Classements des évaluations · Aperçu des classements des grands modèles chinois

Trois grands systèmes de classement

SuperCLUE(mensuel) : évaluation globale des grands modèles généralistes en chinois, n'incluant actuellement que des modèles chinois ; le score total repose sur six dimensions : raisonnement mathématique, contrôle des hallucinations, raisonnement scientifique, suivi précis des instructions, programmation agentique et planification de tâches agentiques ; banque de questions privée en conditions fermées.
OpenCompass / Compass(Shanghai AI Laboratory) : classement global CompassRank + classement de duels réels CompassArena, framework d'évaluation open source reproductible ; Compass 2.0 lancé en 2025.
Benchmarks internationaux: AIME (compétition mathématique), GPQA-Diamond (questions scientifiques), SWE-bench Verified (ingénierie logicielle réelle), etc., utilisés pour les comparaisons horizontales entre modèles chinois et étrangers.

Conseils de lecture des classements: les classements sont mis à jour fréquemment et selon des méthodologies variables ; cette page présente une photographie de la configuration des paliers et des scores publics ; pour un choix formel, référez-vous au rapport en cours sur le site officiel de chaque classement + à des tests sur vos propres jeux de données métier.

Paliers concurrentiels chinois

Lecture de la configuration fondée sur les classements publics et les rapports techniques officiels (2026-10)

T1Premier palier (T1)

DeepSeek V4.1-Flash / V4-ProKimi K3.1 ProGLM-5.3Qwen3.7-MaxDoubao Seed 2.1 Pro

Depuis le milieu de 2025, les séries DeepSeek-R1/V3, GLM-4.5, Qwen3 et Kimi-K2 occupent durablement les premières places du classement SuperCLUE des modèles chinois ; en 2026, les V4 / K3 / GLM-5 / Qwen3.7 prennent le relais, la configuration des paliers se maintient.

T2Deuxième palier (T2)

Séries MiniMax M3Tencent Hunyuan Hy4 / Hy3ERNIESpark X1Step-3LongCat-Flash

Sur des dimensions spécifiques (contexte long, voix en chinois, multimodal, coûts), ils disposent de capacités à même de rivaliser avec le T1 sur un point précis.

T3Échelon spécialisé

MiniCPM 4.0InternLM3SenseNova V6Tiangong T1Ling-1T

Approches différenciées : modèles on-device, académiques, recherche augmentée, etc.

Aperçu des benchmarks publics

Selon les rapports techniques officiels, données publiques 2025–2026, à des fins de perception comparative

Benchmark	Objectif	Meilleurs résultats chinois	Référence étrangère
AIME 2025	Compétition mathématique	DeepSeek-R1-0528 ≈87,5 ; GLM-4.5 : 98,6 selon les chiffres officiels (avec outils) ; Kimi K2 ≈87,1	o3 high ≈96.7
GPQA-Diamond	Questions scientifiques	GLM-4.5 79.1；DeepSeek-R1 71.5；Kimi-K2 75.7	Grok-4 87.5 / o3 83.3
SWE-bench Verified	Ingénierie logicielle réelle	Kimi-K2 65,8 ; GLM-4.5 64,2 ; DeepSeek V4 GA 80,6 (chiffres officiels, 2026-07)	La série Claude domine à environ 80
Terminal-Bench 4.0	Tâches agentiques en environnement terminal	Actualisé lors du lancement de DeepSeek-V4.1-Flash-1017 (2026-10-17)	—

Les scores proviennent des rapports techniques des éditeurs ou de publications publiques ; les conditions de test (autorisation ou non d'appels d'outils, par exemple) diffèrent et ne permettent pas de comparaison directe ; les scores des modèles étrangers servent uniquement de référence.

