.

Le modèle de 12B pour agents de code de JetBrains, 2,5B actifs et licence Apache, conçu pour faire tourner des sous-agents rapides sur votre propre GPU.

Le modèle de design de 6B d'Ant Group sous licence MIT mène les poids ouverts au classement UI d'Artificial Analysis, mais exige un GPU de 80 Go.

Mistral Medium 3.5

Mistral AI·Usage général·Poids ouverts

3.8/5

Le modèle de code et d'agent dense à poids ouverts 128B de Mistral tient sur quatre GPU, mais sa licence écarte les entreprises de plus de 20M$ par mois.

MOSS-Image

OpenMOSS (MOSI)·Génération d'images·Poids ouverts

3.8/5

Un modèle d'image ouvert de 5B sous Apache 2.0 qui place le texte et les objets là où une mise en page JSON le lui indique, et rend bien les textes longs.

mxbai-rerank v2

Mixedbread·Embeddings et reranking·Poids ouverts

3.8/5

Les rerankers Apache 2.0 de Mixedbread en tailles 0.5B et 1.5B, avec plus de 100 langues et un contexte de 8K tokens, conçus pour l'auto-hébergement.

Nanbeige4.3-33B

BOSS Zhipin (Nanbeige LLM Lab)·Code·Poids ouverts

3.8/5

Un modèle ouvert dense de 33B issu du laboratoire de BOSS Zhipin, qui revendique la tête de la catégorie 30B en code agentique, sous Apache 2.0.

Nemotron ColEmbed V2

NVIDIA·Embeddings et reranking·Poids ouverts

3.8/5

Les récupérateurs à interaction tardive de NVIDIA qui recherchent des images de page sans OCR : précis, gourmands en stockage et non commerciaux à chaque taille.

Nemotron OCR v2

NVIDIA·OCR et documents·Poids ouverts

3.8/5

L'OCR détecteur-reconnaisseur de 84M de paramètres de NVIDIA pour l'ingestion RAG : environ 35 pages par seconde sur un A100, avec une licence qui autorise l'usage commercial.

L'agent de jeu ouvert de NVIDIA : il regarde l'écran, appuie sur les boutons de la manette et a appris sur 40 000 heures de parties d'autres joueurs.

Pika H3 Flex

Pika (Mellis, Inc.)·Vidéo·Poids ouverts

3.8/5

Le post-entraînement en six étapes de MiniMax H3 par Pika : de la vidéo avec son stéréo à la moitié du prix de l'API de MiniMax, sous la licence territoriale de MiniMax.

Runway Gen-4.5

Runway·Vidéo

3.8/5

Le modèle vidéo maison de Runway : vainqueur d'un classement de 2025, désormais surclassé, vendu dans une suite qui revend aussi ses rivaux.

VibeVoice-ASR

Microsoft·Transcription vocale·Poids ouverts

3.8/5

Le transcripteur sous licence MIT de Microsoft qui prend une heure d'audio en une passe et étiquette qui a parlé quand.

Un modèle de monde de 1,2B qui génère un monde jouable à la première personne sur un PC de jeu, jusqu'à 720p et 56 fps sur une RTX 5090.

Whistle

Cactus Compute·Transcription vocale·Poids ouverts

3.8/5

Un modèle de reconnaissance vocale de 16,9 MB en sept langues qui tourne sur CPU sans dépendances ; un portage communautaire le fait tenir sur une puce à 10 $.

Un modèle vision-langage de 9B de l'équipe chinoise Zidong Taichu, qui cède un peu d'OCR contre du raisonnement spatial et l'usage d'outils.

Chatterbox

Resemble AI·Synthèse vocale·Poids ouverts

3.7/5

Les modèles de clonage de voix sous licence MIT de Resemble AI, d'un modèle CPU de 110M à 23 langues, avec un filigrane sur chaque extrait.

