What about brand-new models?

Arena takes a few days or weeks to collect enough votes. Meanwhile, new models from the labs’ official pages appear in “New, waiting for Arena votes”, with their size, memory needs and speed. When Arena votes, they move into the ranking automatically.

What counts as a free model?

A model with open weights that you can download and run yourself, or a model you can call through a free API today (we check OpenRouter every night). Paid-only models are left out of the rankings, but we show the best paid score as a reference line.

Where do the scores come from?

From Arena (formerly LMSYS Chatbot Arena), where people compare two anonymous answers and vote for the better one. Arena publishes its leaderboard as an open dataset under the CC BY 4.0 license; we filter it to free models. We are not affiliated with Arena.

How often is it updated?

Every night. A scheduled job downloads the latest Arena data, the free model list from OpenRouter and model sizes from Hugging Face, then rebuilds the whole site, including the weekly report on the blog.

Can I run these models on my computer?

Open models, yes, if they fit in your GPU memory. The Run at home page estimates memory and speed for your exact card, from one to ten cards, using each model's real architecture.

Why do small models have no score?

Arena votes mostly on large models. We list the most popular small models from the labs' official Hugging Face pages separately and mark them “No Arena votes”, so you can still find something that runs on a 4 to 12 GB card.

Les meilleurs modèles d'IA gratuits, classés selon de vrais votes

Uniquement des modèles utilisables sans payer : gratuits en ligne, ou téléchargés sur votre propre GPU. Les scores viennent de millions de votes humains à l'aveugle sur Arena, mis à jour chaque nuit.

Sur cette page : 3 graphiques · Classements · Nouveaux modèles · FAQ

Nouveau dans le classement gratuit

DeepSeek-V4.1-Flash-20260910 (Max)n°19 en Agents · 19 oct. 2026 GLM-5.3-Flashn°24 en Vision · 19 oct. 2026 MiniMax-M3.1-Flashn°33 en Code · 19 oct. 2026 Kimi K2.6n°34 en Vision · 19 oct. 2026

Score Arena

Plus c'est haut, mieux c'est

Votes humains à l'aveugle sur Arena, chat

Gemma 4 31B1443 Qwen3.8-27B1441 Gemma 4 26B A4B1434 Qwen3.5-27B1409 GLM-4.6V1376 gemma-3-27b-it1358 GLM-4.5V1333

Les barres commencent à 1000. Sur Arena, 10 points est un petit écart et 50 un écart net.

Vitesse sur un RTX 4090

Plus c'est haut, mieux c'est

Tokens par seconde en 4 bits, estimés

Gemma 4 26B A4B152 tok/s Qwen3.8-27B43 tok/s Qwen3.5-27B43 tok/s gemma-3-27b-it42 tok/s Gemma 4 31B36 tok/s GLM-4.6V12 tok/s GLM-4.5V12 tok/s

Estimation calibrée sur 44 exécutions llama.cpp réelles. Environ 10 tok/s correspond à la vitesse de lecture.

Mémoire en 4 bits

Plus c'est bas, mieux c'est

GB pour le charger, avec un contexte de 8K

Gemma 4 26B A4B17 GB (tient dans 24 GB)Qwen3.8-27B18 GB (tient dans 24 GB)Qwen3.5-27B18 GB (tient dans 24 GB)gemma-3-27b-it18 GB (tient dans 24 GB)Gemma 4 31B22 GB (tient dans 24 GB)GLM-4.6V67 GB (GPU + RAM)GLM-4.5V67 GB (GPU + RAM)

Vert : tient entièrement sur une carte de 24 GB. Rouge : nécessite aussi de la RAM système, donc plus lent.

Ce que cela montre · Comment le lire

Ce que cela montre. Les 8 meilleurs modèles de chat gratuits qui tournent sur un PC personnel avec un RTX 4090 (24 GB) et 64 GB de RAM, comparés de trois façons : leur qualité, leur vitesse d'écriture et la mémoire qu'ils demandent.

