BenchSift
EN

Decision Index

Classement Artificial Analysis des modèles décisionnels, qui choisissent parmi des options et en donnent les probabilités, face à des LLM qui répondent en JSON : classification, appel d'outils, connaissances, hallucinations et raisonnement.

En bref

Claude Opus 5.5 (Max, Default Fallback) est en tête avec 79,0, sur 36 résultats. Meilleur rapport score/coût : Elephant 9B, 64,7 pour 0,00000839 $ par tâche. Le plus rapide : d1-ultra, 0,093 s par tâche.

Rapport et vitesse sont choisis parmi les 18 premiers, pour qu'un essai bon marché ou rapide mais faible ne l'emporte pas. Données relevées le 4 nov. 2026.

Voir sur Artificial Analysis
Configurations
36
Meilleur index
79,0
Claude Opus 5.5 (Max, Default Fallback)
Meilleur modèle décisionnel
65,2
d1-ultra
Plus rapide
0,063 s
Celeris-1 Decision · 52,3

Index selon le coût ou la durée

Un point par configuration mesurée. L'axe horizontal est inversé : en haut à droite, un modèle obtient un meilleur index pour moins cher ou plus vite.

Decision Indexplus efficace ↗Coût pour 1 M de tâches

Modèles affichés8 sur 36

Les meilleurs modèles sont affichés par défaut. Survolez un modèle pour le mettre en avant ; les axes s'ajustent aux modèles affichés.

36 / 36 configurations

  1. #1
    Claude Opus 5.5 (Max, Default Fallback)LLM

    Anthropic

    79,0
    Précision
    93,4
    Non-halluc.
    30,3
    HLE
    70,2
    When2Call
    90,5
    WildGuard
    93,5
    Coût / 1 M tâches
    51 294,90 $
    Durée / tâche
    3,57 s
  2. #2
    Claude Opus 5.5 (Low, Default Fallback)LLM

    Anthropic

    75,4
    Précision
    93,4
    Non-halluc.
    27,3
    HLE
    59,8
    When2Call
    88,1
    WildGuard
    93,5
    Coût / 1 M tâches
    6 688,16 $
    Durée / tâche
    1,87 s
  3. #3
    GPT-6.1 Sol (Low)LLM

    OpenAI

    71,5
    Précision
    93,0
    Non-halluc.
    22,9
    HLE
    55,4
    When2Call
    80,6
    WildGuard
    92,0
    Coût / 1 M tâches
    2 048,35 $
    Durée / tâche
    2,89 s
  4. #4
    GPT-6.1 Sol (Max)LLM

    OpenAI

    70,9
    Précision
    91,0
    Non-halluc.
    11,1
    HLE
    58,9
    When2Call
    81,2
    WildGuard
    92,5
    Coût / 1 M tâches
    6 322,89 $
    Durée / tâche
    4,43 s
  5. #5
    Claude Haiku 5.5 (Max)LLM

    Anthropic

    68,4
    Précision
    57,6
    Non-halluc.
    69,3
    HLE
    37,4
    When2Call
    79,4
    WildGuard
    93,2
    Coût / 1 M tâches
    2 073,24 $
    Durée / tâche
    2,66 s
  6. #6
    d1-ultraDécisionnel

    Liquid

    65,2
    Précision
    31,6
    Non-halluc.
    84,5
    HLE
    15,0
    When2Call
    92,6
    WildGuard
    95,4
    Coût / 1 M tâches
    31,80 $
    Durée / tâche
    0,093 s
  7. #7
    GLiDE v1.2Décisionnel

    Fastino

    65,0
    Précision
    27,6
    Non-halluc.
    77,9
    HLE
    17,5
    When2Call
    94,4
    WildGuard
    95,4
    Coût / 1 M tâches
    31,74 $
    Durée / tâche
    0,171 s
  8. #8
    SubQ Snap 1.1Décisionnel