Cohere Rerank 4

Cohere·Embeddings et reranking

3.7/5

Le reranker de décembre 2025 de Cohere en versions Pro et Fast avec un contexte de 32K tokens, remplacé par Rerank 5 le 21 octobre 2026.

DecisionNode

Bynn Intelligence·Modèles de décision

3.7/5

Le modèle de décision hébergé de Bynn Intelligence, qui renvoie six types de réponses avec un niveau de confiance, plus deux petits modèles Edge à poids ouverts pour les appareils.

DeepSeek-OCR 2

DeepSeek·OCR et documents·Poids ouverts

3.7/5

Le lecteur de documents ouvert de 3B de DeepSeek réordonne une page avant de la lire, mais PaddleOCR-VL et Unlimited-OCR le dépassent désormais.

ERNIE 5.1

Baidu·Usage général

3.7/5

Le fleuron fermé de Baidu, distillé d'ERNIE 5.0 pour une fraction du coût : fort en recherche et en maths, difficile à acheter hors de Chine.

FrogNano-4B-2609

Microsoft·Code·Poids ouverts

3.7/5

L'agent de code de recherche de 4B de Microsoft, entraîné uniquement par apprentissage par renforcement sur des tâches synthétiques : 61,5 % sur SWE-bench Verified, selon ses propres chiffres.

Gemma 4 31B dont seule la couche de sortie a été réentraînée pour la fiction : moins de clichés, le même modèle dessous.

La transcription en streaming d'OpenAI à 0,017 $ la minute : délai réglable et indices de mots-clés, mais ni attribution des locuteurs ni horodatage.

Un fine-tune ouvert de Gemma 4 12B qui réécrit hors ligne des brouillons rédigés par IA en anglais et en chinois pour qu'ils paraissent humains, en gardant les faits.

Hy-Memory-30B-A3B

Tencent (Hy, formerly Hunyuan)·Usage général·Poids ouverts

3.7/5

Le modèle de Tencent à 3B paramètres actifs qui ne fait qu'une chose : décider ce que la mémoire à long terme d'un agent doit garder, à la place d'un LLM de pointe.

Le modèle de monde vidéo en temps réel de Tencent, piloté au clavier et à la souris, avec tout le code d'entraînement ; il exige des GPU de centre de données.

Iris-3B

Speridlabs·Génération d'images·Poids ouverts

3.7/5

Le modèle texte-image de 3B de Speridlabs, qui peint directement les pixels sans VAE, avec un Turbo en 4 étapes et des fine-tunes pour la profondeur et l'agrandissement.

Jina OCR v1

Jina AI (Elastic)·OCR et documents·Poids ouverts

3.7/5

Un fine-tune de DeepSeek-OCR par Jina AI, désormais filiale d'Elastic, optimisé pour le nombre de pages par seconde sur des GPU bon marché ; les poids sont non commerciaux.

La famille vidéo avec son de Sber sous licence MIT : un Lite de 3B pour cartes de 16 Go et un Pro de 29B, tous deux limités à des clips de 5 secondes.

Le modèle vidéo avec son de 114B de Sand AI, sous licence Apache, est 16e de l'arène, à condition d'avoir huit GPU Hopper pour le faire tourner.

Le premier modèle de raisonnement maison de Microsoft : un mélange d'experts de 1T de paramètres à 2 $/8 $ par million de tokens, un cran sous la frontière.

Mistral Small 4

Mistral AI·Usage général·Poids ouverts

3.7/5

Le mixture-of-experts Apache 2.0 de Mistral : 119B de paramètres, entrée d'image, raisonnement commutable, 0,15 $/0,60 $ par million de tokens.

ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)

ScaleDown·Modèles de décision

3.7/5

Les modèles hébergés de classification, extraction et résumé de ScaleDown à 0,05 $ le million de tokens en entrée, avec un endpoint Decisions à la Jev.

Le modèle ouvert de 250B d'Upstage pour le travail de bureau en coréen, anglais et japonais, avec 1M de tokens de contexte et nulle part où le louer au token.

