Anthropic affiche 75,14 % sur l’ensemble des benchmarks de vals.ai quand OpenAI plafonne à 72,63 % avec GPT-5.6 Sol. Voilà le score global, le résumé d’un affrontement qui, examiné dans le détail, ressemble beaucoup moins à une victoire par KO qu’à un match de boxe où chaque round bascule selon la discipline. Car les deux titans des modèles de langage se rendent coup pour coup, et le choix final dépend entièrement de ce que vous comptez leur demander, mais aussi bien évidemment du prix par million de tokens.
Un premier verdict qui cache une bataille de tranchées
Claude Fable 5 remporte le score composite, personne ne le contestera. Mais 2,5 points d’écart sur un indice agrégé masquent une réalité bien plus retorse. Sur les vingt et quelques épreuves qui composent le panorama de benchmarks, les deux modèles se partagent les premières places avec régularité.
Le contexte technique met les deux adversaires à égalité parfaite. Fenêtre de contexte d’un million de tokens des deux côtés, plafond de sortie à 128K tokens, mêmes modalités d’entrée (texte, image, fichier). Rien ne distingue les deux machines sur le papier des specs brutes. La différence se joue dans le grain fin des benchmarks spécialisés.
Anthropic paie sa performance au prix fort côté latence. Comptez 17,51 minutes contre 12,47 minutes pour le modèle d’OpenAI sur les tâches complètes. Cinq minutes d’écart, c’est une éternité quand on enchaîne les requêtes en production. GPT-5.6 Sol répond plus vite et cet avantage pèsera forcément lourd dans certains arbitrages.
Derrière ces chiffres se cache une géographie précise des forces et des faiblesses où chaque domaine raconte une histoire différente.
A lire également
Programmation et Code : un duel ultra serré
SWE-bench, la référence absolue de la résolution de bugs sur des dépôts réels, sacre GPT-5.6 Sol de justesse. Le modèle d’OpenAI décroche 96,20 % et rafle la première place, talonné par Claude Fable 5 à 95,00 %. Un point d’écart sur l’épreuve que tous les ingénieurs scrutent avant d’adopter un assistant de code.
LiveCodeBench renverse la vapeur au profit d’Anthropic. Claude Fable 5 s’envole à 89,78 % et rafle le sommet de la catégorie, tandis que GPT-5.6 Sol obtient un score de 82,60 % (une trente-huitième place au classement du benchmark). Sur la génération de code en conditions de compétition, Anthropic écrase complètement sont concurrent.
Vibe Code Bench v1.1 prolonge la domination d’Anthropic sur le code moderne. Claude Fable 5 y signe un socre de 90,35 % contre 80,50 % pour son rival, dix points d’avance sur ce qui teste la capacité à générer du code idiomatique et fonctionnel. Terminal-Bench 2.1, en revanche, redonne l’avantage à OpenAI avec 85,77 % contre 80,52 %.
Voici comment se répartissent les score sur les épreuves de code :
| Benchmark de Code | Claude Fable 5 | GPT-5.6 Sol | Modèle en tête |
|---|---|---|---|
| SWE-bench (Bugs réels) | 95,00 % | 96,20 % | GPT-5.6 Sol |
| LiveCodeBench (Compétition) | 89,78 % | 82,60 % | Claude Fable 5 |
| Vibe Code Bench v1.1 (Idiomatique) | 90,35 % | 80,50 % | Claude Fable 5 |
| Terminal-Bench 2.1 (Terminal) | 80,52 % | 85,77 % | GPT-5.6 Sol |
Difficile de trancher nettemment sur le code. Chacun a sa spécialité, son terrain de prédilection, et le choix dépendra de la nature exacte de votre pipeline de développement.
