Table of Contents

🇬🇧 English version

Comparatif des fournisseurs LLM — Orkeon

Dérivé du code source (src/core/Orkeon.Infrastructure/LLMs/) et des LlmProviderCapabilities déclarées par chaque fournisseur ; les chiffres de campagne portent leur propre date. Légende : ✓ supporté · ✗ absent · ◐ partiel/générique. Chaque fournisseur sauf Azure OpenAI a une campagne en exécution réelle archivée ; OpenRouter et Mammouth AI depuis le 2026-10-07.

Fournisseur Classe de base Streaming SSE Tool calling natif Chat multi-tours (rôles tool) Message système top_p / stop Grammaire GBNF response_format thinking Vision reasoning_content round-trip Cache prompt Métriques timing Résilience Polly Sanitization clé API
OpenAI OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema ✓ effort ✓ ✗ ◐ auto ✗ ✓ ✓
Azure OpenAI OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema ✓ effort ✓ ✗ ◐ auto ✗ ✓ ✓
Anthropic HttpLlmProviderBase ✓ natif ✓ ✓ ✓ (natif, séparé) ✓ ✗ ✓ schema ✓ toggle (adaptatif, désactivation par modèle) ✓ ✗ ✓ explicite ✗ ✓ ✓
DeepSeek OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ object ✓ toggle ✓ ✓ ✓ métriques ✗ ✓ ✓
Z.AI (GLM) OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ object ✓ toggle ✓ ✗ ◐ auto ✗ ✓ ✓
Together AI OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema ✓ toggle (objet reasoning) ✓ ✗ ◐ auto ✗ ✓ ✓
Mistral AI OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema ✓ effort ✓ ✗ ◐ auto ✗ ✓ ✓
Qwen OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ object ✓ budget ✓ ✗ ◐ auto ✗ ✓ ✓
Kimi / Moonshot OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ object ✓ toggle ✓ ✗ ◐ auto ✗ ✓ ✓
Google Gemini OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema ✓ effort ✓ ✗ ◐ auto ✗ ✓ ✓
Grok (x.AI) OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema ✓ effort ✓ ✗ ◐ auto ✗ ✓ ✓
MiniMax OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✗ (accepté mais non contraignant — mesuré) ✓ toggle (désactivation seule ; M3.1-Flash raisonne toujours) ✓ ✓ ◐ auto ✗ ✓ ✓
HuggingFace OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ object ✓ toggle (chat_template_kwargs) ✓ ✗ ◐ auto ✗ ✓ ✓
OpenRouter OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✓ schema (par endpoint) ✓ budget (objet reasoning) ✓ (par modèle) ✗ ◐ auto (+ cache_write_tokens) ✗ (usage.cost exposé) ✓ ✓
Mammouth AI OpenAI-compat ✓ ✓ ✓ ✓ ✓ ◐ Llm:Grammar ✗ (accepté mais non contraignant — mesuré) ✓ effort (reasoning_effort) ✓ (par modèle) ✗ ◐ auto ✗ ✓ ✓
Ollama HttpLlmProviderBase ✓ ✓ (/api/chat) ✓ (/api/chat) ✓ (prepend) ✓ (options) ◐ Llm:Grammar ✓ schema ✓ toggle ✓ (images) ✗ ✗ ◐ (total_duration, eval_duration sur /api/generate) ✓ ✓

Comment lire les colonnes de capacités

response_format, thinking et Vision ne sont pas maintenus à la main ici : chaque fournisseur déclare un value object LlmProviderCapabilities, et OpenAICompatibleProviderBase le traduit une seule fois dans le dialecte OpenAI. Anthropic et Ollama écrivent leur propre dialecte (ils n'étendent pas la base compatible OpenAI) ; Qwen et OpenRouter surchargent la traduction du thinking pour les champs de DashScope et l'objet reasoning d'OpenRouter. Le guide du format de réponse détaille les surfaces de response_format.

  • response_format — object signifie que l'API garantit un JSON bien formé ; schema signifie qu'elle valide contre un JSON Schema côté serveur. Un schéma envoyé à un fournisseur qui ne supporte que object est rétrogradé avec un avertissement, jamais en silence. Anthropic est schema-only : il n'a pas d'équivalent de json_object, donc une demande JSON sans schéma y est signalée plutôt qu'envoyée.
  • thinking — effort n'accepte qu'une indication de niveau ; toggle peut en plus activer et désactiver le raisonnement ; budget accepte en outre un budget de tokens explicite (Qwen et OpenRouter uniquement — Anthropic rejette budget_tokens avec un 400 sur la génération actuelle). Sur le fil, le « on » d'Anthropic s'écrit thinking: {type: adaptive, display: summarized} et son « off » avec la valeur propre au modèle (between_tools sur Sonnet 5.5, disabled ailleurs) — un détail de payload, pas un niveau de capacité.
  • Tout ce qu'un fournisseur ne supporte pas est signalé. Une option déclarée en YAML sur un fournisseur qui ne peut pas l'honorer produit un avertissement actionnable nommant l'option, le fournisseur et le remède.