Spark-X2.6-4B

iFlytek (SparkLLM)·Petits modèles et embarqués·Poids ouverts

3.7/5

Le modèle d'agent embarqué de 4B d'iFlytek sous Apache 2.0, qui revendique battre Qwen3.5-9B sur les outils et le code, avec un contexte de 1M de tokens.

text-embedding-3-large

OpenAI·Embeddings et reranking

3.7/5

Le meilleur modèle d'embedding d'OpenAI, inchangé depuis janvier 2024 : pris en charge partout et bon marché, mais plus un leader de la récupération.

Le modèle de raisonnement 3B de Weibo sous licence MIT : 94,3 sur AIME 2026 et 96,1% des problèmes LeetCode récents, et guère autre chose.

Whisper large-v3-turbo

OpenAI·Transcription vocale·Poids ouverts

3.7/5

Le modèle de reconnaissance vocale à poids ouverts d'OpenAI, toujours le choix par défaut pour la transcription auto-hébergée.

Z-Image-Turbo

Alibaba (Tongyi-MAI)·Génération d'images·Poids ouverts

3.7/5

Un modèle d'image 6B sous licence Apache du laboratoire Tongyi d'Alibaba qui tourne en huit étapes sur un GPU grand public de 16GB.

Aion 3.5

Aion Labs (Deep Forge)·Jeu de rôle et personnages

3.6/5

Un système de jeu de rôle et de narration dans lequel plusieurs modèles basés sur GLM écrivent chaque réponse ensemble ; pas encore de benchmarks publics.

Le modèle de ByteDance Seed sous Apache 2.0 qui comprend, dessine et retouche les images avec un seul jeu de poids.

Clef

Cloudflare·Modèles de décision·Poids ouverts

3.6/5

Le modèle de décision ouvert de 27B de Cloudflare, qui note des choix typés sur du texte et des images, servi sur Workers AI derrière une API compatible Jev.

Clover-35B-A3B-Preview

DiffuSpace·Usage général·Poids ouverts

3.6/5

Un modèle de langage à diffusion converti à partir de Qwen3.6-35B-A3B, qui écrit des blocs de 32 tokens en parallèle, ouvert sous Apache 2.0.

dots.ocr

Xiaohongshu (rednote hi lab)·OCR et documents·Poids ouverts

3.6/5

Le parseur de mise en page multilingue de Xiaohongshu sorti en 2025 est encore très téléchargé, mais ses propres créateurs et trois concurrents plus récents l'ont dépassé.

Le modèle d'image de 8B de Baidu sous licence Apache, avec un Turbo en 8 étapes, réussit affiches et textes longs mais se classe bas dans l'arène.

Falcon-H1R-7B

Technology Innovation Institute (TII)·Raisonnement·Poids ouverts

3.6/5

Le modèle de raisonnement en maths et en code de 7B du TII, à architecture hybride Transformer-Mamba, avec un contexte de 256K et une licence à attribution.

Le modèle de monde en temps réel de DeepMind, avec son natif et pilotage textuel en direct ; impressionnant, et encore fermé à presque tous.

GLiNER2.5-Decide

Fastino·Modèles de décision·Poids ouverts

3.6/5

Le classificateur zero-shot de moins d'un milliard de paramètres de Fastino : passez n'importe quelles étiquettes à l'appel et obtenez-en une en retour sur un CPU, sans prompt ni génération.

Le modèle vidéo avec son de SpaceXSI : jusqu'à 15 secondes et jusqu'en 1080p, dès 0,08 $ la seconde, d'un éditeur visé par des enquêtes sur les deepfakes.

Limite 1B - Violetto

Paradigma·Petits modèles et embarqués·Poids ouverts

3.6/5

Un modèle de mathématiques de 1B d'une start-up romaine qui égale des modèles de 30B sur les problèmes de compétition et comprend mal presque tout le reste.

