Gemini 3.8 Flash en tête de 14 modèles ; GLM-5.3 Flash est 6 fois moins cher
Treize nouveaux modèles testés sur six tâches documentaires dans cinq langues : Gemini 3.8 Flash arrive premier, GLM-5.3 Flash s'impose comme l'alternative économique, et Sonnet 5.5 remplace Sonnet 5.
Publié le 12 octobre 2026 · chiffres de l'exécution 20261010T220935Z-c30495
Cette dernière série de tests ajoute 13 modèles au benchmark : 14 modèles sont désormais classés. Un document n’est considéré comme correct que si tous ses champs sont exacts. Les coûts correspondent à la facturation de l’API pour 1 000 documents. Tous les documents sont synthétiques, la température est fixée à 0 et les langues testées sont cs, de, en, es et fr.
Le classement : deux modèles Flash en tête
Gemini 3.8 Flash prend la première place : 97,40 % des documents sont entièrement corrects, pour 4,03 $. GLM-5.3 Flash, un modèle à poids ouverts, arrive deuxième avec 96,55 % pour 0,68 $. C’est environ 6 fois moins cher que le leader, pour un écart de moins d’un point. GPT-6 Sol est troisième et Claude Sonnet 5.5 quatrième.
| Rang | Modèle | Entièrement correct | USD pour 1 000 docs |
|---|---|---|---|
| 1 | Gemini 3.8 Flash | 97,40 % | 4,03 $ |
| 2 | GLM-5.3 Flash | 96,55 % | 0,68 $ |
| 3 | GPT-6 Sol | 95,97 % | 4,56 $ |
| 4 | Claude Sonnet 5.5 | 95,48 % | 5,55 $ |
| 5 | DeepSeek V4.1 Flash | 93,00 % | 0,45 $ |
| 6 | GPT-6 Luna | 92,44 % | 0,24 $ |
Viennent ensuite : Claude Sonnet 5 (8e, 91,28 %), Mistral Large 4 (9e, 88,99 %), Qwen3.8 Flash (10e, 88,60 %), Gemini 3.5 Flash Lite (11e, 86,99 %), Mistral Medium 3.5 (12e, 86,37 %), Gemma 4 31B (13e, 81,15 %) et Mistral Small 4 (14e, 73,66 %).
Le tarif catalogue est un mauvais indicateur du coût réel. Mistral Large 4 est affiché à 0,68 $ / 2,09 $ par million de tokens en entrée / en sortie, mais il revient à 5,50 $ pour 1 000 documents. Les modèles de raisonnement produisent de longues sorties cachées, qui sont facturées.
Sonnet 5.5 face au modèle qu’il remplace
Claude Sonnet 5.5 remplace Claude Sonnet 5 et fait mieux sur presque tous les points. Au global, il obtient 95,48 % contre 91,28 %, et il est moins cher : 5,55 $ contre 5,96 $. Sur les factures, 99,59 % des documents sont entièrement corrects, contre 92,66 %. Sur les scans et les photos, il atteint 100,00 %, le meilleur résultat des 14 modèles ; Sonnet 5 plafonne à 91,33 %.
Son point faible : les comptes rendus de réunion, avec 89,46 %, contre 77,86 % pour Sonnet 5. Gemini 3.8 Flash et DeepSeek V4.1 Flash y atteignent tous deux 100,00 %. Le tri des e-mails reste aussi modeste, à 84,80 %. Consultez le comparatif direct ou la page de Sonnet 5.5.
Forces et faiblesses, tâche par tâche
- Clauses de contrat : Gemini 3.8 Flash 99,73 %, Sonnet 5.5 99,46 %. Gemma 4 31B chute à 56,39 %.
- Tri des e-mails : la tâche la plus difficile. GLM-5.3 Flash est en tête avec 89,06 % pour 0,47 $, juste devant Gemini 3.8 Flash à 88,93 %. Mistral Medium 3.5 obtient 53,73 % et Mistral Small 4 seulement 35,59 %.
- Anonymisation des données personnelles : quasiment résolue pour la plupart des modèles. Sonnet 5.5 obtient 99,60 %, GLM-5.3 Flash et Gemma 4 31B 99,06 %. Gemini 3.5 Flash Lite fait figure d’exception avec 84,66 %.
- Questions sur un document : GPT-6 Sol, Sonnet 5.5, Mistral Medium 3.5, Gemma 4 31B et Mistral Small 4 atteignent tous 100,00 %. Mistral Large 4 obtient 88,53 %, avec 4,66 % de documents sans réponse valide.
- Comptes rendus de réunion : Mistral Medium 3.5 atteint 100,00 % pour 1,92 $. Mistral Large 4 obtient 89,33 % pour 8,56 $, et 10,66 % de ses documents n’ont aucune réponse valide.
Qwen3.8 Flash présente un problème similaire sur les factures : 6,66 % de documents sans réponse valide et 75,86 % de documents entièrement corrects. Notre test de Mistral Large 4 revient plus en détail sur ce modèle.
Factures, scans et coût réel
Les factures permettent de bien départager les modèles. Chacune comporte 13 champs : une seule erreur rend donc toute la facture fausse. L’article sur la précision par champ et par document explique pourquoi c’est important. Avec un coût de correction de 3 minutes par facture erronée, à 40 $/heure, le coût réel pour 1 000 factures se présente ainsi :
- Sonnet 5.5 : API 10,65 $, soit 19 $ correction incluse.
- Gemini 3.8 Flash : API 5,83 $, soit 49 $ correction incluse.
- GLM-5.3 Flash : API 1,00 $, soit 110 $ correction incluse.
- GPT-6 Luna : API 0,53 $, soit 169 $ correction incluse.
- Mistral Small 4 : API 0,43 $, soit 998 $ correction incluse.
La facture d’API la plus basse n’est pas le résultat le plus économique. Sur les scans et les photos, l’écart se creuse : Gemini 3.8 Flash obtient 98,44 %, GLM-5.3 Flash 93,99 %, GPT-6 Luna 86,00 %, Gemma 4 31B 43,33 % et Mistral Small 4 40,89 %.
Langues
Gemini 3.8 Flash est le plus homogène : ses résultats vont de 96,44 % (de) à 98,11 % (cs). GPT-6 Sol tombe à 93,66 % en es comme en fr. GLM-5.3 Flash est le plus faible en fr, à 95,00 %, et en de, à 95,11 %. Gemma 4 31B affiche la plus grande amplitude, de 91,66 % en en à 73,89 % en fr et 75,44 % en de. DeepSeek V4.1 Flash est le plus faible en de, à 89,44 %.
Lequel choisir
Pour la meilleure précision, choisissez Gemini 3.8 Flash. Pour le meilleur rapport qualité-prix, choisissez GLM-5.3 Flash. Pour les factures et les scans, où les erreurs coûtent cher, Sonnet 5.5 est le plus performant. GPT-6 Luna, à 0,24 $, est le modèle le moins cher qui dépasse encore 92 %. Évitez Mistral Small 4 et Gemma 4 31B pour les factures.
Retrouvez le tableau complet dans le classement et notre façon de tester dans la méthodologie.
Voir les résultats actuels pour votre tâche et votre langue →