Notes

  • ◐ cache prompt (auto) : le fournisseur met en cache les préfixes de prompt implicitement et rapporte le hit ; OpenAICompatibleProviderBase.ParseSuccessResponse lit génériquement prompt_cache_hit/miss_tokens et le champ standard OpenAI prompt_tokens_details.cached_tokens. ✓ explicite (Anthropic) signifie que le cache ne fait rien tant qu'un point d'arrêt cache_control n'est pas posé — opt-in via LlmCacheConfig / le bloc YAML cache: d'un agent ou d'une task (llm_override:). ✓ métriques (DeepSeek) ajoute les prompt_cache_hit_tokens / prompt_cache_miss_tokens du vendeur aux métadonnées de la réponse.
  • SSE Anthropic : ChatStreamingAsync parse nativement le flux d'événements de la Messages API : les tokens arrivent au fil de leur production.
  • Tool calling Ollama : passe par /api/chat dès que la conversation déclare des outils, rejoue des appels d'outils, ou transporte une part non textuelle ; tout le reste conserve /api/generate. Une part audio ou fichier y est refusée par NotSupportedException, comme chez OpenAI et Anthropic. Le protocole de repli textuel reste en charge pour les modèles sans support des outils.
  • Azure OpenAI : deux formes d'API — l'URL de déploiement datée (par défaut) et la surface v1 GA (api_version: v1), seule voie vers la Responses API et vers les modèles non-OpenAI qu'Azure revend.
  • HuggingFace : les identifiants de modèle acceptent un suffixe de routage (:fastest / :cheapest / :preferred / :<partner>) — le seul levier de coût et de latence sur Inference Providers.
  • top_p / stop : écrits seulement s'ils sont fixés, quelle que soit la valeur — temperature aussi ; rien de fixé, rien d'écrit, et le modèle applique son propre défaut. Mistral écrit top_p: 1 quand rien n'en fixe. Ollama les écrit dans ses options, avec seed. Aucun dialecte n'écrit frequency_penalty ni presence_penalty, et aucun autre qu'Ollama n'écrit seed : en fixer un produit l'avertissement structuré qui le nomme (event id 110), jamais un abandon silencieux.
  • Grammaire GBNF : aucune API de vendeur ne documente de champ grammar, donc aucun fournisseur ne déclare la capacité (LlmProviderCapabilities.GbnfGrammar). ◐ Llm:Grammar signifie que le champ n'est écrit — sur les deux points d'accès d'Ollama, et par les deux constructeurs de charge utile de la base compatible OpenAI — que lorsque les réglages disent que le point d'accès derrière Llm:BaseUrl l'accepte ("Llm": { "Grammar": true }, un serveur compatible llama.cpp comme Docker Model Runner ou llama-server). Sinon la grammaire est abandonnée avec un avertissement structuré qui nomme cette clé. La Messages API d'Anthropic n'a pas ce champ, quoi que dise la clé. Un livrable structured_output envoie son schéma comme format de réponse json_schema non strict à un fournisseur qui déclare ✓ schema (voir Format de réponse LLM).
  • OpenAI max_completion_tokens : OpenAI a retiré max_tokens de ses modèles actuels (la campagne du 2026-08-30 a perdu dix modes sur ce seul champ), le dialecte OpenAI écrit donc max_completion_tokens — accepté aussi par les générations antérieures (vérifié sur gpt-4o-mini le même jour). Les fournisseurs compatibles gardent max_tokens : le retrait n'appartient qu'à OpenAI.
  • response_format Gemini : non documenté sur la surface compat au premier audit (2026-08-18) et non déclaré alors ; mesuré en réel le 2026-08-30, la surface accepte json_object et json_schema et valide le schéma côté serveur ; le provider déclare JsonSchema.
  • Vision DeepSeek : arrivée avec deepseek-v4-flash-vision-exp (mesuré 2026-08-30), native sur le palier Flash depuis V4.1 Flash (2026-09-10) : le défaut deepseek-flash voit, le compagnon expérimental est retiré. Déclaré par fournisseur, réel par modèle comme partout : deepseek-v4-pro reste texte seul et répond à une image par l'erreur du vendeur. deepseek-v4-flash est le nom d'un modèle retiré que l'API route « temporairement » vers V4.1 Flash — le défaut est passé à l'identifiant du vendeur le 2026-09-19.
  • MiniMax : adossé à sa campagne depuis le 2026-08-30 (7/2/3, le jour même de son intégration). Le raisonnement arrive EN LIGNE — chaque réponse ouvre sur un bloc <think> dans content, sans champ séparé — et le dialecte l'extrait vers reasoning_content, en le réinjectant au replay comme la doc du vendeur l'exige. response_format est accepté mais NON contraignant (schéma ignoré, json_object en clôture markdown) : la déclaration None est une mesure (appels bruts, 2026-08-30, consignée dans la note MiniMax du catalogue de campagne — le M8 archivé montre ➖ parce que la déclaration None empêche l'option d'être envoyée). Vision par modèle : MiniMax-M2 répond « I'm unable to view the image » ; MiniMax-M3, le défaut depuis le 2026-11-11, lit l'image (campagnes du 2026-09-21 et du 2026-11-11).
  • Grok (x.AI) : chaque capacité déclarée est une mesure en réel — une campagne complète de 12 modes est passée contre api.x.ai via le dialecte OpenAI générique avant même que la classe du provider existe (2026-08-30, archivée sous llmproviders-test/custom-endpoints/). Les clés portent le préfixe xai-, que la factory infère.
  • OpenRouter : la place de marché (465 modèles le 2026-10-07) derrière une seule clé, intégrée documentation d'abord et campagnée le 2026-10-07 (11/1 sur google/gemini-3.7-flash, le rouge étant M10 ; le défaut est google/gemini-3.8-flash depuis le 2026-11-11, 12/0/0). Les identifiants sont vendeur/modèle (préfixe obligatoire), avec les suffixes :free / :nitro / :floor et le slug routeur openrouter/auto (utilisable, refusé comme défaut : le modèle servi dérive — la métadonnée served_model dit qui a répondu). La trace de raisonnement revient dans reasoning, jamais reasoning_content (hook ReasoningFieldName du socle) ; le thinking voyage dans l'objet de requête reasoning (enabled / effort / max_tokens, la déclaration Budget est donc celle du transport — OpenRouter convertit effort et budget l'un en l'autre selon le modèle) ; le coût réel arrive dans usage.cost (métadonnée cost) avec sa ventilation upstream_inference_cost / is_byok / cache_write_tokens / reasoning_tokens ; deux en-têtes d'attribution constants (HTTP-Referer, X-OpenRouter-Title) nomment Orkeon. json_schema est honoré par endpoint et le provider n'envoie pas provider.require_parameters : savoir si un schéma peut être ignoré en silence ailleurs reste ouvert après la première campagne (M8 vert sur les trois modèles joués). Le routage avancé (provider {…}, models[], plugins[]) n'est pas exposé. Le préfixe de clé sk-or-v1- est confirmé sur une vraie clé (2026-10-07) ; la factory n'en infère rien encore. La campagne a aussi confirmé usage.cost sur les deux chemins, message.reasoning avec reasoning_details[] sur un modèle qui raisonne, et openrouter/auto qui nomme le modèle ayant répondu.
  • Mammouth AI : l'abonnement multi-modèles français dont les crédits API inclus pilotent Orkeon, intégré documentation d'abord et campagné le 2026-10-07 (10/0/2 sur gemini-3.7-flash : tous les modes exercés verts ; le défaut est gemini-3.8-flash depuis le 2026-11-11, 9/1/2 avec M10 rouge). À trois indices concordants (2026-09-18) l'API est un proxy LiteLLM ; rien dans le provider n'en dépend. Les identifiants sont les chaînes nues des vendeurs (gpt-5.6-sol, claude-sonnet-5, gemini-3.8-flash) : le provider se cible par hôte (api.mammouth.ai) ou par la clé de provider explicite mammouth (LlmProviderFactory.Create("mammouth", …), orkeon llm probe -p mammouth) et n'est jamais inféré d'un nom de modèle — la même chaîne sans base URL continue d'aller chez le vendeur. Les settings d'un run ne portent aucune clé de provider : un run atteint Mammouth par son BaseUrl. Seuls messages, model, temperature, max_tokens, top_p et stream sont documentés. Mesuré le 2026-10-07 : les outils passent, response_format est accepté mais un schéma strict ne contraint pas (le cas MiniMax, il reste donc non déclaré), reasoning_effort est accepté et la trace d'un modèle qui raisonne revient dans reasoning_content ; le provider déclare l'effort (reasoning_effort, les cinq niveaux) depuis #356, et la table des capacités porte les valeurs propres à Mammouth pour Gemini 3.7 et 3.8 (minimal à max, none refusé ; campagne M18, 2026-11-13) ; la vision est déclarée depuis la liste text, image du vendeur. Les tarifs sont les bornes hautes du vendeur (gemini-3.8-flash, comme gemini-3.7-flash avant lui, à 1,5 / 7,5 $/M, le double du direct).
  • Clés identity-linked Anthropic : refusent toute requête sans en-tête anthropic-workspace-id (2026-08-30). Renseigner LlmConfig.WorkspaceId (CLI : --workspace-id) ; les clés classiques n'en ont pas besoin.
  • Polly et Sanitization clé API : fournis par HttpLlmProviderBase → actifs partout.

