ox-alpha-max : scores LiveBench et exécution avec BrainOutput
ox-alpha-max est un modèle dont l'éditeur n'est pas indiqué publiquement. Dans la version LiveBench du 2026-06-25 (relevée le 2026-10-03), il se classe n°56 sur 66 avec un score global de 69,24.
Qu'est-ce que ox-alpha-max ?
ox-alpha-max figure dans le classement LiveBench, un benchmark public régulièrement renouvelé qui note les modèles sur sept catégories : raisonnement, code, code agentique, mathématiques, analyse de données, langage et suivi d'instructions. Sa meilleure catégorie dans ce relevé : analyse de données (n°35 sur 66).
Ses poids ne sont pas publiés : il n'est accessible que via le service de son éditeur. Avec BrainOutput, il reste une option cloud pour le travail non sensible, si votre politique l'autorise.
Le modèle en bref
| Éditeur | Non indiqué publiquement |
|---|---|
| Poids | Propriétaire (poids non publiés) |
| Licence | propriétaire (API uniquement) |
| Date de sortie (selon LiveBench) | — |
| Identifiant LiveBench | ox-alpha-max |
Scores LiveBench, datés
Score et rang sur 66 modèles, par catégorie, dans la version LiveBench du 2026-06-25 relevée le 2026-10-03.
LiveBench, version 2026-06-25 · livebench.ai · 66 modèles · relevé le 2026-10-03
Rang global dans ce relevé LiveBench.
Score global : moyenne des sept catégories.
Écart avec le n°1, Claude Fable 5.1 Max Effort (83,41).
| Catégorie | Score | Rang |
|---|---|---|
| Raisonnement | 76,59 | n°57 / 66 |
| Code | 75,75 | n°46 / 66 |
| Code agentique | 52,63 | n°36 / 66 |
| Mathématiques | 77,53 | n°64 / 66 |
| Analyse de données | 75,77 | n°35 / 66 |
| Langage | 66,14 | n°64 / 66 |
| Suivi d'instructions | 60,25 | n°57 / 66 |
| Global (moyenne des 7 catégories) | 69,24 | n°56 / 66 |
Note de méthode : le score global est la moyenne des sept moyennes de catégorie, calculée par nos soins à partir du fichier publié par LiveBench ; il peut différer de quelques décimales de l'affichage du site. À score égal, l'ordre du fichier LiveBench départage. Un benchmark mesure des tâches de benchmark — lors d'un diagnostic IA, nous refaisons la comparaison sur vos propres tâches.
Utiliser ox-alpha-max avec BrainOutput
BrainOutput route chaque tâche vers un modèle selon sa confidentialité : le travail sensible reste sur un modèle local ou privé, le reste ne part vers un modèle cloud que si votre politique l'autorise.
En local, sur votre matériel
Non possible
Impossible : les poids ne sont pas publiés. Le travail sensible est confié à un modèle open-weight exécuté en local.
En cloud privé
Non possible
Impossible en inférence privée : seul l'éditeur sert ce modèle.
Avec votre propre clé (BYOK)
Possible
Branchez votre propre clé API : BrainOutput y route le travail non sensible quand votre politique l'autorise ; le travail sensible ne quitte jamais votre périmètre.
Questions fréquentes
ox-alpha-max est-il un modèle open-weight ?
Non : ses poids ne sont pas publiés. Le modèle open-weight le mieux classé de ce relevé est DeepSeek V4.1 Flash Max Effort (n°9, 81,11).
Peut-on utiliser ox-alpha-max avec BrainOutput ?
Oui, via votre propre clé API (BYOK), pour le travail non sensible et seulement si votre politique l'autorise. Le travail sensible reste sur un modèle open-weight exécuté en local ou en cloud privé.
D'où viennent ces scores ?
De LiveBench (livebench.ai), version du 2026-06-25, fichier relevé le 2026-10-03. Le score global est la moyenne des sept catégories, calculée par nos soins. Le classement évolue chaque mois ; nous revérifions au moment du diagnostic.
Savoir si ox-alpha-max convient à vos tâches
Un diagnostic IA cartographie vos processus, classe ce qui est sensible et compare les modèles actuels sur vos vraies tâches — des chiffres datés, les vôtres cette fois.
Sources
- LiveBench — classement, version 2026-06-25 — consulté le 2026-10-03