Un modèle d'IA majeur vient de s'emparer des tableaux de référence, établissant de nouveaux records dans plusieurs métriques d'évaluation qui comptent.

La dernière version cartonne lors des tests académiques : 88,2 % sur les questions de science de niveau universitaire GPQA Diamond (, 94,5 % sur AIME 2025 ), une compétition mathématique d'élite pour les lycéens, et un impressionnant 96,7 % sur les problèmes de mathématiques Harvard-MIT. Elle a également obtenu 61,9 % sur USAMO25, l'une des compétitions de mathématiques basées sur des preuves les plus difficiles.

Mais voici le point crucial : le score ARC-AGI-2 a atteint 44,4 %, ce qui est presque le double de ce que le modèle en deuxième place a réalisé. C'est un écart énorme dans les capacités de raisonnement.

Cette avancée en performance suggère que nous voyons de réels progrès dans le raisonnement abstrait et la résolution de problèmes complexes, et pas seulement dans la reconnaissance de motifs. Les scores en mathématiques et en logique sont particulièrement notables étant donné à quel point ces références ont été résistantes à l'amélioration.

Il vaut la peine de regarder comment cela impacte la course à l'IA en général et ce que cela signifie pour les applications dans la recherche, le codage et les tâches analytiques.