Clés d'API : la variable par fournisseur

Un run prend la clé que résout la configuration, sinon la variable que nomme le fichier de réglages : Llm:ApiKey dans le fichier, surchargée par ORKEON_Llm__ApiKey dans l'environnement (ORKEON_Llm__Profiles__<id>__ApiKey pour un profil) ; sinon la variable que nomme l'ApiKeyEnvVar de la section — lue dans l'environnement du processus, puis, sous Windows, dans la portée Utilisateur (configuration). Les noms de fournisseurs ci-dessous sont les noms conventionnels : un fichier de réglages stocke le nom de la variable et jamais la clé, comme ApiKeyEnvVar de la section Llm et de l'entrée Llm:Profiles:<id> d'un profil. Exporter DEEPSEEK_API_KEY suffit donc à un orkeon run en terminal sur un fichier qui la nomme : "ApiKeyEnvVar": "DEEPSEEK_API_KEY". Un fichier qui ne nomme aucune variable ne lit toujours que Llm:ApiKey et ORKEON_Llm__ApiKey.

Fournisseur Variable (le nom conventionnel pour ApiKeyEnvVar) Clé délivrée sur Timeout conseillé Solde exposé par l'API (détails)
OpenAI OPENAI_API_KEY platform.openai.com/api-keys défaut moteur (30 s) ✗ (dépense seulement, pour une clé admin)
Anthropic ANTHROPIC_API_KEY console.anthropic.com défaut moteur ✗ (dépense seulement, pour une clé Admin API)
DeepSeek DEEPSEEK_API_KEY platform.deepseek.com 600 s ✓ GET /user/balance
Mistral AI MISTRAL_API_KEY console.mistral.ai défaut moteur ✗ (consommation seulement, pour une clé Admin API)
Google Gemini GEMINI_API_KEY aistudio.google.com/apikey défaut moteur ✗
Grok (x.AI) XAI_API_KEY console.x.ai défaut moteur ◐ pour une clé de gestion seulement
MiniMax MINIMAX_API_KEY platform.minimax.io 600 s ✗
Together AI TOGETHER_API_KEY api.together.ai défaut moteur ✗
Qwen DASHSCOPE_API_KEY dashscope.console.aliyun.com défaut moteur ◐ pour une AccessKey Alibaba Cloud seulement
Kimi (Moonshot) MOONSHOT_API_KEY platform.moonshot.ai 600 s ✓ GET /v1/users/me/balance (USD sur .ai, CNY sur .cn)
HuggingFace HF_TOKEN huggingface.co/settings/tokens défaut moteur ✗
Z.AI (GLM) ZAI_API_KEY z.ai/manage-apikey 600 s ✗
OpenRouter OPENROUTER_API_KEY openrouter.ai/keys défaut moteur ◐ par clé (GET /api/v1/key) ; les crédits du compte pour une clé de gestion seulement
Mammouth AI MAMMOUTH_API_KEY mammouth.ai — le fournisseur documente « depuis les réglages API » ; la page exacte se confirme avec la première clé défaut moteur ✗ (dépense d'une clé, réponse non documentée)
Ollama · Docker Model Runner aucune — défaut moteur — (local, sans compte)
Compatible OpenAI (custom) aucune en propre : les réglages la nomment par ApiKeyEnvVar, sinon ORKEON_Llm__ApiKey est lue, la clé du défaut de chaque run — défaut moteur ✗ (hôte inconnu)
Azure OpenAI pas de variable dédiée : son endpoint par ressource en fait une entrée « compatible OpenAI » — — ✗ (dépense dans Cost Management, pour une identité Microsoft Entra)

Les 600 s conseillées ne sont pas décoratives. Les quatre fournisseurs dont le modèle par défaut raisonne avant de répondre débordent les 30 s du moteur, et le run du 2026-09-20 a été perdu sur deux timeouts Kimi remontés comme réponse vide. Un fichier de réglages demande de monter Llm:TimeoutSeconds explicitement.

