LLM Bench sépare deux sources complémentaires afin qu’un seul type d’épreuve ne domine pas le classement.
Un ensemble propriétaire de situations de raisonnement et d’usage mesure notamment l’intelligence, le comportement agentique et la fiabilité. Les contenus internes ne sont pas publiés afin de préserver l’intégrité du benchmark.
Des suites publiques et reconnues servent de contrôle indépendant de généralisation et de comparaison.
Le score Q combine à parts égales la synthèse interne et la généralisation externe. Les mesures Practical (débit, VRAM et contexte) restent descriptives et hors Q.
Chaque publication conserve la version de suite, le contrat de score et les empreintes nécessaires à la provenance.