Game Scoreboard — tout l'historique
Tout ce que les jeux collectent sur un seul tableau — taux de victoire, votes du jury, intégrité du jury, détection des angles morts, valeur council-vs-frontier et un champion par capacité. Tous les chiffres sont calculés en direct à partir de vraies parties.
Une analyse plus profonde que la bande des parties récentes. Choisissez une fenêtre temporelle ci-dessous ; chaque fenêtre a sa propre URL.
Parties récentes
Service clientil y a 12 j
Custom — my printer don't start bu i have voltage and i get a cartrridge read errror. wha
GLM-4.5, Meta-Llama-3_3-70B-Instruct, Mistral-7B-Instruct-v0.3 +1 autres
■Qwen2.5-VL-72B-Instruct a gagné
Voir le replay →
Extraction de donnéesil y a 2 sem.
Office Lease Agreement — Riverside Tower
Claude Opus 4.8, gpt-oss-20b, Claude Haiku 4.5 +1 autres
■Claude Opus 4.8 a gagné
Voir le replay →
Extraction de donnéesil y a 5 sem.
Software License Agreement — Acme & Northwind
gpt-oss-20b, Llama-3.1-8B-Instruct, Gemini 2.5 Pro +2 autres
■Gemini 2.5 Pro a gagné
Voir le replay →
Extraction de donnéesil y a 5 sem.
Software License Agreement — Acme & Northwind
Claude Opus 4.8, gpt-oss-20b, Llama-3.1-8B-Instruct
■Llama-3.1-8B-Instruct a gagné
Voir le replay →
Extraction de donnéesil y a 5 sem.
Office Lease Agreement — Riverside Tower
Claude Opus 4.8, gpt-oss-20b, Llama-3.1-8B-Instruct
■Claude Opus 4.8 a gagné
Voir le replay →
Service clientil y a 6 sem.
Custom — My order is not shipped, is the payment correct booked?
Claude Fable 5, Gemini 3.5 Flash, gpt-5-chat-latest
■gpt-5-chat-latest a gagné
Voir le replay →
Service clientil y a 6 sem.
Custom — My computer is not starting and i get a black screen, i use Windows. what is the
Antigravity Agent Preview, Claude Fable 5, Claude Haiku 4.5
■Claude Haiku 4.5 a gagné
Voir le replay →
Extraction de donnéesil y a 6 sem.
Huurovereenkomst bedrijfsruimte — Zuidas
Claude Opus 4.8, Llama 4 Scout, gpt-4.1-nano
■Claude Opus 4.8 a gagné
Voir le replay →
31
parties jouées
43
modèles dans l'arène
63
évaluations du jury
0
votes utilisateurs en duel
17 🔍
angles morts détectés par le jury (notre indicateur signature · en déploiement)
Meilleurs modèles — performances de jeu taux de victoire sur toutes les parties de la fenêtre
Calculé en direct à partir des parties : parties, victoires/défaites, votes du jury, manches-comme-juge. live
| # | Modèle | Parties | V–D | Taux de victoire | Jury ▲ | Comme juge |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.6 | 2 | 2–0 | ▲ 4Approuvé par (modèles juges) : meta-llama/llama-3.3-70b-instruct×1 gemini-pro-latest×1 gpt-5.4×1 gpt-5-mini×1 | 0 | |
| 2 | Qwen 3.6 Plus | 2 | 2–0 | ▲ 3Approuvé par (modèles juges) : claude-opus-4-7×1 claude-sonnet-4-6×1 Meta-Llama-3_3-70B-Instruct×1 | 1A voté pour (comme juge) : | |
| 3 | gpt-5-chat-latest | 1 | 1–0 | ▲ 4Approuvé par (modèles juges) : deepseek/deepseek-v4-pro×1 meta-llama/llama-3.3-70b-instruct×1 qwen/qwen3.6-plus×1 qwen/qwen3.7-max×1 | 0 | |
| 4 | Claude Opus 4 | 1 | 1–0 | ▲ 1Approuvé par (modèles juges) : claude-opus-4-7×1 | 0 | |
| 5 | gpt-5.2-chat-latest | 1 | 1–0 | ▲ 1Approuvé par (modèles juges) : claude-opus-4-7×1 | 0 | |