Le modèle de monde de 14B d'Ant Group qui promet des parties d'une heure avec des agents qui mènent la scène, sous licence non commerciale.

Le petit modèle de code de Microsoft pour GitHub Copilot : peu cher à 0,20/1,20 $ le million de tokens, mais derrière DeepSeek sur le prix et Terminal-Bench.

Needle 3

Cactus Compute·Petits modèles et embarqués·Poids ouverts

3.6/5

Un modèle de 29M à 121M qui transforme les demandes en appels de fonctions sur les téléphones, les robots et les hubs ; solide sur les commandes de téléphone, moins bon ailleurs.

Les modèles vocaux embarqués de Neuphonic, qui clonent une voix en 3 secondes et filigranent chaque extrait, du Raspberry Pi à l'ordinateur portable.

Ornith-1.5-122B

Ornith·Code·Poids ouverts

3.6/5

Un modèle de raisonnement et de code à poids ouverts 122B entraîné par une boucle d'auto-amélioration qui écrit ses propres tâches, sous MIT.

Qwen-Image-Edit-2511

Alibaba (Qwen)·Édition d'images·Poids ouverts

3.6/5

L'éditeur d'images sous licence Apache d'Alibaba : en milieu de tableau sur la qualité, mais la licence la plus propre parmi les éditeurs ouverts que vous pouvez livrer.

Qwen3.5-397B-A17B

Alibaba (Qwen)·Usage général·Poids ouverts

3.6/5

Le premier modèle ouvert Qwen3.5 d'Alibaba : un MoE 397B avec 17B actifs sous Apache 2.0, désormais distancé par Qwen3.8 et son propre jumeau hébergé.

Sakana Namazu

Sakana AI·Usage général

3.6/5

Le modèle réglé pour le japonais de Sakana AI bâti sur Kimi K2.6, avec recherche web et exécution de code intégrées derrière une API de style OpenAI.

Le plus grand modèle ouvert entraîné de zéro en Inde, sous licence Apache et réglé pour 22 langues indiennes, bon marché sur l'API de Sarvam mais faible en code.

Underdog Saluki 27B 1.0

Conway Research (Underdog)·Petits modèles et embarqués·Poids ouverts

3.6/5

Qwen3.8-27B compressé dans un fichier 2 bits de 7,89 GB qui garde l'appel d'outils intact, sous Apache 2.0.

Xing4.0-29B-A4B

China Telecom (XingChen)·Usage général·Poids ouverts

3.6/5

Le modèle d'agent Apache 2.0 de China Telecom, remarquable moins pour ses scores que pour avoir été entraîné entièrement sur des puces Huawei Ascend.

Le modèle 2B de Microsoft Research entraîné dès le départ avec des poids de -1, 0 ou +1 : 0,4 Go de mémoire et rapide sur un CPU ordinaire.

Le modèle ouvert de 32B de Black Forest Labs pour éditer et générer : l’étalon auquel on mesure les autres modèles d’image, désormais dépassé par Klein, de BFL.

HunyuanImage 3.0 Instruct

Tencent (Hunyuan)·Édition d'images·Poids ouverts

3.5/5

Le modèle d'image ouvert 80B de Tencent avec une étape de raisonnement : troisième parmi les éditeurs ouverts, mais il exige un nœud de huit GPU et saute l'Europe.

Le modèle vidéo de 8,3B de Tencent tourne sur une carte de 14 Go et monte en 1080p, mais ses clips sont muets et sa licence exclut l'Europe.

Le modèle vidéo de 13,6B de Meituan sous licence MIT prolonge des clips en minutes d'images en 720p, mais il est muet et en retard d'une génération.

Qwen3-TTS

Alibaba (Qwen)·Synthèse vocale·Poids ouverts

3.5/5

La famille de parole sous licence Apache d'Alibaba : conception de voix à partir d'une phrase, clonage à partir de trois secondes, et aucune protection contre les abus.