Comment le lire. Mêmes modèles, mêmes couleurs dans les trois graphiques, pour suivre un modèle d'un graphique à l'autre. Un modèle peut être le meilleur mais lent, ou petit et rapide : choisissez l'équilibre qu'il vous faut, puis vérifiez votre propre carte dans En local.

API gratuite en ce moment Téléchargeable (poids ouverts)

226 des 416 modèles du classement Chat d'Arena sont utilisables gratuitement. Votes au 15 oct. 2026. Meilleur modèle gratuit : mimo-v2.6-pro, n°11 au total.

Filtrer par laboratoire :

Classement gratuit complet

Rang gratuit	Modèle	Score Arena	Taille	Télécharger	Besoins en 4 bits	Qualité en 4 bits	Vitesse sur RTX 4090	Utiliser gratuitement en ligne
1	mimo-v2.6-pro Xiaomi	1491 n°11 sur 416	1024.2 B 44.9 B actifs	MIT	622 GB	+1.2% très faible perte	ne tient pas	—
2	Kimi K3 (Max) Kimi (Moonshot)	1475 n°25 sur 416	2779.9 B 105.8 B actifs	Licence Kimi K3	1686 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
3	glm-5.3-max GLM (Z.ai)	1471 n°27 sur 416	753.3 B 51.2 B actifs	MIT	458 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
4	glm-5.3-flash GLM (Z.ai)	1471 n°29 sur 416	321.3 B 25.4 B actifs	MIT	195 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
5	glm-5.2-max GLM (Z.ai)	1470 n°31 sur 416	753.3 B 51.2 B actifs	MIT	458 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
6	mimo-v2.5-pro Xiaomi	1465 n°37 sur 416	1023.2 B 43.8 B actifs	MIT	621 GB	+1.2% très faible perte	ne tient pas	—
7	deepseek-v4.1-flash-max DeepSeek	1463 n°38 sur 416	763.2 B 228.1 B actifs	MIT	464 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
8	glm-5.1 GLM (Z.ai)	1462 n°39 sur 416	753.9 B 51.7 B actifs	MIT	458 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
9	kimi-k2.6 Kimi (Moonshot)	1455 n°44 sur 416	1026.9 B 33.3 B actifs	MIT modifiée	623 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
10	mimo-v2.6-flash Xiaomi	1455 n°45 sur 416	310.8 B 17.4 B actifs	MIT	189 GB	+1.2% très faible perte	ne tient pas	—
11	deepseek-v4-pro DeepSeek	1451 n°49 sur 416	1598.8 B 75.6 B actifs	MIT	970 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
12	glm-5 GLM (Z.ai)	1446 n°60 sur 416	753.9 B 51.8 B actifs	MIT	458 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
13	deepseek-v4-pro-high-20260813 DeepSeek	1446 n°61 sur 416	—	MIT	—	—	—	Chat du laboratoire
14	kimi-k2.5-thinking Kimi (Moonshot)	1445 n°62 sur 416	—	MIT modifiée	—	—	—	Chat du laboratoire
15	deepseek-v4-pro-high-preview DeepSeek	1445 n°63 sur 416	—	MIT	—	—	—	Chat du laboratoire
16	nvidia-nemotron-3-ultra-550b-a55b-nvfp4 NVIDIA	1445 n°64 sur 416	560.5 B 55 B actifs	OpenMDW-1.1	340 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
17	gemma-4-31bLe meilleur sur un 4090 Google	1443 n°67 sur 416	31.3 B	Apache 2.0	22 GB	+1.8% faible perte	36 tok/s · tient	API gratuite · à essayer Chat du laboratoire
18	inkling Thinky	1441 n°74 sur 416	—	Apache 2.0	—	—	—	API gratuite · à essayer
19	qwen3.8-27b Qwen (Alibaba)	1441 n°75 sur 416	27.8 B	Apache 2.0	18 GB	+1.9% faible perte	43 tok/s · tient	Chat du laboratoire
20	glm-4.6 GLM (Z.ai)	1440 n°76 sur 416	356.8 B 37.6 B actifs	MIT	220 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
21	hy3 Tencent	1438 n°80 sur 416	298.8 B 24.4 B actifs	Apache 2.0	184 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
22	qwen3.5-397b-a17b Qwen (Alibaba)	1438 n°81 sur 416	403.4 B 17 B actifs	Apache 2.0	245 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
23	glm-4.7 GLM (Z.ai)	1435 n°87 sur 416	358.3 B 39.1 B actifs	MIT	221 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
24	gemma-4-26b-a4bLe plus rapide sur un 4090 Google	1434 n°90 sur 416	25.8 B 4 B actifs	Apache 2.0	17 GB	+1.9% faible perte	152 tok/s · tient	API gratuite · à essayer Chat du laboratoire
25	minimax-m3 MiniMax	1433 n°91 sur 416	427 B 26.8 B actifs	Poids ouverts MiniMax Community License	260 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