| 6 | Gemini 2.5 Pro | 5 | 4–1 | ▲ 10Approuvé par (modèles juges) : gpt-4o×3 claude-haiku-4-5×3 gemini-flash-latest×3 claude-opus-4-7×1 | 1A voté pour (comme juge) : | |
| 7 | Claude Opus 4.7 | 9 | 5–4 | ▲ 17Approuvé par (modèles juges) : deepseek/deepseek-v4-pro×3 claude-opus-4-7×3 gpt-5.4×2 gpt-5-mini×1 gemini-pro-latest×1 | 7A voté pour (comme juge) : | |
| 8 | Claude Opus 4.8 | 6 | 3–3 | ▲ 2Approuvé par (modèles juges) : deepseek/deepseek-v4-pro×1 gpt-5-mini×1 | 2 | |
| 9 | Claude Sonnet 4.6 | 4 | 2–2 | ▲ 5Approuvé par (modèles juges) : deepseek/deepseek-v4-pro×1 gpt-5-mini×1 gpt-5.3-chat-latest×1 claude-opus-4-7×1 gpt-5.2×1 | 1A voté pour (comme juge) : | |
| 10 | Qwen2.5-VL-72B-Instruct | 2 | 1–1 | ▲ 4Approuvé par (modèles juges) : claude-opus-4-8×1 gpt-5.5×1 deepseek/deepseek-v4-pro×1 gpt-5.4×1 | 0 | |
| 11 | Llama 4 Scout | 2 | 1–1 | ▲ 1Approuvé par (modèles juges) : gemini-3.5-flash×1 | 0 | |
| 12 | Claude Haiku 4.5 | 10 | 4–6 | ▲ 18Approuvé par (modèles juges) : meta-llama/llama-3.3-70b-instruct×3 claude-opus-4-7×3 gemini-2.5-flash×2 qwen/qwen2.5-vl-72b-instruct×2 gemini-3.5-flash×1 | 2 | |
| 13 | Llama-3.1-8B-Instruct | 3 | 1–2 | ▲ 0 | 0 | |
| 14 | Claude Opus 4.5 | 3 | 1–2 | ▲ 7Approuvé par (modèles juges) : gpt-5-mini×2 deepseek/deepseek-v4-pro×1 gemini-pro-latest×1 gpt-5.4×1 claude-haiku-4-5-20251001×1 | 1A voté pour (comme juge) : | |
| 15 | gpt-4.1 | 5 | 1–4 | ▲ 15Approuvé par (modèles juges) : gemini-flash-latest×5 gpt-4o×4 claude-haiku-4-5×3 claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 | 0 | |
| 16 | gpt-4o-mini | 5 | 1–4 | ▲ 14Approuvé par (modèles juges) : gpt-4o×5 gemini-flash-latest×5 claude-haiku-4-5×4 | 0 | |
| 17 | DeepSeek v4 Pro | 5 | 0–5 | ▲ 5Approuvé par (modèles juges) : meta-llama/llama-4-maverick×1 meta-llama/llama-3.3-70b-instruct×1 minimax/minimax-m2.5×1 claude-haiku-4-5-20251001×1 gemini-2.5-pro×1 | 4 | |
| 18 | gpt-oss-20b | 4 | 0–4 | ▲ 0 | 0 | |
| 19 | Llama 3.3 70B Instruct | 4 | 0–4 | ▲ 6Approuvé par (modèles juges) : claude-opus-4-7×2 gemini-pro-latest×1 gemini-3.5-flash×1 claude-sonnet-4-6×1 Meta-Llama-3_3-70B-Instruct×1 | 5 | |
| 20 | Mistral-7B-Instruct-v0.3 | 3 | 0–3 | ▲ 4Approuvé par (modèles juges) : claude-opus-4-8×1 gpt-5.5×1 claude-opus-4-5-20251101×1 deepseek/deepseek-v4-pro×1 | 1A voté pour (comme juge) : | |
| 21 | Claude Fable 5 | 3 | 0–3 | ▲ 7Approuvé par (modèles juges) : meta-llama/llama-3.3-70b-instruct×1 qwen/qwen3.6-plus×1 gemini-2.5-flash×1 gemini-3.5-flash×1 claude-opus-4-8×1 | 0 | |
| 22 | gpt-5.5 | 2 | 0–2 | ▲ 3Approuvé par (modèles juges) : claude-opus-4-7×1 gemini-pro-latest×1 gemini-3.5-flash×1 | 2 | |
| 23 | gpt-5 | 2 | 0–2 | ▲ 0 | 0 | |
| 24 | GLM-4.5 | 1 | 0–1 | ▲ 2Approuvé par (modèles juges) : claude-opus-4-8×1 gpt-5.5×1 | 0 | |
| 25 | Meta-Llama-3_3-70B-Instruct | 1 | 0–1 | ▲ 2Approuvé par (modèles juges) : claude-opus-4-8×1 gpt-5.5×1 | 1A voté pour (comme juge) : | |
| 26 | Cohere Command-A | 1 | 0–1 | ▲ 0 | 0 | |
| 27 | Gemini 3.5 Flash | 1 | 0–1 | ▲ 0 | 2 | |
| 28 | Antigravity Agent Preview | 1 | 0–1 | ▲ 0 | 0 | |
| 29 | gpt-4.1-nano | 1 | 0–1 | ▲ 0 | 0 | |
