#benchmarks
10 articles
- 2026-10-25
Un benchmark d’agents teste aussi l’intégrité des traces
Les correctifs récents d’Inspect AI montrent qu’un classement fiable dépend aussi des traces d’échec et de reprise.
- 2026-10-17
Les tokens par seconde sont deux benchmarks sous un trench-coat
Un unique chiffre de tokens par seconde masque l'ingestion du prompt, le décodage et la charge de travail qui compte réellement.
- 2026-10-13
Les modèles de décision bouffent le pain des modèles de chat
Cloudflare, Amazon et Jev ont tous sorti des modèles de décision en octobre 2026. La question n'est pas lequel est le meilleur — c'est pourquoi utiliser un modèle de chat pour le routage en 2026.
- 2026-04-04
Lire une fiche de modèle sans la transformer en benchmark
Une fiche de modèle décrit une possibilité ; elle ne remplace pas une évaluation reproductible sur la charge de travail visée.
- 2026-03-20
Modèles MoE locaux : évaluer les compromis plutôt que promettre un gagnant
Les modèles à mélange d'experts demandent une évaluation locale qui sépare mémoire, vitesse, format et qualité.
- 2026-03-07
Quand l'inférence devient moins chère : concevoir des agents qui vérifient davantage
- 2026-03-05
Quels LLM locaux savent réellement appeler des outils ?
Comment concevoir et interpréter un benchmark d’appel d’outils pour des modèles locaux.
- 2026-03-01
J'ai testé 10 modèles d'IA pour que vous n'ayez pas à le faire
Un week-end passé à tester tous les modèles d'IA locaux prometteurs sur du matériel grand public. Voici ce qui fonctionne vraiment.
- 2026-02-26
Plus gros ne veut pas dire meilleur : comment un modèle de 9 Go a battu 120 milliards de paramètres
J'ai benchmarké 17 LLMs locaux sur 13 dimensions avec 39 tests. Les résultats ont détruit mes hypothèses sur la taille des modèles.
- 2026-02-23
GPT-OSS 120B : premiers benchmarks sur matériel AMD grand public
De vrais benchmarks du modèle open-weight 120B MoE d'OpenAI sur un Ryzen AI Max+ 395 avec 128 Go de mémoire unifiée. Pas de cloud, pas d'A100, juste du bare metal.