Benchmark IA Open Source

Benchmark IA Open Source — Comparaison des modeles 2026

Une comparaison independante des modeles IA open source par scores de benchmarks, parametres, fenetre de contexte, licence et prix reels en Europe. Couvre les modeles frontiere comme Kimi K3, Qwen3.8, GLM-5.2, DeepSeek V4 et Llama 3.3 — et les modeles que vous pouvez appeler via une API souveraine UE.

Tous les modeles

Sur Frontière AI

UE souverain

Modeles raisonnement

Scores de benchmarks en un coup d'oeil

MMLU

GPQA

Souverain (Frontière AI)

Pas sur Frontière AI

Kimi 2.8T

89.5

Qwen 2.4T

89.2

DeepSeek ~1.6T

88.1

GLM-5.2 (Zhipu/Z.ai)

87.6

NVIDIA ~692B

87.2

Qwen3.5 397B (multimodal)

86.4

Qwen3 235B (instruct)

84.7

DeepSeek V4 Flash 0731 (1M context)

83.2

Llama 3.3 70B

79.5

Qwen3.6 27B (multimodal)

78.9

Qwen3 Coder 30B

75.3

Qwen3 32B

76.8

Mistral Small 3.2 24B

74.2

Qwen3.5 9B (fast, budget)

69.4

OpenAI 120B

80.1

0255075100

Capacite vs. prix

Comparaison des modeles open source par intelligence (Arena Elo) et cout pour 100k tokens d'entree sur une infrastructure souveraine UE. Bulles plus grandes = plus de parametres. Les modeles souverains sur Frontière AI sont mis en avant.

Modeles classes par Arena Elo par defaut. Cliquez sur les en-tetes de colonnes pour trier par MMLU, GPQA, LiveCodeBench, parametres ou prix. Tous les scores proviennent de fiches modeles publiques, rapports techniques et LMSYS Chatbot Arena.

Modele	Labo	Params	Contexte	Licence	MMLU	GPQA	LiveCode	Arena Elo	Prix / 100k	Juridiction	Verifie
🧠 Kimi (2.8T)	Kimi	2.8T/~120B	256K	MIT	89.5	74.2	58.3	1342	N/A	—	—
🧠 Qwen (2.4T)	Qwen	2.4T/~95B	256K	Apache-2.0	89.2	72.8	56.1	1328	N/A	—	—
🧠 DeepSeek (~1.6T)	DeepSeek	~1.6T/~100B	128K	MIT	88.1	71.5	55.4	1310	N/A	—	—
🧠 GLM-5.2 (Zhipu/Z.ai)Sur Frontière AI	Zhipu / Z.ai	753B	128K	MIT	87.6	69.8	52.7	1295	0,252 €	UE souverain	6/6
NVIDIA (~692B)	NVIDIA	~692B/~60B	128K	Apache-2.0	87.2	68.5	48.9	1278	N/A	—	—
Qwen3.5 397B (multimodal)Sur Frontière AI	Qwen	403B/17B	128K	Apache-2.0	86.4	66.2	46.3	1260	0,084 €	UE souverain	6/6
Qwen3 235B (instruct)Sur Frontière AI	Qwen	235B/22B	128K	Apache-2.0	84.7	62.1	42.5	1230	0,105 €	UE souverain	0/6
🧠 DeepSeek V4 Flash 0731 (1M contexte)Sur Frontière AI	DeepSeek	158B/13B	1M	MIT	83.2	58.9	40.1	1210	0,056 €	UE souverain	6/6
Llama 3.3 70BSur Frontière AI	Meta	70B	128K	Llama Community	79.5	54.3	38.2	1180	0,0898 €	UE souverain	5/6
Qwen3.6 27B (multimodal)Sur Frontière AI	Qwen	27.8B	128K	Apache-2.0	78.9	52.1	35.7	1165	0,0574 €	UE souverain	6/6
Qwen3 Coder 30BSur Frontière AI	Alibaba	30.5B/3B	128K	Apache-2.0	75.3	48.6	44.2	1120	0,0084 €	UE souverain	6/6
Qwen3 32BSur Frontière AI	Alibaba	32.8B	4K	Apache-2.0	76.8	50.4	33.1	1140	0,0112 €	UE souverain	6/6
Mistral Small 3.2 24BSur Frontière AI	Mistral AI	24B	32K	Apache-2.0	74.2	46.8	30.5	1100	0,0126 €	UE souverain	6/6
Qwen3.5 9B (rapide, économique)Sur Frontière AI	Qwen	9.65B	128K	Apache-2.0	69.4	40.2	25.8	1050	0,014 €	UE souverain	6/6
OpenAI (120B)	OpenAI	120B/~20B	128K	Apache-2.0	80.1	55.7	39.4	1190	N/A	—	—
BAAI (768M)Sur Frontière AI	BAAI	768M	8K	Apache-2.0	—	—	—	—	N/A	—	—
Qwen (8.2B)Sur Frontière AI	Qwen	8.2B	4K	Apache-2.0	—	—	—	—	N/A	—	—

Methodologie des benchmarks

Les scores sont issus de fiches modeles officielles et de rapports techniques. Quand plusieurs rapports existent, nous utilisons la figure independamment verifiee la plus elevee. Tous les benchmarks suivent leur protocole d'evaluation officiel.