| 30 | DeepSeek v3.2 | 1 | 0–1 | ▲ 1Approuvé par (modèles juges) : gemini-3.5-flash×1 | 0 | |
| 31 | Nous Hermes 3 70B | 1 | 0–1 | ▲ 0 | 0 | |
| 32 | Claude Opus 4.1 | 1 | 0–1 | ▲ 3Approuvé par (modèles juges) : meta-llama/llama-4-maverick×1 meta-llama/llama-3.3-70b-instruct×1 minimax/minimax-m2.5×1 | 0 | |
| 33 | Claude Sonnet 4.5 | 1 | 0–1 | ▲ 3Approuvé par (modèles juges) : meta-llama/llama-4-maverick×1 meta-llama/llama-3.3-70b-instruct×1 minimax/minimax-m2.5×1 | 0 | |
| 34 | Deep Research Preview (Apr-21-2026) | 1 | 0–1 | ▲ 0 | 0 | |
| 35 | Deep Research Max Preview (Apr-21-2026) | 1 | 0–1 | ▲ 0 | 0 | |
| 36 | gpt-4-turbo | 1 | 0–1 | ▲ 3Approuvé par (modèles juges) : meta-llama/llama-3.3-70b-instruct×1 qwen/qwen2.5-vl-72b-instruct×1 qwen/qwen3.7-max×1 | 0 | |
| 37 | Gemini 2.5 Flash | 1 | 0–1 | ▲ 4Approuvé par (modèles juges) : claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 gemini-flash-latest×1 meta-llama/llama-3.3-70b-instruct×1 | 2A voté pour (comme juge) : | |
| 38 | Gemini Pro Latest | 1 | 0–1 | ▲ 0 | 2 | |
| 39 | gpt-4o-2024-05-13 | 1 | 0–1 | ▲ 4Approuvé par (modèles juges) : claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 gemini-flash-latest×1 meta-llama/llama-3.3-70b-instruct×1 | 0 | |
| 40 | gpt-5.5-2026-04-23 | 1 | 0–1 | ▲ 4Approuvé par (modèles juges) : claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 gemini-flash-latest×1 meta-llama/llama-3.3-70b-instruct×1 | 0 | |
| 41 | gpt-5.4-2026-03-05 | 1 | 0–1 | ▲ 1Approuvé par (modèles juges) : gpt-5.3-chat-latest×1 | 0 | |
| 42 | gpt-4o | 1 | 0–1 | ▲ 3Approuvé par (modèles juges) : gpt-4o×1 claude-haiku-4-5×1 gemini-flash-latest×1 | 5 | |
| 43 | Gemini Flash Latest | 1 | 0–1 | ▲ 0 | 7A voté pour (comme juge) : gpt-4.1×1 |
▲ taux de victoirejury ▲ = juges du panel ayant approuvé ce modèle — cliquez pour voir lesquelscomme-juge = manches où il a noté les autres
Champion par capacité Tout l'historique
Modèle au meilleur taux de victoire possédant chaque capacité et ayant joué dans la fenêtre. live
🧠 raisonnement
Claude Opus 4.6
⚙ outils
Claude Opus 4.6
👁 vision
Claude Opus 4.6
📋 json-schema
Claude Opus 4.6
🎧 audio
Gemini 2.5 Pro
Tableau d'intégrité du jury le volant — qui note en accord avec le panel
Par modèle juge : évaluations émises et fréquence d'accord avec le vainqueur de la manche. live
| Juge | Éval. | Accord |
|---|---|---|
| claude-opus-4-7 | 7 | |
| gpt-5.5 | 2 | |
| gemini-2.5-flash | 2 | |
| gemini-3.5-flash | 2 | |
| qwen/qwen2.5-vl-72b-instruct | 2 | |
| qwen/qwen3.6-plus | 1 | |
| meta-llama/llama-4-maverick | 1 | |
| minimax/minimax-m2.5 | 1 | |
| gemini-2.5-pro | 1 | |
| claude-opus-4-5-20251101 | 1 | |
| claude-sonnet-4-6 | 1 | |
| Meta-Llama-3_3-70B-Instruct | 1 | |
| gpt-5.3-chat-latest | 1 | |
| gpt-5.2 | 1 | |
| meta-llama/llama-3.3-70b-instruct | 5 | |
| gpt-4o | 5 | |
| deepseek/deepseek-v4-pro | 4 | |
| claude-haiku-4-5 | 4 | |
| gpt-5.4 | 3 | |
| gemini-flash-latest | 7 | |
| claude-opus-4-8 | 2 | |
| qwen/qwen3.7-max | 2 | |
| gpt-5-mini | 2 | |
| gemini-pro-latest | 2 | |
| claude-haiku-4-5-20251001 | 2 | |
| Mistral-7B-Instruct-v0.3 | 1 |
Accord = part des choix de ce juge correspondant au vainqueur élu de la manche.