    Subquadratic

    65,0
    Précision
    20,2
    Non-halluc.
    85,7
    HLE
    17,5
    When2Call
    94,6
    WildGuard
    94,9
    Coût / 1 M tâches
    30,34 $
    Durée / tâche
    0,19 s
  9. #9
    Elephant 9BDécisionnel

    Baseten

    64,7
    Précision
    11,6
    Non-halluc.
    93,2
    HLE
    18,3
    When2Call
    94,8
    WildGuard
    93,3
    Coût / 1 M tâches
    8,39 $
    Durée / tâche
    0,165 s
  10. #10
    Claude Haiku 5.5 (Xhigh)LLM

    Anthropic

    64,4
    Précision
    58,6
    Non-halluc.
    55,1
    HLE
    30,2
    When2Call
    77,6
    WildGuard
    93,1
    Coût / 1 M tâches
    493,09 $
    Durée / tâche
    1,55 s
  11. #11
    Drex MaxDécisionnel

    Nace Ai

    63,7
    Précision
    27,6
    Non-halluc.
    71,3
    HLE
    16,0
    When2Call
    94,0
    WildGuard
    95,5
    Coût / 1 M tâches
    23,03 $
    Durée / tâche
    0,353 s
  12. #12
    Claude Haiku 5.5 (High)LLM

    Anthropic

    62,6
    Précision
    57,2
    Non-halluc.
    48,6
    HLE
    26,7
    When2Call
    76,9
    WildGuard
    93,8
    Coût / 1 M tâches
    292,17 $
    Durée / tâche
    1,48 s
  13. #13
    Claude Haiku 5.5 (Medium)LLM

    Anthropic

    61,4
    Précision
    58,6
    Non-halluc.
    48,8
    HLE
    23,2
    When2Call
    75,4
    WildGuard
    93,3
    Coût / 1 M tâches
    232,41 $
    Durée / tâche
    1,53 s
  14. #14
    GPT-6 Luna (Max)LLM

    OpenAI

    60,8
    Précision
    73,6
    Non-halluc.
    3,0
    HLE
    35,3
    When2Call
    79,0
    WildGuard
    90,5
    Coût / 1 M tâches
    591,63 $
    Durée / tâche
    2,25 s
  15. #15
    Claude Haiku 5.5 (Low)LLM

    Anthropic

    60,6
    Précision
    52,4
    Non-halluc.
    54,6
    HLE
    23,6
    When2Call
    72,6
    WildGuard
    92,6
    Coût / 1 M tâches
    184,25 $
    Durée / tâche
    1,43 s
  16. #16
    GPT-6 Luna (High)LLM

    OpenAI

    59,1
    Précision
    69,6
    Non-halluc.
    3,3
    HLE
    32,4
    When2Call
    78,6
    WildGuard
    88,9
    Coût / 1 M tâches
    234,32 $
    Durée / tâche
    1,8 s
  17. #17
    GPT-6 Luna (Medium)LLM

    OpenAI

    58,2
    Précision
    71,2
    Non-halluc.
    0,0
    HLE
    29,0
    When2Call
    78,2
    WildGuard
    89,8
    Coût / 1 M tâches
    181,79 $
    Durée / tâche
    1,73 s
  18. #18
    Drex 2.0Décisionnel

    Nace Ai

    57,9
    Précision
    27,4
    Non-halluc.
    60,3
    HLE
    13,6
    When2Call
    86,2
    WildGuard
    87,9
    Coût / 1 M tâches
    41,36 $
    Durée / tâche
    0,252 s
  19. #19
    Jev 1.13Décisionnel

    Typesafe

    57,5
    Précision
    34,6
    Non-halluc.
    35,2
    HLE
    20,9
    When2Call
    80,7
    WildGuard
    93,6
    Coût / 1 M tâches
    41,53 $
    Durée / tâche
    0,127 s
  20. #20
    Jev 1.14Décisionnel

