Benchmark LLM Août 2026 : Kimi K3 prend un classement Arena, la guerre des prix s'ouvre

Août 2026 restera le mois où les modèles à poids ouverts ont cessé d'être une alternative de repli.

Kimi K3 a pris la première place du classement Frontend Code de LMArena avec 1679 points d'Elo — le premier modèle ouvert à dominer un classement Arena de bout en bout. Dans le même temps, DeepSeek et xAI ont publié leurs modèles phares le même jour, déclenchant une guerre des prix dont les entreprises sortent gagnantes.

Cette édition couvre les sorties d'août, l'état des classements à la fin du mois, et l'effondrement du coût par tâche.

Les sorties du mois

Les classements à la fin du mois

Arena Elo — la préférence humaine

Vingt-six points séparent le premier du septième. C'est un écart faible : sur le classement textuel généraliste, Kimi K3, modèle ouvert, se tient au niveau de Gemini 3.1 Pro et de Grok 4.5. La hiérarchie ouvert/propriétaire, encore nette au printemps, ne se lit plus dans ces chiffres.

Intelligence Index v4.2

La guerre des prix, et le coût réel par tâche

Le fait économique du mois tient dans une comparaison publiée par Artificial Analysis à la mi-août.

C'est cette mesure — le coût par tâche plutôt que le prix affiché au million de jetons — qui est devenue l'indicateur déterminant en 2026. Un modèle deux fois moins cher qui raisonne trois fois plus longtemps coûte plus cher à l'arrivée. Le tarif seul ne dit rien.

Entre Claude Fable 5 et DeepSeek V4 Pro, le rapport en sortie est de 57 pour 1. Aucun écart de qualité ne justifie mécaniquement un tel facteur — mais aucun écart de prix ne dispense non plus de vérifier que le modèle bon marché fait le travail.

Ce qu'il faut en retenir pour une entreprise

Sur le volet sécurité, l'évaluation de GLM-5.3 sur CyberGym, publiée à la mi-août, mérite une lecture attentive : elle documente les capacités offensives d'un modèle à poids ouverts, donc librement déployable. Nous y consacrons une analyse dédiée.

Questions fréquentes

Quel était le meilleur modèle en août 2026 ?

Sur la préférence humaine, Claude Fable 5 menait l'Arena à 1525 points d'Elo, suivi de près par Claude Opus 5 à 1522. Sur l'Intelligence Index v4.2, Grok 4.6 arrivait en tête à 60,9. Les deux mesures ne disent pas la même chose : l'une évalue ce que les utilisateurs préfèrent, l'autre la justesse sur des épreuves fermées.

Un modèle à poids ouverts peut-il remplacer une API propriétaire ?

En août 2026, c'est devenu défendable sur une partie des usages. Kimi K3 a pris la tête du classement Frontend Code de LMArena, et DeepSeek V4 Pro atteint 87,9 sur Terminal-Bench 2.1 pour moins d'un dollar par million de jetons en sortie. Les réserves restent les mêmes : licences à vérifier, jeux d'entraînement non publiés, et origine juridictionnelle à intégrer dans votre analyse de risque si les données sont sensibles.

Pourquoi les scores d'août diffèrent-ils autant de ceux de septembre ?

Parce que l'instrument a changé. Artificial Analysis a refondu son indice le 7 septembre : Grok 4.6 passe de 60,9 à 44, Kimi K3 de 60 à 44, DeepSeek V4 Pro de 53 à 36. Aucun de ces modèles n'a régressé. C'est la raison pour laquelle nous datons et versionnons systématiquement chaque relevé.

Comment choisir entre un modèle à 0,87 $ et un modèle à 50 $ en sortie ?

Par le coût d'une erreur. Sur une tâche où une réponse imparfaite se corrige sans conséquence — classification, extraction, reformulation — le modèle bon marché gagne largement. Sur un agent qui modifie du code en production ou produit un document engageant, le coût d'une erreur dépasse de très loin l'écart de facture. Commencez par qualifier ce coût, le choix du modèle en découle.