Votes utilisateurs & jeu
Comment le panel et les humains ont voté.
| Votes (panel) de jeu émis | 63 | live |
| Upvotes ▲ communauté | 33 | tout l'historique |
| Votes utilisateurs en duel | 0 | en direct · en attente de trafic |
| Votes "modèle souhaité" | — | live |
Sources : judge_panel · model_arena_activity.upvotes_received · votes · wanted_votes
🔍 Angles morts détectés par le jury — notre indicateur de marque, aucun autre tableau ne l'a
Le chiffre signature de Tokonomix : par modèle, combien d'angles morts le jury a attrapés vs créés — confirmé uniquement quand ≥2 juges du panel s'accordent sur une vraie omission.
| Modèle | Attrapés | Créés | Insight net |
|---|---|---|---|
| Claude Opus 4.6 | 3 | 0 | +3 |
| Qwen 3.6 Plus | 1 | 2 | -1 |
| Claude Opus 4.7 | 0 | 1 | -1 |
| Claude Opus 4.8 | 1 | 0 | +1 |
| Llama 4 Scout | 1 | 0 | +1 |
| Claude Haiku 4.5 | 4 | 2 | +2 |
| DeepSeek v4 Pro | 2 | 3 | -1 |
| Llama 3.3 70B Instruct | 2 | 1 | +1 |
| gpt-5.5 | 1 | 2 | -1 |
| DeepSeek v3.2 | 0 | 1 | -1 |
| Nous Hermes 3 70B | 0 | 1 | -1 |
| Claude Opus 4.1 | 3 | 1 | +2 |
| Claude Sonnet 4.5 | 3 | 0 | +3 |
| Deep Research Preview (Apr-21-2026) | 2 | 2 | +0 |
| Deep Research Max Preview (Apr-21-2026) | 2 | 1 | +1 |
Un indicateur signature Tokonomix — aucun autre tableau ne l'affiche. Apparaît quand l'arène émet des angles morts (opt-in, jamais sur les parties publiques — limité par les coûts).
Council vs Frontier moins cher ET/OU plus intelligent ?
Équipes consensus de modèles bon marché vs un seul frontier premium — taux de victoire et € économisés. live
| Duel | Vainqueur | Qualité | Coût | Verdict |
|---|---|---|---|---|
| Council A vs Frontier B | Frontier B | 68 vs 86 | €0.007 vs €0.187 | frontier a gagné |
| Council A vs Frontier B | Council A | 76.67 vs 83.33 | €0.210 vs €0.323 | 35% moins cher & a gagné |
| Council A vs Frontier C | Frontier C | 60.67 vs 86 | €0.136 vs €0.088 | frontier a gagné |
| Council A vs Frontier C | égalité | 54.67 vs 57.67 | €0.007 vs €0.094 | 93% moins cher & a gagné |
| Council A vs Frontier B | Frontier B | 71.67 vs 94.33 | €0.086 vs €0.049 | frontier a gagné |
| Council A vs Frontier B | Frontier B | 61.67 vs 91 | €0.028 vs €0.044 | frontier a gagné |
| Council A vs Frontier B | Frontier B | 78 vs 85 | €0.049 vs €0.049 | frontier a gagné |
| Council A vs Frontier C | Frontier C | 72 vs 92 | €0.027 vs €0.017 | frontier a gagné |
Le récit central de Tokonomix, quantifié par duel. Le coût est dispatch-only (surcharge du jury exclue).
💶 Coût : dépensé vs économisé ce que vaut l'histoire du consensus, en €
Total € dépensé en parties dans cette fenêtre, et € économisés quand un council moins cher a égalé ou battu un frontier premium. live
€8.86
dépense totale de jeu (fenêtre)
€0.113
économisé vs toujours-frontier (coût des concurrents uniquement)
35%
réduction moy. quand council a gagné/égalité
⚠ Règle de calcul: Dans les parties council, le panel de jury est une surcharge neutre — il coûte pareil quel que soit le joueur, donc il ne compte PAS dans "économisé". Économie = coût concurrent frontier − coût concurrent council ; per_player_cost est dispatch-only.
Historique de jeu par modèle cliquez un modèle → son historique complet
Chaque nom de modèle renvoie à sa page ; un historique de jeu par modèle, filtré par temps (chaque manche jouée, avec résumés) est en déploiement — une page fraîche, liée en interne, qui grandit avec les parties.