26	deepseek-v4-flash DeepSeek	1432 n°92 sur 416	290.9 B 20.4 B actifs	MIT	178 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
27	glm-4.5 GLM (Z.ai)	1430 n°95 sur 416	358.3 B 39.1 B actifs	MIT	221 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
28	mistral-large-3 Mistral	1428 n°98 sur 416	—	Apache 2.0	—	—	—	—
29	mimo-v2.5 Xiaomi	1428 n°100 sur 416	310.8 B 17.4 B actifs	MIT	189 GB	+1.2% très faible perte	ne tient pas	—
30	deepseek-r1-0528 DeepSeek	1428 n°101 sur 416	684.5 B 51 B actifs	MIT	416 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
31	deepseek-v3.2-exp-thinking DeepSeek	1425 n°104 sur 416	685.4 B 51.9 B actifs	MIT	417 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
32	deepseek-v3.2 DeepSeek	1424 n°105 sur 416	685.4 B 51.9 B actifs	MIT	417 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
33	deepseek-v4-flash-high-preview DeepSeek	1424 n°106 sur 416	—	MIT	—	—	—	Chat du laboratoire
34	longcat-flash-chat Meituan	1423 n°109 sur 416	561.9 B 33.4 B actifs	MIT	341 GB	+1.2% très faible perte	ne tient pas	—
35	deepseek-v3.2-exp DeepSeek	1422 n°111 sur 416	685.4 B 51.9 B actifs	MIT	417 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
36	mistral-medium-3.5 Mistral	1421 n°112 sur 416	—	MIT modifiée	—	—	—	—
37	kimi-k2.5-instant Kimi (Moonshot)	1420 n°113 sur 416	—	MIT modifiée	—	—	—	Chat du laboratoire
38	qwen3-vl-235b-a22b-instruct Qwen (Alibaba)	1420 n°114 sur 416	235.7 B 22 B actifs	Apache 2.0	145 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
39	deepseek-v3.2-thinking DeepSeek	1420 n°115 sur 416	685.4 B 51.9 B actifs	MIT	417 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
40	deepseek-v3.1 DeepSeek	1420 n°116 sur 416	684.5 B 51.1 B actifs	MIT	416 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
41	qwen3-235b-a22b-instruct-2507 Qwen (Alibaba)	1419 n°119 sur 416	235.1 B 22 B actifs	Apache 2.0	145 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
42	deepseek-v3.1-terminus-thinking DeepSeek	1419 n°120 sur 416	—	MIT	—	—	—	Chat du laboratoire
43	qwen3.5-122b-a10b Qwen (Alibaba)	1417 n°123 sur 416	125.1 B 10 B actifs	Apache 2.0	77 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
44	deepseek-v3.1-terminus DeepSeek	1417 n°125 sur 416	—	MIT	—	—	—	Chat du laboratoire
45	qwen3-next-80b-a3b-instruct Qwen (Alibaba)	1417 n°126 sur 416	—	Apache 2.0	—	—	—	Chat du laboratoire
46	deepseek-v3.1-thinking DeepSeek	1417 n°128 sur 416	—	MIT	—	—	—	Chat du laboratoire
47	qwen3-235b-a22b-thinking-2507 Qwen (Alibaba)	1415 n°131 sur 416	—	Apache 2.0	—	—	—	Chat du laboratoire
48	kimi-k2-thinking-turbo Kimi (Moonshot)	1414 n°133 sur 416	—	MIT modifiée	—	—	—	Chat du laboratoire
49	Inkling Small Thinky	1413 n°135 sur 416	—	Apache 2.0	—	—	—	API gratuite · à essayer
50	mimo-v2-flash (non-thinking) Xiaomi	1411 n°139 sur 416	—	MIT	—	—	—	—
51	nvidia-nemotron-3.5-super-vl-120b-a12b-nvfp4 NVIDIA	1409 n°141 sur 416	—	OpenMDW-1.1	—	—	—	Chat du laboratoire
52	qwen3.5-27b Qwen (Alibaba)	1409 n°142 sur 416	27.8 B	Apache 2.0	18 GB	+1.9% faible perte	43 tok/s · tient	Chat du laboratoire
53	minimax-m2.7 MiniMax	1405 n°148 sur 416	—	MIT modifiée	—	—	—	Chat du laboratoire
54	step-3.5-flash Stepfun	1403 n°150 sur 416	—	Apache 2.0	—	—	—	—
55	hunyuan-hy3-preview Tencent	1402 n°151 sur 416	—	Poids ouverts tencent-hunyuan-community	—	—	—	Chat du laboratoire
56	qwen3-vl-235b-a22b-thinking Qwen (Alibaba)	1401 n°152 sur 416	235.7 B 22 B actifs	Apache 2.0	145 GB	+1.2% très faible perte	ne tient pas	Chat du laboratoire
57	qwen3.5-35b-a3b Qwen (Alibaba)	1395 n°161 sur 416	—	Apache 2.0	—	—	—	Chat du laboratoire
58	mimo-v2-flash (thinking) Xiaomi	1395 n°162 sur 416	—	MIT	—	—	—	—
59	qwen3-235b-a22b-no-thinking Qwen (Alibaba)	1393 n°164 sur 416	—	Apache 2.0	—	—	—	Chat du laboratoire
60	minimax-m2.1-preview MiniMax	1392 n°165 sur 416	—	MIT	—	—	—	Chat du laboratoire

