Global average

LiveBench: Global average est un benchmark public conçu par la LiveBench team / Abacus.AI pour évaluer les capacités générales des modèles de langage. Sa particularité est d’être dynamique, avec l’ajout régulier de questions récentes afin de réduire le risque de contamination des données d’entraînement.

Le score agrège des performances normalisées sur plusieurs familles de tâches, couvrant notamment le raisonnement, les mathématiques, le codage, la compréhension linguistique, le suivi d’instructions et l’analyse de données. Il sert ainsi d’indicateur synthétique pour comparer des modèles sur un ensemble varié d’usages.

Carte d'identité

Métadonnées descriptives pré-renseignées automatiquement, en cours de relecture éditoriale.

Classement des modèles (top 20)

Classement établi sur 76 modèles évalués, dont 58 de grands éditeurs. Score médian de l'ensemble : 61,9 %.

Notre analyse

Un score élevé sur LiveBench: Global average indique une performance solide et relativement équilibrée sur des tâches récentes et diversifiées, plutôt qu’une spécialisation sur un seul domaine. Le meilleur modèle recensé dans la base, GPT-5.5 (OpenAI), atteint 81 %, tandis que le score médian des 84 modèles évalués est de 62 %, ce qui suggère un écart encore net entre les modèles de tête et le reste du classement.

La lecture des résultats doit toutefois rester prudente. Les scores sont majoritairement auto-déclarés par les éditeurs, ce qui peut limiter l’homogénéité de l’évaluation par rapport à une mesure entièrement indépendante. Le caractère dynamique du benchmark vise à limiter la contamination, sans l’exclure totalement. Sa portée reste aussi centrée sur l’anglais et sur les catégories retenues par LiveBench. Le niveau du meilleur score ne suggère pas une saturation complète, mais le Global average peut masquer des forces et faiblesses propres à chaque sous-tâche.

Sources des scores : livebench.