General Knowledge (Baseline)

Benchable : General Knowledge (Baseline) est un benchmark public conçu par Benchable pour évaluer la culture générale des modèles d’IA. Il repose sur des questions à choix multiples en anglais, couvrant un spectre large allant de l’histoire et des sciences à la géographie, aux arts, à la littérature, à l’actualité et à des domaines académiques plus spécialisés.

Son rôle est de fournir un point de repère de base sur la capacité d’un modèle à mobiliser des connaissances factuelles variées et à sélectionner la bonne réponse dans un format contraint.

Carte d'identité

Classement des modèles (top 20)

Classement établi sur 251 modèles évalués, dont 147 de grands éditeurs. Score médian de l'ensemble : 99,0 %.

Notre analyse

Un score élevé sur Benchable : General Knowledge (Baseline) indique une forte capacité à reconnaître ou restituer des faits dans un cadre de QCM, y compris lorsque les questions deviennent plus obscures. La métrique repose sur la sélection exacte de l’option correcte, ce qui rend l’évaluation simple à interpréter et limite l’ambiguïté de notation. Les scores sont au moins partiellement mesurés par un tiers, ce qui apporte davantage de crédibilité qu’une évaluation entièrement auto-déclarée.

Le classement montre toutefois un benchmark très saturé : avec un score médian de 99 % parmi les 251 modèles évalués dans la base, il distingue peu les systèmes les plus performants. Le meilleur score atteint 100 % avec ByteDance Seed: Seed-2.0-Mini (ByteDance-Seed), ce qui suggère que le test sert surtout de filtre de compétence générale minimale plutôt que de mesure fine du raisonnement avancé. La portée reste limitée à des QCM en anglais, avec un risque possible de contamination pour des connaissances générales publiques.

Sources des scores : benchable.