Taille : paramètres (et paramètres actifs pour les mélanges d'experts). Besoins en 4 bits : mémoire GPU en Q4_K_M avec 8K de contexte. Qualité en 4 bits : hausse de perplexity par rapport au modèle complet, d'après des tests llama.cpp ajustés selon la taille. Vitesse : estimation sur un RTX 4090 (24 GB) avec 64 GB de DDR5, en 4 bits. Simulez votre propre matériel.

Les 15 meilleurs modèles de chat gratuits

mimo-v2.6-pro 1491 Kimi K3 (Max) 1475 glm-5.3-max 1471 glm-5.3-flash 1471 glm-5.2-max 1470 mimo-v2.5-pro 1465 deepseek-v4.1-flash-max 1463 glm-5.1 1462 kimi-k2.6 1455 mimo-v2.6-flash 1455 deepseek-v4-pro 1451 glm-5 1446 deepseek-v4-pro-high-20260813 1446 kimi-k2.5-thinking 1445 deepseek-v4-pro-high-preview 1445

1350140014501500

Score Arena, l'axe commence à 1350. Couleur = laboratoire qui a créé le modèle, identique dans chaque graphique. Ligne en pointillés : meilleur modèle payant, Gemini 4 Argon (High) (1532).

Ce que cela montre · Comment le lire

Ce que cela montre. Les 15 meilleurs modèles gratuits pour le chat, selon leur score issu de votes humains à l'aveugle sur Arena. La ligne en pointillés est le meilleur modèle payant, à titre de référence.

