TheoPhysEval a été bâti à partir de problèmes que des physiciens en activité n'avaient pas publiés, précisément pour qu'aucun modèle ne puisse les avoir vus. Le meilleur agent en a manqué un, pour un coût moyen d'environ 2,33 dollars par problème.
Modèle
Claude Opus 5.5
Claude Opus 5.5 est un modèle d'intelligence artificielle développé par Anthropic. Cette page réunit ce que l'on sait publiquement du modèle et chaque résultat de benchmark enregistré par Aivio News, avec sa source et sa date.
- Développeur
- Anthropic
- Modèle
- Claude 5
- Sortie
- 22 septembre 2026
- Modalités
- Modèle, Image, Code
- Statut
- Actif
- Source
- anthropic.com
Benchmarks
Tous les articles| Benchmark | Score | Source | Évalué le |
|---|---|---|---|
| Vibe Code Bench single agent, medium effort | 91.5% | vals.ai Indépendant Vérifié | — Date de la source: 9 octobre 2026 |
| Vibe Code Bench single agent, maximum effort | 89.8% | vals.ai Indépendant Vérifié | — Date de la source: 9 octobre 2026 |
Plus sur Claude Opus 5.5
L'entreprise indique que les jetons de raisonnement extraits par les distillateurs sont désormais 10 à 100 fois moins nombreux, et qu'elle a refusé des milliers de milliards de jetons de trafic payant.
Artificial Analysis attribue 56 points à Muse Wonder Full, quatrième de 689 modèles. Meta vend par API le Muse Wonder le plus faible et réserve le plus puissant à Muse Code.
Arena a publié un indice construit à partir de 72 509 sessions d'agents réelles le jour même où elle annonçait une levée de 200 millions de dollars. OpenAI occupe les cinq premières places.
L'entreprise affirme que ses modèles grand public bloquent la majeure partie du travail cyber, et que les défenseurs vérifiés peuvent maintenant demander l'un des trois allègements gradués de ce blocage.
ML4 est un modèle à poids ouverts de mille milliards de paramètres, entraîné sur 3 800 puces Nvidia dans les centres de données européens de Mistral. Le chiffre mis en avant est 82 % à un test de vulnérabilité où, selon l'entreprise, Claude Opus 5.5 et GPT-6 Astra obtiennent presque zéro parce qu'ils refusent la tâche.
Claude était encore utilisé la semaine dernière pour du renseignement et dans des opérations contre l'Iran, selon des sources informées. Anthropic n'a pas commenté.
Deux chiffres publiés cette semaine décrivent les mêmes modèles. Celui que l'on cite dépend entièrement de la part du métier de comptable que l'on accepte de laisser de côté.
Argon écrit jusqu'à un million de tokens en sortie et coûte 2 et 10 dollars par million pendant une période d'introduction. Google dit avoir trouvé une faille critique dans un logiciel hospitalier que les modèles précédents avaient manquée.