Deux noms qui ne sont pas celui-là, et qu'on confond avec lui :

  • ORKEON_LLM_API_KEY — le défaut de orkeon llm probe -k et orkeon llm models -k. Outillage de campagne seulement ; un run ne le lit jamais.
  • ORKEON_<NOM> — la chaîne de secrets des outils, pas celle du LLM (EnvironmentSecretProvider, puis Secrets:<NOM> dans le fichier) : ORKEON_TAVILY_API_KEY pour web_search, BRAVE_API_KEY lu tel quel pour brave_search. Voir la référence de configuration.

orkeon init --api-key-env <nom> écrit Llm:ApiKeyEnvVar: <nom> dans le fichier généré — rien pour ORKEON_Llm__ApiKey, que le runtime lit nativement —, si bien que chaque run lit la variable qu'il nomme.

Ce que chaque API dit du solde du compte

Ce qu'il reste sur le compte derrière une clé, tel que l'API de chaque fournisseur le dit. Trois fournisseurs seulement servent un solde à la clé d'inférence que porte un run ; pour tous les autres, c'est la console du fournisseur qu'il faut consulter — la colonne « Clé délivrée sur » ci-dessus, précédée de https://. Une requête de solde part vers l'hôte de la clé : une clé de la plateforme .cn de Kimi est refusée par l'hôte .ai, et inversement. Chaque ligne a été lue dans la documentation de référence du fournisseur le 2026-09-24.

Fournisseur Solde Endpoint Ce qu'il renvoie Clé acceptée Source
DeepSeek ✓ disponible GET /user/balance balance_infos[], une entrée par devise (CNY, USD) : total_balance, granted_balance, topped_up_balance en chaînes décimales ; is_available la clé d'API (Bearer) api-docs.deepseek.com/api/get-user-balance
Kimi (Moonshot) ✓ disponible GET /v1/users/me/balance data.available_balance, voucher_balance, cash_balance (négatif en cas d'impayé) — dollars US sur api.moonshot.ai, yuans sur api.moonshot.cn ; la réponse ne nomme aucune devise la clé d'API (Bearer) de cette plateforme platform.kimi.ai/docs/api/balance · platform.kimi.com/docs/api/balance
OpenRouter ◐ par clé GET /api/v1/key data.limit_remaining : les dollars US que la clé peut encore dépenser sous sa limite, null quand elle n'en a pas ; limit, usage. Les crédits du compte (total_credits, total_usage) sont sur GET /api/v1/credits la clé d'API pour /key ; une clé de gestion pour /credits, qui répond 403 à toute autre openrouter.ai/docs/api/api-reference/api-keys/get-current-api-key · openrouter.ai/docs/api/api-reference/credits/get-remaining-credits
Grok (x.AI) ◐ clé admin requise GET /v1/billing/teams/{team_id}/prepaid/balance sur management-api.x.ai le solde prépayé, en cents US une clé de gestion seulement docs.x.ai/developers/rest-api-reference/management/billing
Qwen ◐ clé admin requise QueryAccountBalance, OpenAPI de facturation d'Alibaba Cloud AvailableAmount, AvailableCashAmount, CreditAmount, Currency une AccessKey Alibaba Cloud autorisée à bss:DescribeAcccount — jamais la clé DashScope alibabacloud.com/help/en/user-center/developer-reference/api-bssopenapi-2017-12-14-queryaccountbalance
OpenAI ✗ non exposé aucun — GET /v1/organization/costs rapporte la dépense la dépense par jour (amount.value, currency), pas un solde une clé admin developers.openai.com/cookbook/examples/completions_usage_api
Anthropic ✗ non exposé aucun — GET /v1/organizations/cost_report rapporte la dépense la dépense en cents US, pas un solde des identifiants Admin API — « workspace API keys don't work » platform.claude.com/docs/en/manage-claude/usage-cost-api
Mistral AI ✗ non exposé aucun — GET /v1/admin/usage rapporte la consommation la consommation par catégorie sur un mois ; le solde de crédits n'est que sur la page Billing de la console une clé Admin API docs.mistral.ai/admin/admin-api/usage-metrics · docs.mistral.ai/admin/billing-usage/billing
Azure OpenAI ✗ non exposé aucun — Cost Management rapporte la dépense la dépense par compteur une identité Microsoft Entra avec le rôle Cost Management Reader, jamais la clé de la ressource learn.microsoft.com/en-us/azure/foundry/concepts/manage-costs
Google Gemini ✗ non exposé aucun le solde prépayé se gère « directly within the Google AI Studio Billing tab » — ai.google.dev/gemini-api/docs/billing
Together AI ✗ non exposé aucun la carte « Credit balance » des réglages de facturation — docs.together.ai/docs/billing-credits · docs.together.ai/docs/billing-usage-limits
HuggingFace ✗ non exposé aucun la page de facturation et les réglages Inference Providers — huggingface.co/docs/inference-providers/pricing
Z.AI (GLM) ✗ non exposé aucun la référence de l'API ne liste aucun endpoint de facturation — docs.z.ai/llms.txt
MiniMax ✗ non exposé aucun en paiement à l'usage ; GET /v1/token_plan/remains sur www.minimax.io pour un Token Plan Token Plan seulement, réponse non documentée une clé d'abonnement Token Plan platform.minimax.io/docs/token-plan/faq
Mammouth AI ✗ non exposé aucun — GET /key/info, documenté avec un hôte fictif « how much credits has been spent on a key » : la dépense, réponse non documentée la clé d'API info.mammouth.ai/docs/api-quick-start
Ollama · Docker Model Runner — sans objet aucun un runtime local n'a pas de compte — —

Deux endpoints sont documentés sans la forme de leur réponse : le remains du Token Plan de MiniMax et le key/info de Mammouth. Un endpoint compatible OpenAI (custom) n'expose aucun solde connu, et un endpoint local n'a pas de compte.