Comment le lire. Plus la barre est longue, meilleur est le modèle. L'axe ne part pas de zéro, donc les petits écarts paraissent plus grands qu'ils ne le sont : sur Arena, 10 points est une petite différence, 50 une différence nette. Chaque couleur correspond à un laboratoire ; utilisez les boutons de laboratoire ci-dessus pour n'en afficher que quelques-uns.

Score selon la taille

Petits et performants mimo-v2.6-proglm-5.3-flashgemma-4-31b

130014001500

10B100B1T

Chaque point est un modèle ouvert ; plus haut = meilleur, plus à gauche = plus petit. La ligne relie les modèles qui battent tous les plus petits. Paramètres en échelle logarithmique. Couleur = laboratoire qui a créé le modèle.

Ce que cela montre · Comment le lire

Ce que cela montre. Chaque modèle ouvert de taille connue : son score Arena en fonction de son nombre de paramètres. La taille détermine la mémoire nécessaire pour le faire tourner.

Comment le lire. Haut = meilleur, gauche = plus petit. Les modèles dans le coin vert sont petits et performants : le meilleur rapport qualité-prix pour tourner chez soi. La ligne relie les modèles qui battent tous ceux qui sont plus petits.

Score selon la vitesse en local

Rapides et performants gemma-4-31bgemma-4-26b-a4b

1300135014001450

10 tok/s100 tok/s

Chaque point est un modèle ouvert ; plus haut = meilleur, plus à droite = plus rapide sur un RTX 4090 en 4 bits. La ligne relie les modèles qui battent tous les plus rapides. Vitesse en échelle logarithmique. Couleur = laboratoire qui a créé le modèle.

Ce que cela montre · Comment le lire

Ce que cela montre. Les modèles ouverts qui tournent sur un RTX 4090 (24 GB) avec 64 GB de RAM système, en 4 bits : score Arena en fonction du nombre de mots par seconde estimé.

Comment le lire. Haut = meilleur, droite = plus rapide. Le coin vert est rapide et performant : le meilleur rapport qualité-prix pour un PC personnel. Environ 10 tokens par seconde correspond à la vitesse de lecture ; en dessous de 5, cela paraît lent.

Meilleurs modèles gratuits sur les six derniers mois

14501475150015251550

maijuinjuil.aoûtsept.oct.

mimo-v2.6-pro 1491Kimi K3 (Max) 1475glm-5.3-max 1471glm-5.3-flash 1471glm-5.2-max 1470Meilleur modèle payant

Score Arena du 17 avr. 2026 au 15 oct. 2026.

Ce que cela montre · Comment le lire

Ce que cela montre. L'évolution du score Arena des cinq meilleurs modèles ouverts sur six mois, face au meilleur modèle payant (gris en pointillés).

Comment le lire. Une ligne qui monte signifie que le modèle a gagné plus de votes avec le temps. Les lignes commencent à l'arrivée du modèle sur Arena. Même couleur que son laboratoire ; une ligne en pointillés est un second modèle du même laboratoire.

