Méthodologie du fedi-index
Sources, licences, pondérations et formules de l'index — générées à partir de la configuration même qu'utilise le calcul.
Méthodologie v1 · Données en direct pour 2026-10 (recalculées chaque jour) · Historique · JSON
- Seules les sources sous licence ouverte explicite (CC BY, MIT, Apache) entrent dans l'index ; celles qui attendent encore une autorisation restent désactivées.
- Les exécutions indépendantes comptent ; les chiffres déclarés par les éditeurs sont affichés avec une mention et n'ont aucun poids.
- Une famille de sources compte pour une voix : les catégories corrélées des mêmes votants ne s'additionnent pas.
- Chaque score a une décomposition publique : composante, source, valeur, poids et date.
- L'incertitude est visible : chaque score est accompagné de son intervalle, et peu de données signifie « provisoire ».
Sources et licences
| Source | Famille | Licence | Dans l'index |
|---|---|---|---|
| LMArena Arena Leaderboard Dataset by LMArena, CC BY 4.0. Modified by fedi.software (equated, weighted, aggregated). Not endorsed by LMArena. | Arena (votes humains) | CC BY 4.0 | oui |
| Epoch AI Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. CC BY. ECI by Epoch AI; Epoch-run results only. Modified by fedi.software. | Epoch AI (benchmarks) | CC BY 4.0 | oui |
| τ²-bench (Sierra) τ²-bench leaderboard, © Sierra Research, MIT License (Yao et al. 2024, arXiv:2406.12045; Barres et al. 2025, arXiv:2506.07982). Sierra-run text submissions only. | τ²-bench (agents) | MIT | oui |
| LiveBench | LiveBench | — | en attente d'autorisation |
| Terminal-Bench | Terminal-Bench | — | en attente d'autorisation |
| SWE-rebench | SWE-rebench | — | en attente d'autorisation |
| Toolathlon | Toolathlon | — | en attente d'autorisation |
| models.dev Pricing: models.dev, MIT License, © 2025 models.dev. | modelsdev | MIT | oui |
| LiteLLM Pricing: LiteLLM model_prices_and_context_window.json, MIT License, © 2023 Berri AI. | litellm | MIT | oui |
| Hugging Face Downloads (30 days): Hugging Face Hub, as of the snapshot date. | hf | — | oui |
Catégories et pondérations
Général
Arena (votes humains) part 50 %
- text/overall
text/overall2 - text/hard_prompts
text/hard_prompts2 - text/expert
text/expert1 - text/instruction_following
text/instruction_following1 - text/multi_turn
text/multi_turn0,50 - text/longer_query
text/longer_query0,50
Epoch AI (benchmarks) part 50 %
- Epoch Capabilities Index
eci3 - GPQA Diamond
gpqa_diamond0,50 - SimpleQA Verified
simpleqa_verified0,50
Code
Arena (votes humains) part 60 %
- text/coding
text/coding1,5 - webdev/overall
webdev/overall1,5
Epoch AI (benchmarks) part 40 %
- SWE-bench Verified
swe_bench_verified1
Agents
Arena (votes humains) part 60 %
- agent/overall
agent/overall1
τ²-bench (agents) part 40 %
- τ-Knowledge banking
tau2/banking_knowledge1,5 - τ²-bench retail
tau2/retail1 - τ²-bench airline
tau2/airline1 - τ²-bench telecom
tau2/telecom1
Maths
Arena (votes humains) part 50 %
- text/math
text/math1
Epoch AI (benchmarks) part 50 %
- FrontierMath Tiers 1–3
frontiermath_t1_32 - FrontierMath Tier 4
frontiermath_t41
Vision provisoire
Arena (votes humains) part 100 %
- vision/overall
vision/overall2 - vision/ocr
vision/ocr0,50 - vision/diagram
vision/diagram0,50
Recherche provisoire
Arena (votes humains) part 100 %
- search/overall
search/overall1
Écriture provisoire
Arena (votes humains) part 100 %
- text/creative_writing
text/creative_writing2 - text/longer_query
text/longer_query1
Langues provisoire
Votes Arena dans chaque langue ; la catégorie est affichée sur la version du site dans cette langue.
