Les tiers sont les nôtres : la place d'un modèle dans le classement, en ne comptant que les modèles dont tout l'intervalle de confiance est au-dessus du sien. S — les 10 % du haut, A — jusqu'à 30 %, B — jusqu'à 60 %, C — jusqu'à 85 %, D — le reste.
Qualité et prixnote en vertical, prix combiné (3 parts d'entrée pour 1 de sortie) en horizontal, USD par million de tokens
Le principe de l'arène WebDev
Sur l'arène WebDev de LMArena, deux modèles reçoivent la même consigne et doivent chacun construire une petite application web qui fonctionne : une page de réservation, un jeu simple, un tableau de bord. Les internautes testent les deux résultats côte à côte et votent pour l'application qu'ils préfèrent. La note Elo qui en découle reflète donc le résultat complet : la mise en page, le code qui tourne réellement et le respect de la demande, pas seulement la propreté du code. Ce tableau a sa propre liste de modèles, différente de celles des classements texte et code.
Utiliser ce classement en trois étapes
Repérez le groupe de tête. Regardez les tiers S et A plutôt que la première ligne : des intervalles de confiance à 95 % qui se chevauchent signifient que l'écart entre modèles n'est pas net.
Croisez avec le prix et le contexte. Les colonnes sont les mêmes qu'ailleurs : prix par million de tokens, fenêtre de contexte, tendance sur 30 jours. Le filtre « Petit prix » garde les modèles sous 1 USD par million de tokens en prix combiné.
Testez sur votre projet. Cochez jusqu'à 4 modèles et ouvrez la page « Comparer », puis essayez-les sur une vraie tâche avant de choisir.
Ce que le classement ne dit pas
Les applications de l'arène sont petites : les grands projets, avec des dizaines de fichiers et une architecture existante, ne sont pas évalués.
Un modèle a besoin d'au moins 300 votes pour recevoir un tier ; sinon il affiche « Pas encore de tier ».
Le vote exprime une préférence humaine, pas un résultat de tests automatisés.
Les tiers en bref
La lettre est attribuée par le site : la place d'un modèle est comptée selon le nombre de modèles dont l'intervalle est entièrement au-dessus du sien, puis rapportée à l'ensemble. S pour les premiers 10 %, A jusqu'à 30 %, B jusqu'à 60 %, C jusqu'à 85 %, D pour le reste.
Sources
Notes : LMArena WebDev. Prix et contexte : models.dev et LiteLLM, actualisés chaque jour. Pour un travail en plusieurs étapes avec des outils, consultez aussi le classement agents, et pour les réponses sur le code en conversation, le classement code.