Qui bat qui

Modèle A ↓ · Modèle B →	Gemini 4 Argon (High) (payant)	mimo-v2.6-pro	Kimi K3 (Max)	glm-5.3-max	glm-5.3-flash	glm-5.2-max	mimo-v2.5-pro	deepseek-v4.1-flash-max	glm-5.1	kimi-k2.6	mimo-v2.6-flash	deepseek-v4-pro	glm-5
Gemini 4 Argon (High) payant		0.56	0.58	0.59	0.59	0.59	0.60	0.60	0.60	0.61	0.61	0.61	0.62
mimo-v2.6-pro	0.44		0.52	0.53	0.53	0.53	0.54	0.54	0.54	0.55	0.55	0.56	0.56
Kimi K3 (Max)	0.42	0.48		0.51	0.51	0.51	0.51	0.52	0.52	0.53	0.53	0.53	0.54
glm-5.3-max	0.41	0.47	0.49		0.50	0.50	0.51	0.51	0.51	0.52	0.52	0.53	0.54
glm-5.3-flash	0.41	0.47	0.49	0.50		0.50	0.51	0.51	0.51	0.52	0.52	0.53	0.54
glm-5.2-max	0.41	0.47	0.49	0.50	0.50		0.51	0.51	0.51	0.52	0.52	0.53	0.53
mimo-v2.5-pro	0.40	0.46	0.49	0.49	0.49	0.49		0.50	0.50	0.51	0.51	0.52	0.53
deepseek-v4.1-flash-max	0.40	0.46	0.48	0.49	0.49	0.49	0.50		0.50	0.51	0.51	0.52	0.52
glm-5.1	0.40	0.46	0.48	0.49	0.49	0.49	0.50	0.50		0.51	0.51	0.52	0.52
kimi-k2.6	0.39	0.45	0.47	0.48	0.48	0.48	0.49	0.49	0.49		0.50	0.51	0.51
mimo-v2.6-flash	0.39	0.45	0.47	0.48	0.48	0.48	0.49	0.49	0.49	0.50		0.51	0.51
deepseek-v4-pro	0.39	0.44	0.47	0.47	0.47	0.47	0.48	0.48	0.48	0.49	0.49		0.51
glm-5	0.38	0.44	0.46	0.46	0.46	0.47	0.47	0.48	0.48	0.49	0.49	0.49

A perd en général (jusqu'à 0.38)Égalité (0.50)A gagne en général (jusqu'à 0.62)

Chaque case : la fréquence à laquelle le modèle de la ligne devrait battre celui de la colonne, d'après leurs scores Arena (1 / (1 + 10^((B − A) / 400)), la formule Elo derrière les notes d'Arena). Arena ne publie pas chaque duel : ce sont donc des taux attendus, pas des taux comptés.

Ce que cela montre · Comment le lire

Ce que cela montre. Pour chaque paire de modèles de tête, la fréquence à laquelle celui de la ligne devrait battre celui de la colonne lors d'un vote à l'aveugle.

Comment le lire. Lisez une ligne : les cases bleues sont les duels que ce modèle gagne en général, les rouges ceux qu'il perd en général. 0.50 équivaut à pile ou face ; 0.60 signifie qu'il gagne 6 fois sur 10.

Petits modèles, pas encore de votes Arena

Modèles officiels issus des pages Hugging Face des laboratoires, de 0.5 à 16 milliards de paramètres. Arena n'a pas voté pour eux ; ils sont donc classés par téléchargements, ce qui reflète la popularité, pas la qualité. Ils tournent avec 4 à 12 GB de mémoire GPU.

Modèle	Téléchargements/mois	Taille	En local
Qwen3-0.6B Qwen	28.6M	0.8 B	~3 GB en 4 bits · simuler
Qwen3-4B Qwen	11.7M	4 B	~5 GB en 4 bits · simuler
Qwen3-8B Qwen	8.8M	8.2 B	~7 GB en 4 bits · simuler
Qwen3-14B Qwen	8.7M	14.8 B	~12 GB en 4 bits · simuler
Qwen3.5-4B Qwen	7.8M	4.7 B	~5 GB en 4 bits · simuler
Qwen3.5-9B Qwen	7.3M	9.7 B	~8 GB en 4 bits · simuler
NVIDIA-Nemotron-3-Nano-4B-BF16 nvidia	1.7M	4 B	~5 GB en 4 bits · simuler
SmolVLM2-500M-Video-Instruct HuggingFaceTB	1.4M	0.5 B	~2 GB en 4 bits · simuler
gemma-3-1b-it google · licence à accepter	1.4M	1 B	~3 GB en 4 bits · simuler
MiniCPM5-2B openbmb	1.3M	2.5 B	~4 GB en 4 bits · simuler
DeepSeek-R1-Distill-Qwen-1.5B deepseek-ai	1.3M	1.8 B	~3 GB en 4 bits · simuler
gemma-3-4b-it google · licence à accepter	1.1M	4.3 B	~5 GB en 4 bits · simuler
SmolLM3-3B HuggingFaceTB	748K	3.1 B	~4 GB en 4 bits · simuler
granite-4.1-3b ibm-granite	636K	3.4 B	~4 GB en 4 bits · simuler
Apertus-v1.5-8B swiss-ai · licence à accepter	493K	8.9 B	~8 GB en 4 bits · simuler
Olmo-3-7B-Think allenai	490K	7.3 B	~7 GB en 4 bits · simuler
Apertus-8B-Instruct-2509 swiss-ai	432K	8.1 B	~7 GB en 4 bits · simuler
DeepSeek-R1-0528-Qwen3-8B deepseek-ai	426K	8.2 B	~7 GB en 4 bits · simuler
DeepSeek-R1-Distill-Qwen-7B deepseek-ai	386K	7.6 B	~7 GB en 4 bits · simuler
Olmo-3-7B-Instruct allenai	384K	7.3 B	~7 GB en 4 bits · simuler