English — text/english · Русский — text/russian · Deutsch — text/german · Español — text/spanish · Français — text/french · 日本語 — text/japanese · 한국어 — text/korean · 繁體中文 — text/chinese · Polski — text/polish
Benchmarks et leur ancienneté
| Composante | Version publiée |
|---|---|
Epoch Capabilities Index eci |
en continu (sans dépréciation) |
GPQA Diamond gpqa_diamond |
2023-11-20 |
SimpleQA Verified simpleqa_verified |
2025-09-09 |
FrontierMath Tiers 1–3 frontiermath_t1_3 |
2026-06-12 |
FrontierMath Tier 4 frontiermath_t4 |
2026-06-12 |
SWE-bench Verified swe_bench_verified |
2024-08-13 |
τ²-bench retail tau2/retail |
2024-06-17 |
τ²-bench airline tau2/airline |
2024-06-17 |
τ²-bench telecom tau2/telecom |
2025-06-09 |
τ-Knowledge banking tau2/banking_knowledge |
2026-03-04 |
Une version plus ancienne d'un benchmark reçoit moins de poids (contamination, saturation) : le poids est divisé par deux tous les decay_half_life mois, jusqu'à decay_min.
Formules
Chaque composante est ramenée à l'échelle Arena par égalisation linéaire sur les modèles mesurés par les deux (ancre A = Arena text overall). Les paramètres sont fixés sur l'instantané de référence de la version de la méthodologie, ce qui garde les mois comparables.
x_eq = μ_A + (x − μ_c) · σ_A / σ_c se_eq = se · σ_A / σ_c w_c = 8 · family_share[f] · base_w[c] / Σ base_w(f, present) rel_c = τ² / (τ² + se_eq²) w_eff = w_c · rel_c · decay_c · (self_report ? 0 : 1) Q = (Σ w_eff · x_eq + w0 · prior) / (Σ w_eff + w0) SE(Q) = √Σ (w_eff · se_eq)² / (Σ w_eff + w0)
Au sein d'une catégorie, les composantes sont moyennées selon leurs poids, leur fiabilité (τ) et l'âge du benchmark ; un modèle peu mesuré est ramené vers le prior. Paramètres :
anchor- arena:text/overall
total_weight- 8
tau- 15
w0- 0,50
prior_pct- 25
min_anchors- 8
min_votes- 300
min_confidence- 0,90
decay_half_life- 18
decay_min- 0,25
outlier_sigma- 3
outlier_factor- 0,50
population_months- 18
jump_sigma- 3
Niveau = le moins bon entre le niveau par percentile et le niveau par intervalle de confiance ; un modèle avec une seule famille de sources obtient au plus A.
Niveau = le moins bon entre le niveau par percentile et le niveau par intervalle de confiance ; un modèle avec une seule famille de sources obtient au plus A.
provisional_max- A
S ≥ p95A ≥ p80B ≥ p50C ≥ p25 D < p25
Niveau par intervalle de confiance (borne supérieure du rang / modèles): S ≤ 10% · A ≤ 30% · B ≤ 60% · C ≤ 85%
Rapport qualité-prix
Le rapport qualité-prix est l'écart au-dessus de la droite de régression de la qualité sur le log₂ du prix ; le prix est la médiane des fournisseurs.
slice- general
input_share- 3
output_share- 1
price_sources- modelsdev, litellm
unit- 1m_tokens
Sur votre matériel
Local : uniquement des poids ouverts, la meilleure quantification qui tient dans une configuration, le score ajusté selon la vitesse de génération.
slice- general
context- 8 192
speed_ref- 20
low_penalty- 0,60
- GPU 12 Go
- GPU 24 Go
- Mac 64 Go
- 128 Go de mémoire unifiée
- CPU, 32 Go de RAM
Données, licence et archives
L'index (nos chiffres et décompositions) est sous CC BY 4.0 : « fedi-index by fedi.software » avec un lien. Les composantes conservent les licences de leurs sources, listées dans sources[] du JSON.
Un instantané est figé le 1er de chaque mois et ne change plus ; une nouvelle version de la méthodologie ouvre une nouvelle série.
JSON mensuel: 2026-10
Journal des modifications
- v1 2026-10-01 First version: LMArena + Epoch AI + τ²-bench, linear equating to Arena text Elo with parameters fixed on the reference snapshot, family shares, sub-scores arena / bench, value = residual of the price regression + Pareto, local = Fit on 5 stacks.
- v1.1 2026-10-01 Local quant floor: the quant is picked like local-fit (Q3 floor; below it only when nothing of Q3+ fits — "strong compression", ×0.6, ranked after every Q3+ model). Local only; the v1 scale and the published 2026-10 snapshot are unchanged.