À chaque fois qu’un grand modèle domestique sort, on voit “arena” publier un score, puis c’est toujours le même scénario : tabasser Claude et GPT. Est-ce que c’est systématiquement comme ça ? Ou bien ce sont des scores “côté front”, ou bien des scores pour des tâches spécifiques. En tout cas, à chaque fois, ils le sortent comme s’il fallait absolument faire un grand buzz.

Au début, j’ai même essayé spécialement pour tester un peu, puis après, j’ai eu la flemme d’y aller à chaque fois : comme quand, dans le passé, des fabricants chinois publiaient des benchmarks pour “écraser” Apple sans que ça serve à grand-chose…

Arena, en gros, c’est “payer et obtenir”, pour rigoler. Avec les modèles Fable sol et les SOTA déjà prêts, ils n’ont qu’à les utiliser : les ignorer et aller utiliser d’autres modèles, c’est juste perdre du temps.