Nouveau, en attente de votes Arena

Sortis au cours des 60 derniers jours sur les pages Hugging Face officielles des laboratoires, ou nouveaux modèles gratuits sur OpenRouter, qu'Arena n'a pas encore votés. Nous vérifions chaque nuit ; dès qu'Arena vote, un modèle passe dans le classement ci-dessus.

Sorti	Modèle	Type	Taille	Besoins en 4 bits	L'utiliser gratuitement
17 oct. 2026	DeepSeek-V4.1-Flash-1017 deepseek-ai	Chat, Vision	763.2 B 228.1 B actifs	511 GB	Télécharger
16 oct. 2026	NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 nvidia	Chat	4 B	5 GB	Télécharger
15 oct. 2026	Hy-Memory-30B-A3B tencent	Chat	30.1 B 3 B actifs	22 GB	Télécharger
14 oct. 2026	UserRepGen-4B microsoft	Chat	4.5 B	5 GB	Télécharger
14 oct. 2026	granite-switch-4.1-8b ibm-granite	Chat	8.8 B	8 GB	Télécharger
14 oct. 2026	granite-switch-4.1-30b ibm-granite	Chat	30 B	22 GB	Télécharger
14 oct. 2026	flux-3-image-klein-pup black-forest-labs	Image	9.4 B	8 GB	Télécharger
13 oct. 2026	Ling-3.1-flash inclusionAI	Chat	572.1 B 33.1 B actifs	383 GB	Télécharger
13 oct. 2026	flux-3-image-klein black-forest-labs	Édition d'image	5.5 B	6 GB	Télécharger
12 oct. 2026	NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 nvidia	Chat, Vision	124.5 B 12 B actifs	85 GB	API gratuite · à essayerTélécharger
12 oct. 2026	LFM2.5-24B-A2B LiquidAI	Chat	24 B 2 B actifs	18 GB	Télécharger
9 oct. 2026	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 nvidia	Chat, Vision	74.9 B 9 B actifs	52 GB	Télécharger
7 oct. 2026	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB nvidia	Chat, Vision	22.4 B 9 B actifs	17 GB	Télécharger
7 oct. 2026	MiniCPM-V-4.7-35B-A3B openbmb	Chat, Vision	35.2 B 3 B actifs	25 GB	Télécharger
5 oct. 2026	d1-omni-600M LiquidAI	Chat, Vision	0.6 B	2 GB	Télécharger
5 oct. 2026	d1-3B LiquidAI	Chat, Vision	3.1 B	4 GB	Télécharger
29 sept. 2026	AesCode-32B microsoft	Chat, Vision, Code	33.4 B	24 GB	Télécharger
29 sept. 2026	AesCode-8B microsoft	Chat, Vision, Code	8.8 B	8 GB	Télécharger
17 sept. 2026	Ming-Image-0.1-Design inclusionAI	Image	6.2 B	6 GB	Télécharger
9 sept. 2026	Kandinsky-6.0-Lite-distill-5s-Diffusers kandinskylab	Vidéo	3.2 B	4 GB	Télécharger
9 sept. 2026	Kandinsky-6.0-Pro-distill-5s-Diffusers kandinskylab	Vidéo	30.1 B	22 GB	Télécharger
2 sept. 2026	tiny-aya-l2-thinker CohereLabs	Chat	3.4 B	4 GB	Télécharger
27 août 2026	Qwen-Drive-1.0-4B Qwen	Chat, Vision	4.5 B	5 GB	Télécharger
27 août 2026	ContextPilot-14B tencent	Chat	14.8 B	12 GB	Télécharger
26 août 2026	Bolmo-1B-Stage1 allenai	Chat	1.5 B	3 GB	Télécharger
API gratuite	XingChen: Xing4.0 29B A4B xingchen-agi	Chat	—	—	API gratuite · à essayer
API gratuite	Dots Studio: Dots3-Note Preview dots-studio	Chat	—	—	API gratuite · à essayer
API gratuite	LiquidAI: LFM2.5-2.6B liquid	Chat	—	—	API gratuite · à essayer
API gratuite	NVIDIA: Nemotron 3.5 Lightning nvidia	Chat	—	—	API gratuite · à essayer
API gratuite	Poolside: Laguna S 2.1 poolside	Chat	—	—	API gratuite · à essayer
API gratuite	Poolside: Laguna XS 2.1 poolside	Chat	—	—	API gratuite · à essayer
API gratuite	Cohere: North Mini Code cohere	Chat	—	—	API gratuite · à essayer
API gratuite	NVIDIA: Nemotron 3 Ultra nvidia	Chat	—	—	API gratuite · à essayer
API gratuite	NVIDIA: Nemotron 3 Nano Omni nvidia	Chat	—	—	API gratuite · à essayer
API gratuite	NVIDIA: Nemotron 3 Super nvidia	Chat	—	—	API gratuite · à essayer