Défauts et modèles plus récents — revues des catalogues du 2026-09-19, du 2026-10-07 et du 2026-11-11

Les pages modèles et tarifs de chaque vendeur ont été lues le 2026-09-19, avec les catalogues publics des deux agrégateurs (OpenRouter, 447 modèles ; Mammouth, 100). La règle est celle qu'énonce LlmProviderDefaultModels : un défaut ne change que si le vendeur retire le nom ; sinon un modèle plus récent est un candidat tant qu'une campagne n'a pas archivé un M1. Les campagnes du 2026-10-07 et du 2026-11-11 ont rejoué les candidats : la date d'un verdict dit quelle campagne a mesuré quoi, et les modèles qu'elles ont ajoutés aux candidats figurent dans la colonne « Plus récent ».

Provider Défaut (code) Servi le 2026-09-19 Plus récent sur l'API du vendeur Verdict
OpenAI gpt-5.6-sol oui — 4 / 20 $/M jusqu'au 2026-11-21, cible de remplacement des deux vagues de dépréciation 2026 gpt-6-astra (10 / 50, effort low…max sans none, facturation ×2 au-delà de 272K tokens d'entrée) ; gpt-6.1-terra (listé après le 2026-10-07) reste — campagné le 2026-09-21 : gpt-6-astra 10/2 avec temperature: 1 épinglée ; il n'a pas de reasoning_effort: none, les function tools sur /v1/chat/completions sont donc refusés (use /v1/responses) — pas un défaut tant que le dialecte ne parle pas Responses ; gpt-6-astra-pro est une étiquette d'agrégateur, pas un id OpenAI ; campagné le 2026-11-11 (après le correctif qui refait passer reasoning_effort: none jusqu'à l'API) : gpt-5.6-sol 11/1, gpt-6-sol 11/1, gpt-6-luna 12/0/0, gpt-6.1-terra 12/0/0 — il accepte none, contrairement à gpt-6.1-sol ; gpt-6-astra 10/2 et gpt-6.1-sol 9/3 restent rouges sur M2 et M5 (pas de none, les outils exigent /v1/responses)
Anthropic claude-sonnet-5 oui — 2 / 10 $/M rendu définitif, actif au moins jusqu'au 2027-06-30 claude-fable-5-1 (2026-09-01, 10 / 50, thinking toujours actif, tool_choice forcé refusé) ; claude-fable-5-2 (2026-11-09, contexte 1M, sortie 128K) reste — campagné le 2026-09-21 : claude-fable-5-1 11/1 deux fois (le rouge est M6, le protocole texte de repli ; outils natifs, schéma, vision et cache verts) — viable, à cinq fois le prix ; claude-opus-5-fast est un drapeau speed, pas un id ; temperature / top_p / top_k renvoient 400 sur tout modèle à partir d'Opus 4.7 ; campagné le 2026-11-11 : le défaut 12/12, claude-fable-5-2 12/12 — y compris le M6 que claude-fable-5-1 manque encore (11/1)
Azure OpenAI déploiement — — rien à défauter
Ollama llama3.2 oui — 3B, texte seul, sans thinking, vieux d'un an qwen3.5:4b, gemma4:e4b, granite4.2:3b (outils + thinking, même gabarit) reste : un nouveau défaut impose un pull sur chaque machine
Together AI zai-org/GLM-5.3-Flash (était meta-llama/Llama-3.3-70B-Instruct-Turbo) oui — 0,15 / 0,50 $/M (catalogue lu le 2026-11-11) ; l'ancien défaut n'est plus servi en serverless Qwen/Qwen3.5-9B, deepseek-ai/DeepSeek-V4.1-Flash ; Llama 4 a quitté le serverless changé le 2026-11-11 — chaque appel à l'ancien défaut répondait Unable to access non-serverless model (2/9/1), le défaut passe donc à zai-org/GLM-5.3-Flash, cible de remplacement de Together depuis le 2026-09-19 : 11/0/1 au dernier essai du jour (10/1/1 au premier, M10 : aucun token en cache rapporté ; 11/0/1 le 2026-09-21), il lit l'image, le défaut voit donc et il n'y a plus de compagnon vision séparé ; Qwen/Qwen3.5-9B 10/1/1 (M10), candidat
DeepSeek deepseek-flash (était deepseek-v4-flash) oui — V4.1 Flash, 0,30 / 1,20 $/M en pointe, vision native c'est le plus récent changé le 2026-09-19 : l'ancien nom est un modèle retiré routé « temporairement » ici ; rejoué le 2026-09-21 : 12/12 deux fois — M2 et M9, rouges pendant cinq campagnes sur deepseek-v4-flash, sont verts sur deepseek-flash ; rejoué le 2026-11-11 : deepseek-flash 12/12
Kimi kimi-k3.1-pro (était kimi-k2.6) oui — kimi-k2.6 0,95 / 4,00 $/M, sans date de retrait kimi-k3 (juillet 2026, 1M, 3 / 15, échantillonnage figé ; thinking: disabled accepté, campagne M18 2026-11-13) ; kimi-k3.1-pro et les variantes -highspeed (listés le 2026-11-11) changé le 2026-11-11 — campagné le 2026-09-21 : kimi-k3 12/12 puis 11/1 (M2 sur la forme aplatie), trace de raisonnement, cache 0,97, JSON nu là où k2.6 clôture désormais son json_object — prêt, à trois fois le prix ; kimi-k2.5 et moonshot-v1-* retirés le 2026-08-31 ; docs désormais sur platform.kimi.ai ; 2026-11-11 : kimi-k2.6 10/1/1 (M8 : son json_object toujours clôturé), kimi-k3 12/12, kimi-k3.1-pro 12/12 — le nouveau modèle de tête ; changé le 2026-11-11 : le défaut passe à kimi-k3.1-pro (12/12 en direct et sur OpenRouter). La famille K3 fige temperature, top_p et son raisonnement : KimiLlmProvider laisse temperature et top_p hors d'une requête K3 et signale chacun, si bien qu'un hôte qui les règle reçoit un avertissement, pas un 400 ; le commutateur thinking est envoyé, puisque K3 le respecte (M18, 2026-11-13)