Un affinage de jeu de rôle de 12B sur Mistral Nemo qui tourne sur un portable ; populaire, testé seulement par ses utilisateurs.

SenseNova-Loop-9B-Preview

SenseTime (SenseNova)·Vision et multimodal·Poids ouverts

3.5/5

Le modèle image et texte de 9B de SenseTime qui exécute deux fois ses 24 couches centrales, pensé pour les agents de bureautique, sous Apache 2.0.

SmolLM3-3B

Hugging Face·Petits modèles et embarqués·Poids ouverts

3.5/5

Le modèle 3B entièrement ouvert de Hugging Face, avec raisonnement commutable, un contexte de 128K et toute sa recette d'entraînement publiée.

all-MiniLM-L6-v2

Sentence Transformers (Hugging Face)·Embeddings et reranking·Poids ouverts

3.4/5

Le modèle d'embedding par défaut d'un millier de tutoriels, à réserver désormais aux tests, aux prototypes et aux textes anglais courts.

Decision-2.0-Nox-4B (vLLM Semantic Router)

vLLM Semantic Router·Modèles de décision·Poids ouverts

3.4/5

Le modèle de décision texte de 4B de vLLM Semantic Router, sous licence Apache : bien calibré, mais déjà dépassé par le d3-mini de la même équipe.

Devstral Small 2

Mistral AI·Code·Poids ouverts

3.4/5

Le modèle de code de 24B de Mistral sous Apache 2.0 qui tourne sur une seule RTX 4090 ou un Mac de 32GB, avec un contexte de 256K et l'entrée d'images.

Le modèle de 750B de LG AI Research sous licence Apache, fort en coréen, en documents longs et en sécurité, plus faible en code et en raisonnement difficile.

KittenTTS 2

KittenML (Stellon Labs)·Synthèse vocale·Poids ouverts

3.4/5

Un modèle de parole ternaire 1.7B avec clonage de voix qui se télécharge en moins de 1 GB et tourne sans GPU, sous une licence communautaire stricte.

Modèle de décision Apache 2.0 sur ModernBERT qui répond à des questions typées en dizaines de millisecondes, mais a besoin d'affinage pour être précis.

Phi-4-Reasoning-Vision-15B

Microsoft·Raisonnement·Poids ouverts

3.4/5

Le nouveau petit modèle Phi de Microsoft : 15B, sous licence MIT, lit les images et peut activer ou désactiver le raisonnement étape par étape.

Le modèle de raisonnement ouvert de 398B d'Arcee, conçu aux États-Unis pour les agents, fort aux tests d'outils, désormais limité aux poids faute d'endpoints hébergés.

Le modèle d'image de 16B de Z.ai sous licence MIT mène sa propre comparaison sur le texte dans l'image, mais demande environ une minute par image sur un H100.

Phi-4-multimodal

Microsoft·Vision et multimodal·Poids ouverts

3.3/5

Le modèle 5.6B sous licence MIT de Microsoft qui prend la parole, les images et le texte dans un seul réseau, désormais vieux de 20 mois.

Le modèle de base ouvert de Sesame pour la parole conversationnelle : anglais, diction adaptée au contexte, licence Apache, et toujours sa seule version ouverte.

Veo 3.1

Google DeepMind·Vidéo

3.3/5

Le modèle vidéo retiré de l'API de Google, toujours vendu en disponibilité générale sur son cloud entreprise pour les équipes qui ont besoin d'extension et de contrôle de l'image de fin.

Devstral 2

Mistral AI·Code·Poids ouverts

3.1/5

Le modèle de code ouvert de 123B de Mistral, de décembre 2025, désormais retiré de son API et remplacé par Mistral Medium 3.5.

d1-omni-600M

Liquid AI·Modèles de décision·Poids ouverts

3.0/5

Le modèle de décision expérimental de 587M de Liquid AI pour le texte, les images et de courts extraits vocaux, dépassé trois semaines plus tard par d1-Omni-2B.