Questions fréquentes

Et les tout nouveaux modèles ?

Arena met quelques jours ou quelques semaines à recueillir assez de votes. En attendant, les nouveaux modèles issus des pages officielles des laboratoires apparaissent dans « Nouveau, en attente de votes Arena », avec leur taille, leurs besoins en mémoire et leur vitesse. Dès qu'Arena vote, ils rejoignent le classement automatiquement.

Qu'est-ce qu'un modèle gratuit ?

Un modèle à poids ouverts que vous pouvez télécharger et faire tourner vous-même, ou un modèle que vous pouvez appeler dès aujourd'hui via une API gratuite (nous vérifions OpenRouter chaque nuit). Les modèles uniquement payants sont exclus des classements, mais nous affichons le meilleur score payant comme ligne de référence.

D'où viennent les scores ?

D'Arena (anciennement LMSYS Chatbot Arena), où les gens comparent deux réponses anonymes et votent pour la meilleure. Arena publie son classement sous forme de jeu de données ouvert sous licence CC BY 4.0 ; nous le filtrons pour ne garder que les modèles gratuits. Nous ne sommes pas affiliés à Arena.

À quelle fréquence est-ce mis à jour ?

Chaque nuit. Une tâche planifiée télécharge les dernières données Arena, la liste des modèles gratuits d'OpenRouter et les tailles des modèles depuis Hugging Face, puis reconstruit tout le site, y compris le rapport hebdomadaire du blog.

Puis-je faire tourner ces modèles sur mon ordinateur ?

Les modèles ouverts, oui, sils tiennent dans la mémoire de votre GPU. La page En local estime la mémoire et la vitesse pour votre carte exacte, de une à dix cartes, à partir de larchitecture réelle de chaque modèle.

Pourquoi les petits modèles n'ont-ils pas de score ?

Arena vote surtout pour les gros modèles. Nous listons à part les petits modèles les plus populaires, d'après les pages Hugging Face officielles des laboratoires, et les marquons « Aucun vote Arena », pour que vous puissiez quand même trouver un modèle qui tourne sur une carte de 4 à 12 GB.

Partager cette page :X LinkedIn Reddit WhatsApp

Un chiffre erroné ou un lien cassé ? Signalez une erreur