Qwen qwen3.7-plus oui — toujours le palier Plus, l'un des trois modèles recommandés qwen3.8-max (= qwen3.8-max-0902), qwen3.8-flash ; pas de qwen3.8-plus reste — campagné le 2026-09-21 : qwen3.8-max 12/12, qwen3.8-flash 11/1 (M2), tous deux prêts, et qwen3.7-plus est toujours 12/12 ; la génération 3.8 ajoute preserve_thinking ; 2026-11-11 : qwen3.7-plus, qwen3.8-flash et qwen3.8-max 12/12 chacun
Mistral AI mistral-medium-2604 oui — 1,50 / 7,50 $/M, non déprécié rien pour le chat depuis avril (OCR 4.1 seulement) reste ; les ids devstral-* / magistral sont dans la table des dépréciés ; 2026-11-11 : le défaut et mistral-large-4 12/12, mistral-small-2603 11/1 (M9)
HuggingFace meta-llama/Llama-3.1-8B-Instruct oui — mais outils sur un seul de ses quatre fournisseurs routés, et :fastest peut en choisir un autre Qwen/Qwen3.5-9B (outils sur trois fournisseurs, dès 0,10 / 0,15), zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4.1-Flash candidat Qwen3.5-9B — campagné le 2026-09-21 : 10/0/2, il voit et ses outils tiennent ; son premier passage a rendu un M1 vide après 4113 tokens de réflexion sur le repli 4096 du routeur — épingler Llm:MaxTokens (ou couper le thinking) avant d'en faire un défaut. Le routage explique toujours les rouges mouvants du défaut (M2 et M5 rouges ensemble au même passage) ; 2026-11-11 : le défaut 7/3/2 (M2, M5, M9), Qwen/Qwen3.5-9B 9/1/2 (M2)
Z.AI glm-5.3-flashx (était glm-5.2) oui — glm-5.2 toujours sous « Latest Models », 1,40 / 4,40 $/M glm-5.3 (2026-08-18), glm-5.3-flash (0,15 / 0,50, image + vidéo), glm-5.3-flashx changé le 2026-11-11 — campagné le 2026-09-21 : glm-5.3-flash 12/12 deux fois (il voit, là où 5.2 et 5.3 répondent 1210 ; cache lu) — le candidat le plus net du parc, à un neuvième du prix ; glm-5.3 10/2 (M2, M9) n'apporte rien sur 5.2. La déclaration Toggle demande toujours une garde par modèle avant une montée ; 2026-11-11 : glm-5.3-flashx de nouveau à 12/12, glm-5.3 11/1 (M9), glm-5.3-flash 11/1 (M2), glm-5.2 10/2 ; changé le 2026-11-11 : le défaut passe à glm-5.3-flashx (12/12 le 2026-10-07 et au premier essai du 2026-11-11, 11/1 avec M10 rouge au dernier ; il voit et son cache est lu) ; derniers essais du jour : glm-5.3-flash 12/0/0, glm-5.3 10/2 (M2, M9), glm-5.2 11/1 (M9). La famille 5.3 ne sait pas couper la réflexion : ZaiLlmProvider ne lui envoie pas thinking: disabled et signale l'option à la place
Google Gemini gemini-3.8-flash (était gemini-3.7-flash) oui — gemini-3.7-flash « génération précédente », sans date d'arrêt, 0,75 / 3,75 $/M jusqu'au 2026-12-31 puis 1,50 / 7,50 gemini-3.8-flash (GA 2026-09-02, même prix, thinking minimal refusé) ; gemini-4-argon, gemini-4-carbon premier candidat à une montée — campagné le 2026-09-21 : gemini-3.8-flash 11/0/1 deux fois, identique à 3.7 mode pour mode sur le transport direct ; OpenRouter et Mammouth non joués (pas de clé) ; 2026-11-11 : le défaut 11/0/1, gemini-3.8-flash 12/0/0, gemini-4-argon et gemini-4-carbon 11/0/1 chacun ; gemini-omni-1.2-flash est listé mais réservé à l'API Interactions, hors de portée de ce provider et non campagné ; changé le 2026-11-11 (campagne complète rejouée) : gemini-3.8-flash 12/0/0 en direct et chez OpenRouter (9/1/2 chez Mammouth, le même M10 qu'en 3.7), le défaut 11/0/1 — le défaut passe à gemini-3.8-flash, OpenRouter et Mammouth le suivent
Grok (x.AI) grok-4.6 oui — recommandé, 2 / 6 $/M sous 200K tokens de prompt, 4 / 12 au-delà aucun reste (grok-4.7 est listé depuis) ; campagné le 2026-11-11 : grok-4.6 et grok-4.7 12/12
MiniMax MiniMax-M3 (était MiniMax-M2) oui — MiniMax-M2 listé « legacy », sans date de retrait MiniMax-M3 (2026-06-01, 1M, entrée image + vidéo, mêmes 0,30 / 1,20) ; MiniMax-M3.1-Flash changé le 2026-11-11 — campagné le 2026-09-21 : MiniMax-M3 9/1/2 puis 8/1/3 — il lit l'image (alors compagnon vision du kit), M2 rouge comme M2, le bloc <think> inline découpé comme sur M2, 128 tokens en cache une fois ; la question du format de raisonnement est tranchée ; 2026-11-11 : MiniMax-M3.1-Flash 10/0/2 (M7 et M8 non déclarés par le provider), M9 vert — il lit l'image là où MiniMax-M3 lit 72 ; MiniMax-M3 9/1/2 (M9), MiniMax-M2 8/2/2 (M2, M9) ; changé le 2026-11-11 (campagne complète rejouée) : MiniMax-M3 10/0/2 (il lit l'image), MiniMax-M2 6/4/2 (M2, M5, M9, M10) — le défaut passe à MiniMax-M3 et le compagnon vision est retiré
OpenRouter google/gemini-3.8-flash (était google/gemini-3.7-flash) oui google/gemini-3.8-flash (2026-09-02, même prix) suit le défaut direct — campagné le 2026-10-07 : 11/1 sur les deux (M10 : champs de cache rendus à 0) ; 2026-11-11 : le défaut 12/0/0, google/gemini-3.8-flash 11/1/0 (M10), moonshotai/kimi-k3.1-pro 12/0/0 ; changé le 2026-11-11 (campagne complète rejouée) : google/gemini-3.8-flash 12/0/0, google/gemini-3.7-flash 11/1 (M10) — suit le défaut direct en 3.8
Mammouth AI gemini-3.8-flash (était gemini-3.7-flash) oui gemini-3.8-flash suit le défaut direct — campagné le 2026-10-07 : 10/0/2 sur les deux, tous les modes exercés verts ; 2026-11-11 : 9/1/2 sur les deux (M10 : 0 token en cache), kimi-k3.1-pro 10/0/2 ; changé le 2026-11-11 (campagne complète rejouée) : 9/1/2 sur les deux à nouveau (M10) — suit le défaut direct en 3.8

