Comparatif LLM : prix et intelligence

Comment lire le tableau et choisir un modèle

Ce que signifient les colonnes

• Intel — Intelligence Index — le score agrégé d'Artificial Analysis : plus il est élevé, plus le modèle est intelligent en moyenne.
• Mode — Raisonnement / sans raisonnement et le niveau d'effort. Les différents modes d'un même modèle sont des lignes distinctes, chacune avec son propre score.
• Rsn? — Un indicateur rapide : ce modèle raisonne-t-il (✓) ou non. Il reprend la colonne Mode, mais reste pratique pour trier et filtrer par type.
• Fournisseurs — Combien de plateformes servent le modèle sur OpenRouter. Cliquez sur le nombre pour voir le prix, la latence, la disponibilité et la quantification de chaque fournisseur.
• in $/M et out $/M — Prix par million de tokens en entrée et en sortie (depuis OpenRouter).
• $/intel — Le prix d'entrée divisé par l'Intelligence Index : plus il est bas, moins l'unité d'intelligence coûte cher.
• TTFT (s) et t/s — Vitesse : temps jusqu'au premier token, et nombre de tokens de sortie par seconde.
• Context (k) — Taille de la fenêtre de contexte, en milliers de tokens.
• Tokenizer — La famille de tokenizer du modèle ; elle influe sur le coût réel des textes non anglophones (voir plus bas).
• Créateur — L'entreprise qui a conçu le modèle (Anthropic, OpenAI, Google…) — et non le fournisseur d'inférence.

Ce qu'est l'Intelligence Index

L'Intelligence Index d'Artificial Analysis réunit plusieurs benchmarks en un seul chiffre : vous comparez les modèles sur une même échelle au lieu de jongler avec dix classements. Voyez-le comme une bonne moyenne, pas comme une vérité absolue : un modèle en retard d'un point ou deux peut très bien l'emporter sur votre tâche précise. Servez-vous-en pour présélectionner, puis testez les finalistes sur vos propres prompts.

Pourquoi le $/intel peut tromper pour les modèles de raisonnement

À prix par token égal, les modes de raisonnement obtiennent un meilleur score, donc leur $/intel paraît plus avantageux. Mais le raisonnement est bien plus verbeux — il consomme beaucoup plus de tokens de sortie — si bien que le coût réel d'une réponse dépasse ce que suggère la colonne. Lisez le $/intel avec le mode et le prix de sortie, jamais seul.

Tokenizers et textes non anglophones : ce qui coûte moins cher

Les prix d'OpenRouter sont par token, donc le coût réel du russe ou de l'arabe, par exemple, dépend de la finesse avec laquelle un tokenizer découpe l'écriture. Ordre approximatif, du moins cher au plus cher : Gemini/Gemma et GPT (o200k) → Llama 3, Mistral, Command, Claude → modèles chinois (Qwen, DeepSeek, GLM, Kimi, MiniMax), qui débitent les textes non latins en davantage de tokens. C'est un repère qualitatif, pas des coefficients exacts — seule une mesure sur votre propre texte donne le chiffre réel.

Créateur et fournisseur — à ne pas confondre

Deux notions bien distinctes cohabitent dans ce tableau. Le créateur est celui qui a conçu le modèle (Anthropic, OpenAI, Google, Xiaomi). Un fournisseur est une plateforme qui sert ce modèle via OpenRouter, chacun avec son prix, sa latence et sa disponibilité. Un même modèle peut avoir une douzaine de fournisseurs — cliquez sur le nombre dans la colonne Fournisseurs pour les comparer côte à côte.

Comment choisir en pratique

Partez de la tâche, pas du battage médiatique. Fixez un Intelligence Index minimum qui vous convient, triez par $/intel et parcourez les premières lignes. Besoin de documents longs ? Filtrez par contexte. La latence compte ? Triez par TTFT. Vous travaillez dans une langue autre que l'anglais ? Privilégiez un tokenizer plus favorable. Passez ensuite le modèle choisi à hotdoc et faites-le tourner sur de vrais fichiers.