Comparatif des modèles phares chinois et étrangers

Tarifs catalogue identiques + benchmarks publics, avec méthodologie systématiquement indiquée

① Comparatif des prix des API phares en service

Camp	Modèle	Entrée ($/M)	Sortie ($/M)	Prix de sortie (Sonnet 5.5 = 1)
Chinois	DeepSeek-V4.1-Flash	0.1158	0.4633	0.06×
Chinois	Doubao Seed 2.1 Pro	0.3861	1.9305	0.25×
Chinois	GLM-5.3	1.0811	3.3977	0.44×
Chinois	Qwen3.7-Max	1.2741	3.8232	0.50×
Chinois	Kimi K3.1 Pro	1.5444	7.7220	1.00×
International	Gemini 4 Argon	1.5444	7.7220	1.00×
International	GPT-6.1 Sol	1.5444	7.7220	1.00×
International	Claude Sonnet 5.5	1.5444	7.7220	1.00× (référence)
International	Claude Opus 4.7	3.8610	19.3050	2.50×
International	Claude Fable 5.1	7.7220	38.6100	5.00×

Instantané du même annuaire au même moment (2026-10, tarifs officiels de liste), à méthodologie identique et donc directement comparable. Le prix de sortie des modèles phares chinois est d'environ 1/2 à 1/16 de celui des modèles internationaux de niveau équivalent ; l'écart est encore plus marqué pour le segment haut rapport qualité-prix de DeepSeek.

② Benchmarks publics : le meilleur chinois vs les modèles phares internationaux

Benchmark	Meilleur chinois (chiffres publics)	Référence étrangère	Situation
AIME 2025 (mathématiques)	GLM-4.5 98.6 (avec outils) ; DeepSeek-R1-0528 87.5	o3 high 96.7	Niveau équivalent atteint
SWE-bench Verified (codage)	DeepSeek V4 GA 80.6 (chiffres officiels, 2026-07)	Gamme Claude ≈80	Quasi-égalité
GPQA-Diamond (sciences)	GLM-4.5 79.1；Kimi-K2 75.7	Grok-4 87.5；o3 83.3	Retard d'environ 8 points
Classement des benchmarks globaux	Le premier groupe chinois figure en tête de classement	Claude Opus 5.5 / Gemini 4 Argon / Claude Fable 5.1 occupent le podium (classement agrégé, 2026-10)	Les modèles internationaux dominent toujours

③ Comment lire ce comparatif

Codage et mathématiques : l'écart générationnel a été comblé.En 2025, les modèles phares chinois accusaient encore une génération de retard sur les modèles internationaux ; en 2026, DeepSeek V4 affiche officiellement 80.6 au SWE-bench et la presse rapporte qu'il « frôle l'Opus 4.8 », avec des scores en mathématiques au niveau de o3.
Prix : l'avantage comparatif le plus certain.À annuaire identique, le prix de sortie des modèles chinois représente environ 1/2 à 1/16 de celui des modèles internationaux équivalents ; selon des évaluations tierces, le tarif du V4 serait d'environ 1/57 de celui du Fable 5 (chiffres de 2026-07).
Des écarts subsistent :le raisonnement scientifique (GPQA) accuse un retard d'environ 8 points ; le podium des classements globaux reste occupé par des modèles internationaux ; l'écosystème d'outils, le multilingue et les services aux entreprises demeurent le domaine des modèles internationaux par défaut.
Conclusion pour le choix :pour les scénarios en chinois et les activités sensibles aux coûts, les modèles phares chinois sont le choix par défaut ; pour des capacités de pointe et la conformité mondiale, les modèles internationaux conservent l'avantage.

Les scores de benchmark proviennent des rapports techniques des constructeurs et de la presse publique ; les conditions de test différant, ils ne sont pas directement comparables entre eux ; les scores internationaux ne servent que de référence. Les prix peuvent être modifiés à tout moment ; seuls les pages officielles font foi.

Le peloton de l'open source

Panorama des modèles chinois dont les poids sont librement téléchargeables

Open source T1Domination générale

Série DeepSeek V4 (MIT)Kimi K3（2.8T）Écosystème open source Qwen3Gamme open source GLM

Habitué des premières places du HuggingFace Trending dès sa sortie ; les modèles dérivés de la série Qwen et leurs téléchargements sont leaders mondialement (chiffres officiels 2025 : plus de 100 000 modèles dérivés).

T2 open sourceChacun excelle dans son domaine

Hunyuan Hy4 PreviewLongCat-FlashLing-1TStep-3ERNIE 4.5InternLM3

Les grands groupes internet et le milieu académique multiplient les sorties open source, couvrant MoE, multimodal et formats légers pour terminaux.

Le classement officiel Open LLM Leaderboard de HuggingFace a cessé d'être mis à jour en 2025 ; la popularité open source se mesure désormais via Trending, les téléchargements et LMArena.