ModelPricingRegistry suit les mêmes pages : la famille GPT-5.6 et gpt-6-astra, et, pour Anthropic (lu le 2026-10-30), Fable 5.1 / Fable 5 à 10 / 50, Opus 5.5 à 4 / 20, Opus 5 et Opus 4.5 à 4.8 à 5 / 25, Sonnet 5 à 2 / 10, Haiku 5 à 0,10 / 0,50 et Haiku 4.5 à 1 / 5. Tarifs de cache : écriture 5 minutes à 1,25x le prix du prompt, écriture 1 heure à 2x (chiffrée par le gestionnaire de coût), lecture à 0,1x (0,25 pour Fable 5.1, 0,20 pour Opus 5.5). Le palier Haiku 5.5 au-delà de 100K tokens de prompt (0,50 / 2,50) n'est pas modélisé.

Le modèle par défaut de chaque fournisseur payant est tarifé (lu le 2026-11-15), en $ par million de tokens d'entrée / de sortie : DeepSeek deepseek-flash 0,30 / 1,20 (le tarif de pointe de cette page ; lecture de cache 0,006) ; Z.AI glm-5.3-flashx 0,37 / 1,25, glm-5.3-flash 0,15 / 0,50 et glm-5.3 1,4 / 4,4 (tarifs de docs.z.ai) ; Kimi kimi-k3.1-pro 2 / 10 et kimi-k3 3 / 15 et Qwen qwen3.7-plus 0,4 / 1,6 (Alibaba Cloud Model Studio, Singapour : la page de Kimi n'affiche aucun chiffre, et le tarif de Qwen est celui de la promotion limitée) ; Gemini gemini-3.8-flash 1,50 / 7,50 avec une lecture de cache à 0,15 (le tarif que Google applique à partir du 2027-01-01, retenu comme chiffre prudent pour les budgets) et gemini-3.7-flash 0,75 / 3,75 (sans prix de lecture de cache) ; Mistral mistral-medium-2604 1,50 / 7,50 ; Grok grok-4.6 et grok-4.7 2 / 6 ; MiniMax MiniMax-M3 0,30 / 1,20. Les passerelles sont tarifées par leurs propres lignes, rattachées au fournisseur : Together zai-org/GLM-5.3-Flash 0,15 / 0,50, Mammouth gemini-3.8-flash et gemini-3.7-flash 1,5 / 7,5 (la borne haute de la passerelle, d'après des sources secondaires). Les modèles Ollama et Docker Model Runner coûtent 0. Hugging Face reste sans prix : son fournisseur routé fixe le tarif, si bien qu'un appel avertit une fois par modèle et nomme Orkeon:CostTracking:CustomPricings, où une ligne le tarife. OpenRouter est compté d'après le usage.cost que renvoie le fournisseur, non d'après cette liste ; un déploiement Azure OpenAI n'est tarifé que si son nom correspond à une ligne (ajoutez-en une sous CustomPricings). Non modélisés : le tarif de Qwen au-delà de 256K tokens d'entrée (1,2 / 4,8) et celui de Grok au-delà de 200K tokens de prompt (4 / 12).

Modèles servis et leurs options par défaut — lecture des catalogues du 2026-11-11

Le dernier résultat de chaque modèle campagné, régénéré après chaque campagne, est sur Résultats des campagnes LLM ; les scores ci-dessous sont ceux qu'a relevés cette lecture des catalogues.