Droit et Finance : deux philosophies qui s’affrontent
LegalBench révèle d’emblée le tempérament de Claude Fable 5. Le modèle d’Anthropic culmine à 88,56 % et coiffe au poteau son rival, qui reste à 86,97 %. Sur ProofBench, épreuve de raisonnement juridique, les deux se retrouvent nez à nez à 77,00 % pile, un ex æquo qui en dit long sur la maturité atteinte par ces architectures.
La finance, elle, donne un signal plus tranché en faveur d’Anthropic. CorpFin v2 place Claude Fable 5 à 71,83 % quand GPT-5.6 Sol dégringole à 64,38 %, soit plus de sept points d’écart. Sur Finance Agent v2, même hiérarchie avec 56,31 % contre 53,76 %. Le modèle d’Anthropic manie visiblement mieux les états financiers, les flux de trésorerie et les subtilités comptables.
MortgageTax et TaxEval v2 confirment cette domination dans le domaine fiscale. Claude Fable 5 y inscrit 68,92 % et 76,94 %, devançant à chaque fois son concurrent (67,29 % et 74,78 %). Pour un cabinet qui broie du crédit hypothécaire ou de la déclaration fiscale à la chaîne, l’affaire semble entendue.
GPT-5.6 Sol conserve pourtant une carte maîtresse dans son jeu juridique. Sur le Legal Research Bench, le modèle d’OpenAI décroche la première place absolue de sa catégorie avec 48,08 %, là où Anthropic ne figure même pas au classement. La recherche jurisprudentielle profonde, celle qui exige d’écumer des montagnes de textes, penche donc vers le flagship d’OpenAI.
Santé et Médecine : Claude prend le pouls plus finement
MedScribe cristallise l’avantage d’Anthropic sur le terrain clinique avec un Claude Fable 5 qui atteint 88,52 % dans la transcription et la structuration de données médicales, contre 85,23 % pour son rival. Trois points qui, dans un contexte de comptes-rendus hospitaliers, se traduisent par moins d’erreurs de saisie sur des dossiers patients.
MedCode creuse le fossé de façon spectaculaire. Le modèle d’Anthropic plante 56,07 % sur le codage médical (les fameuses nomenclatures d’actes et de diagnostics) quand GPT-5.6 Sol s’effondre à 43,97 %. Douze points d’écart… voilà de quoi faire réfléchir n’importe quel service de facturation hospitalière avant de signer un contrat.
Le codage médical reste néanmoins un exercice où les deux modèles peinent dans l’absolu. Un peu plus d’un cas sur deux traité correctement, ce n’est pas encore le niveau qui autoriserait l’autonomie totale sur des enjeux de santé. La supervision humaine demeure la règle, quel que soit le champion retenu.
Sur ce chapitre médical, la messe paraît dite. Anthropic domine les deux épreuves cliniques de référence, et l’écart sur MedCode place Claude Fable 5 comme le choix par défaut pour les acteurs de la santé.
Mathématiques et Sciences : GPQA Diamond renverse la table
GPQA Diamond inverse soudain la hiérarchie. Sur ce benchmark de questions scientifiques de niveau doctoral, GPT-5.6 Sol grimpe à 95,20 % et devance Claude Fable 5, qui s’arrête à 93,18 %. Le modèle d’OpenAI raisonne mieux sur la physique, la chimie et la biologie de haut vol.
IOI, l’olympiade internationale d’informatique adaptée aux modèles, enfonce le clou en faveur d’OpenAI. GPT-5.6 Sol y explose littéralement son adversaire avec 86,67 % contre seulement 72,25 %. Quatorze points de gap sur du raisonnement algorithmique compétitif, le genre d’épreuve où l’on résout des problèmes que même les étudiants brillants redoutent.
ProgramBench renvoie les deux protagonistes à leur humilité commune. Claude Fable 5 y grappille 2,00 % et GPT-5.6 Sol 1,50 %. Des scores dérisoires qui rappellent qu’il existe encore des continents entiers de raisonnement formel où ces modèles n’ont strictement rien compris.