    Typesafe

    57,1
    Précision
    33,8
    Non-halluc.
    37,2
    HLE
    18,9
    When2Call
    80,8
    WildGuard
    93,1
    Coût / 1 M tâches
    41,53 $
    Durée / tâche
    0,078 s
  21. #21
    Decider v1.2Décisionnel

    Perplexity

    56,2
    Précision
    39,4
    Non-halluc.
    16,5
    HLE
    14,6
    When2Call
    87,7
    WildGuard
    94,4
    Coût / 1 M tâches
    15,14 $
    Durée / tâche
    0,206 s
  22. #22
    Gemma 4 31B (Reasoning)LLM

    Google · DeepInfra

    55,5
    Précision
    47,6
    Non-halluc.
    4,2
    HLE
    25,7
    When2Call
    77,6
    WildGuard
    92,8
    Coût / 1 M tâches
    624,44 $
    Durée / tâche
    14,4 s
  23. #23
    GPT-6 Luna (Low)LLM

    OpenAI

    55,2
    Précision
    66,0
    Non-halluc.
    0,0
    HLE
    22,2
    When2Call
    77,0
    WildGuard
    88,5
    Coût / 1 M tâches
    131,05 $
    Durée / tâche
    1,5 s
  24. #24
    GLiDEDécisionnel

    Fastino

    53,9
    Précision
    36,4
    Non-halluc.
    16,4
    HLE
    10,5
    When2Call
    83,7
    WildGuard
    95,1
    Coût / 1 M tâches
    119,02 $
    Durée / tâche
    0,217 s
  25. #25
    Microsoft-Decision-1Décisionnel

    Microsoft · OpenRouter

    53,8
    Précision
    28,2
    Non-halluc.
    39,8
    HLE
    10,9
    When2Call
    81,9
    WildGuard
    88,2
    Coût / 1 M tâches
    30,71 $
    Durée / tâche
    0,207 s
  26. #26
    Decider v1.1 27BDécisionnel

    Perplexity

    53,1
    Précision
    39,8
    Non-halluc.
    13,3
    HLE
    15,4
    When2Call
    76,5
    WildGuard
    93,8
    Coût / 1 M tâches
    16,53 $
    Durée / tâche
    0,17 s
  27. #27
    Mercury DecideDécisionnel

    Inception

    52,7
    Précision
    35,0
    Non-halluc.
    32,0
    HLE
    10,1
    When2Call
    79,3
    WildGuard
    88,0
    Coût / 1 M tâches
    15,20 $
    Durée / tâche
    0,5 s
  28. #28
    Celeris-1 DecisionDécisionnel

    Celeris

    52,3
    Précision
    37,8
    Non-halluc.
    0,0
    HLE
    13,3
    When2Call
    83,7
    WildGuard
    93,3
    Coût / 1 M tâches
    31,57 $
    Durée / tâche
    0,063 s
  29. #29
    Drex 1.5Décisionnel

    Nace Ai

    50,7
    Précision
    37,6
    Non-halluc.
    0,6
    HLE
    12,1
    When2Call
    84,8
    WildGuard
    86,9
    Coût / 1 M tâches
    34,47 $
    Durée / tâche
    0,186 s
  30. #30
    d1Décisionnel

    Liquid

    50,3
    Précision
    41,0
    Non-halluc.
    1,7
    HLE
    11,5
    When2Call
    77,4
    WildGuard
    90,9
    Coût / 1 M tâches
    15,14 $
    Durée / tâche
    0,299 s
  31. #31
    Decider Flash v1.2Décisionnel

    Perplexity

    50,2
    Précision
    35,2
    Non-halluc.
    6,5
    HLE
    12,1
    When2Call
    74,4
    WildGuard
    93,3
    Coût / 1 M tâches
    8,23 $
    Durée / tâche
    0,11 s
  32. #32
    GPT-6 Luna (Non-reasoning)LLM