MMLU (5-shot)

MMLU (5-shot) — 57 sujets couvrant STEM, humanites, droit, medecine et plus. Mesure les connaissances generales et le raisonnement a travers les domaines.

GPQA Diamond

GPQA Diamond — QCM de niveau master en physique, chimie et biologie. Le sous-ensemble le plus difficile avec accord d'experts, considere comme la reference pour le raisonnement scientifique.

LiveCodeBench v5

LiveCodeBench v5 — Taches de codage reels issues de plateformes de programmation competitive. Mesure la capacite pratique de generation de code.

LMSYS Chatbot Arena

LMSYS Chatbot Arena Elo — Comparaisons aveugles A/B crowdsourceed. Le signal de performance reel le plus fiable, mis a jour en continu. Elo plus eleve = reponses preferees par les utilisateurs.

Sources : fiches modeles Hugging Face, rapports techniques officiels, LMSYS Chatbot Arena.

Comment lire les scores de benchmarks

Les scores de benchmarks mesurent des capacites specifiques dans des conditions controlees. Ils ne predisent pas les performances reels pour votre cas d'usage. Un modele avec un score MMLU plus bas peut etre meilleur pour votre charge de travail grace a la longueur de contexte, le support des outils, la couverture linguistique ou le prix. Utilisez les benchmarks comme un element parmi d'autres — et testez les modeles vous-meme avec vos propres prompts.

Questions frequentes

Quel est le meilleur modele IA open source en 2026 ?

Kimi K3 et Qwen3.8 2.4T sont en tete en intelligence brute (Arena Elo 1340+), suivis de pres par DeepSeek V4 Pro et GLM-5.2. Pour un usage pratique, GLM-5.2 est le modele le plus puissant disponible via une API souveraine UE — avec 87,6 % sur MMLU et 69,8 % sur GPQA Diamond, servi par Scaleway a partir de 0,25 € pour 100k tokens d'entree.

Puis-je heberger moi-meme des modeles IA open source ?

Oui — tous les modeles listes ici ont des poids telechargeables. Les exigences vont d'un seul GPU pour les petits modeles (Qwen3.5 9B, ~20 Go VRAM) a des configurations multi-GPU pour les modeles frontiere (Kimi K3 necessite 8xH100 minimum). Alternativement, Frontière AI offre un acces instantane par API a des modeles heberges de facon souveraine a partir de 10 € prepayes.

Les modeles IA open source sont-ils conformes au RGPD ?

Le modele en lui-meme n'est jamais le probleme — c'est son hebergement. Un modele heberge sur OVHcloud ou Scaleway en France reste sous juridiction UE. Le meme modele heberge sur un cloud US est soumis au CLOUD Act. Frontière AI etiquette chaque modele comme 'UE souverain' ou 'acces rapide' pour que vous le sachiez avant d'appeler.

Pourquoi les scores de benchmarks diffèrent entre sources ?

Les differents fournisseurs de benchmarks utilisent des prompts, des temperatures et des echantillons d'evaluation differents. Nous puisons nos scores dans les fiches modeles officielles et les rapports techniques pour garantir la coherence. Meme alors, un modele declare a 87,6 % MMLU par son createur peut score 86 % dans une evaluation independante — les deux sont des mesures legitimes du meme modele.

Quelle difference entre modeles de raisonnement et modeles classiques ?

Les modeles de raisonnement (marques avec un indicateur) realisent une chaine de pensee interne avant de repondre. Ils scorent generalement mieux sur les benchmarks de mathematiques, de code et de raisonnement complexe — mais peuvent etre plus lents et plus chers a cause des tokens supplementaires de reflexion. Les modeles classiques sont plus rapides et moins chers pour des taches simples.

Comment Frontière AI tarife-t-elle les modeles open source ?

Frontière AI applique une marge plate de 40 % au-dessus des couts d'infrastructure. Les providers souverains (OVHcloud, Scaleway) sont les moins chers — a partir de 0,0045 € pour 100k tokens d'entree pour Qwen3.5 9B. Les modeles frontiere comme GLM-5.2 debutent a 0,25 € pour 100k tokens d'entree. Pas d'abonnement, uniquement prepaye.

Testez ces modeles vous-meme

Crez un compte et appelez n'importe quel modele du catalogue en quelques minutes.

Créer un compte Modèles →