Agent Arena, une plateforme classée par arena.ai, évalue les modèles d’IA dans des tâches à plusieurs étapes utilisant des outils tels que la recherche web et les systèmes de fichiers. Lancée en juin 2026, elle s’appuie sur les résultats de plus de 2 millions de sessions réelles d’utilisateurs, plutôt que sur des tests statiques. Google DeepMind a debuté en deuxième position avec Gemini 4 Carbon (High), après 21 900 sessions et une amélioration nette de 16,2 %, pour un coût médian de 1,80 dollar par tâche, soit 72 % de moins que le modèle classé premier. Xiaomi a pris la tête de la catégorie des modèles à poids ouverts avec MiMo V2.6 Pro, qui affiche une amélioration nette de 3,8 % et peut coûter aussi peu que 0,11 dollar par tâche. Claude Opus 5.5 d’Anthropic conserve la meilleure performance globale, avec une amélioration nette d’environ 20 %, mais OpenAI et Anthropic subissent une pression accrue sur le rapport entre coût et performance.
Source: Lire l’article original