    OpenAI

    49,6
    Précision
    45,4
    Non-halluc.
    0,4
    HLE
    12,3
    When2Call
    76,1
    WildGuard
    87,1
    Coût / 1 M tâches
    88,44 $
    Durée / tâche
    1,14 s
  33. #33
    ClefDécisionnel

    Cloudflare

    48,6
    Précision
    39,0
    Non-halluc.
    4,3
    HLE
    11,1
    When2Call
    71,0
    WildGuard
    90,7
    Coût / 1 M tâches
    199,41 $
    Durée / tâche
    0,309 s
  34. #34
    GPT-6 Luna (Decisions)Décisionnel

    OpenAI

    48,5
    Précision
    40,6
    Non-halluc.
    10,1
    HLE
    11,7
    When2Call
    74,1
    WildGuard
    82,8
    Coût / 1 M tâches
    78,87 $
    Durée / tâche
    0,168 s
  35. #35
    Clef-FlashDécisionnel

    Cloudflare

    45,8
    Précision
    32,6
    Non-halluc.
    2,7
    HLE
    10,3
    When2Call
    64,4
    WildGuard
    90,9
    Coût / 1 M tâches
    31,57 $
    Durée / tâche
    0,298 s
  36. #36
    Clef-OmniDécisionnel

    Cloudflare

    44,3
    Précision
    36,0
    Non-halluc.
    1,6
    HLE
    9,0
    When2Call
    62,1
    WildGuard
    87,2
    Coût / 1 M tâches
    123,08 $
    Durée / tâche
    0,172 s
Méthode et versions

L'Artificial Analysis Decision Index combine quatre évaluations. Chaque tâche présente un état, le texte sur lequel décider, et une ou plusieurs questions à choix nommés ou par oui ou non ; le modèle répond à toutes les questions d'une tâche en un seul appel.

  • L'index est la moyenne à parts égales (25 % chacune) d'AA-Omniscience-Decision, HLE-MultiChoice, When2Call et WildGuardTest ; AA-Omniscience-Decision compte pour moitié sa précision et pour moitié son taux de non-hallucination.
  • Les modèles décisionnels reçoivent l'état et les questions via leur API de décision et renvoient l'option choisie avec une probabilité par option ; pour un oui ou non, la réponse est oui à partir d'une probabilité de 0,5.
  • Les LLM reçoivent un prompt système fixe, l'état et les questions en texte, et répondent en JSON contraint par des sorties structurées.
  • AA-Omniscience-Decision : 500 questions privées tirées d'AA-Omniscience, chacune avec quatre réponses, dont une correcte, et « je ne sais pas ».
  • HLE-MultiChoice : les 513 questions à choix multiple sans image de Humanity's Last Exam, sur 2 500 au total.
  • When2Call : 3 423 des 3 652 tâches du jeu de test de NVIDIA ; AA écarte 229 tâches « demander une précision » ambiguës.
  • WildGuardTest : évaluation de classification de sécurité, scorée en F1 moyen.
  • Coût et durée sont les moyennes par tâche publiées par Artificial Analysis ; le coût est affiché pour 1 million de tâches, comme sur AA.

Données via Artificial Analysis, Decision Index.

Préférences et audience

Rybbit : visites, performances, clics, copies, formulaires et relecture de sessions (saisies masquées), avec votre accord. Refuser ne limite pas le site.

Confidentialité

Autoriser l’analyse de navigation ?

Avec votre accord, Rybbit mesure les visites, les performances et les interactions (clics, copies, formulaires) et permet la relecture de sessions pour améliorer BenchSift. Les saisies sont masquées dans les relectures. Refuser ne limite pas le site.

Votre choix est conservé 180 jours. Modifiez-le à tout moment via « Préférences de confidentialité » en bas de page. Le retrait recharge la page.

Aucun choix enregistré : Rybbit est désactivé.

Confidentialité