Le verdict scientifique bascule donc vers OpenAI. Dès qu’il s’agit de raisonnement pur, de logique compétitive et de sciences dures, GPT-5.6 Sol prend l’ascendant avec une marge qui ne trompe personne.
Éducation et Académique : MMLU Pro et MMMU couronnent Claude
MMLU Pro place Claude Fable 5 en tête du savoir généraliste. Le modèle d’Anthropic atteint 91,50 % sur ce vaste examen multidisciplinaire et rafle la première place, quand GPT-5.6 Sol reste à 89,10 % (dixième de son classement). Sur la connaissance encyclopédique testée à travers des centaines de matières, Anthropic domine.
MMMU, la version multimodale mêlant texte et images, confirme la tendance de façon plus serrée. Claude Fable 5 y inscrit 89,31 % contre 88,84 %, un demi-point d’avance qui maintient Anthropic en tête du raisonnement académique appuyé sur des diagrammes, des schémas et des figures.
Ces deux victoires dessinent un profil cohérent chez Claude Fable 5. Le modèle excelle dès qu’il faut mobiliser une vaste base de connaissances structurées, qu’elle soit textuelle ou illustrée. Un atout pour l’éducation, la formation et tous les usages qui reposent sur la restitution fidèle du savoir humain.
L’académique tranche donc pour le modèle d’Anthropic. Voilà le troisième pilier, après la finance et la santé, où Claude Fable 5 s’impose solidement.
Vitesse, tarifs et cas d’usage : le nerf de la guerre
Le prix renverse complètement la perspective. GPT-5.6 Sol facture 5 dollars le million de tokens en entrée et 30 dollars en sortie, quand Claude Fable 5 réclame le double avec 10 dollars et 50 dollars. Sur un run complet, l’addition d’Anthropic grimpe en moyenne à 5,16 dollars, une facture qui double pratiquement celle de son concurrent pour un gain de eulement 2,5 points sur l’indice global.
La latence enfonce le clou en faveur d’OpenAI. Avec 12,47 minutes contre 17,51 minutes, GPT-5.6 Sol traite plus vite et donc plus de volume à ressources égales. Pour une application grand public qui encaisse des millions de requêtes, ce cumul vitesse-tarif change radicalement le calcul de rentabilité.
Quelques repères pour orienter votre choix selon votre métier :
| Besoin / Métier | Modèle préconisé | Détails et Performances clés |
|---|---|---|
| Finance, fiscalité, santé, académique | Claude Fable 5 | Domine sur CorpFin, MedCode, MedScribe et MMLU Pro. Le surcoût se justifie si l’exactitude prime sur le volume. |
| Sciences dures, raisonnement algorithmique | GPT-5.6 Sol | Écrase sur GPQA Diamond et IOI. Le choix des labos et des équipes R&D. |
| Programmation et développement | Choix partagé (selon l’usage) | GPT-5.6 Sol mène de peu sur SWE-bench (96,20 %) et Terminal-Bench. Claude Fable 5 domine nettement sur LiveCodeBench (89,78 %) et Vibe Code Bench (90,35 %). |
| Cybersécurité | GPT-5.6 Sol | S’impose seul sur CyberBench avec 88,14 %, là où Anthropic ne concourt pas. |
| Volume et budget serré | GPT-5.6 Sol | Moitié prix et un tiers plus rapide, particulièrement performant sur le ratio coût-performance. |
Le meilleur modèle n’existe pas, et cette comparaison le démontre épreuve après épreuve. Fable 5 remporte, certes, le titre honorifique de meilleur modèle grâce à son score global, alors que GPT-5.6 Sol gagne la guerre de l’économie et du raisonnement scientifique. À vous de décider si vous achetez la précision au prix fort ou la vélocité au tarif malin, le match des frontières se rejouera de toute façon dès la prochaine génération de LLM, ou avec le prochain modèle Gemini 3.5 Pro attendu dans les jours qui viennent.