La campagne du 2026-11-11 a lu l'endpoint de catalogue de chaque fournisseur avec la clé de campagne (orkeon llm models -p <fournisseur> rend les mêmes identifiants), puis joué le protocole sur chaque défaut, sur les candidats des revues, et sur les modèles de chat courants que la liste montrait et qu'aucune campagne n'avait encore rencontrés. Deux fournisseurs ont été campagnés plus tard le même jour : Kimi avec une seconde clé (la première était refusée, 401), et Z.AI sur une clé valide (le premier compte n'avait pas de solde : 429, Insufficient balance or no resource package). Un score marqué (2026-10-07) ci-dessous n'a pas été rejoué. Il en sort trois sortes de faits, tenues séparées à dessein :

  • ce que l'endpoint publie d'un modèle — contexte, plafond de sortie, échantillonnage par défaut, niveaux d'effort. La donnée du vendeur : lue, pas mesurée ;
  • ce que le modèle impose — une valeur qu'il refuse de voir changer. Aucun endpoint ne la publie. On l'apprend en appelant le modèle (une passe sur M1, M5 et M7 aux réglages par défaut de la sonde) et elle est consignée dans requiredParams ;
  • ce que la campagne a mesuré sur les douze modes automatisés.

La liste complète — 1 312 identifiants pour quatorze fournisseurs, chacun avec les options que son endpoint publie — est llmproviders-test/lib/served-models.json, un instantané daté auquel la prochaine campagne se comparera. Azure OpenAI et Ollama n'ont pas de ligne : l'un sert les déploiements d'un compte, l'autre ce qu'une machine a tiré.

Fournisseur Requête du catalogue Identifiants Ce qu'elle publie par modèle
OpenAI GET api.openai.com/v1/models 96 les identifiants seuls
Anthropic GET api.anthropic.com/v1/models 15 contexte, plafond de sortie, niveaux d'effort, types de thinking, modalités
DeepSeek GET api.deepseek.com/models 2 contexte, plafond de sortie, modalités, niveaux d'effort et leur défaut
Z.AI GET api.z.ai/api/paas/v4/models 12 les identifiants seuls
Kimi GET api.moonshot.ai/v1/models 6 contexte, entrée image/vidéo, raisonnement
Google Gemini GET generativelanguage.googleapis.com/v1beta/models 62 contexte, plafond de sortie, température / topP / topK par défaut, température maximale, thinking
Mistral AI GET api.mistral.ai/v1/models 64 contexte, température par défaut, capacités, alias, dépréciation
Qwen GET dashscope-intl.aliyuncs.com/compatible-mode/v1/models 101 les identifiants seuls
Grok (x.AI) GET api.x.ai/v1/language-models 8 modalités, prix en $ par million de tokens, seuil de contexte long, alias
MiniMax GET api.minimax.io/v1/models 9 les identifiants seuls
Together AI GET api.together.xyz/v1/models 270 type, contexte, prix en $ par million de tokens
HuggingFace GET router.huggingface.co/v1/models 127 modalités et, par fournisseur routé : contexte, outils, sortie structurée
OpenRouter GET openrouter.ai/api/v1/models 433 contexte, plafond de sortie du premier endpoint, paramètres par défaut, raisonnement (obligatoire, effort par défaut, efforts acceptés)
Mammouth AI GET api.mammouth.ai/v1/models 107 contexte, plafond de sortie

Les modèles de chat de la génération courante, fournisseur par fournisseur. Un tiret dans les deux colonnes de taille signifie que l'endpoint ne publie pas le chiffre — pour ces modèles, les plafonds documentés sont ceux de la section suivante.

Fournisseur Modèle Contexte Sortie max Publié par l'endpoint Imposé par le modèle (mesuré) Campagne ✅/❌/➖
OpenAI gpt-5.6-sol (défaut) — — — temperature = 1 · reasoning_effort = none avec des outils 11/1/0 — ❌ M9
gpt-5.6-terra — — — temperature = 1 · reasoning_effort = none avec des outils 11/1/0 — ❌ M9 (2026-10-07)
gpt-5.6-luna — — — temperature = 1 · reasoning_effort = none avec des outils 11/1/0 — ❌ M6 (2026-10-07)
gpt-6-sol — — — temperature = 1 · reasoning_effort = none avec des outils 11/1/0 — ❌ M9
gpt-6-luna — — — temperature = 1 · reasoning_effort = none avec des outils 12/0/0
gpt-6.1-terra — — — temperature = 1 · reasoning_effort = none avec des outils 12/0/0
gpt-6.1-sol — — — temperature = 1 9/3/0 — ❌ M2, M5, M9
gpt-6-astra — — — temperature = 1 10/2/0 — ❌ M2, M5
Anthropic claude-sonnet-5 (défaut) 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive disabled temperature = 1 12/0/0
claude-sonnet-5-5 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive temperature = 1 12/0/0
claude-haiku-5-5 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive disabled temperature = 1 12/0/0
claude-opus-5 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive disabled temperature = 1 12/0/0 (2026-10-07)
claude-opus-5-5 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive temperature = 1 12/0/0
claude-fable-5-1 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive temperature = 1 11/1/0 — ❌ M6
claude-fable-5-2 1 000 000 128 000 efforts low medium high xhigh max · thinking adaptive temperature = 1 12/0/0
DeepSeek deepseek-flash (défaut) 1 048 576 393 216 effort par défaut high (sur low high max) · text + image — 12/0/0
deepseek-v4-pro 1 048 576 393 216 effort par défaut high (sur low high max) · text — 11/1/0 — ❌ M9 (2026-10-07)
Z.AI glm-5.2 — — — — 11/1/0 — ❌ M9 (10/2/0 plus tôt le même jour)
glm-5.3 — — — — 10/2/0 — ❌ M2, M9 (11/1/0 plus tôt le même jour)
glm-5.3-flash — — — — 12/0/0 (11/1/0, M2 rouge, plus tôt le même jour)
glm-5.3-flashx (défaut) — — — — 11/1/0 — ❌ M10 (12/0/0 plus tôt le même jour)
Kimi kimi-k2.6 262 144 — image + vidéo + raisonnement temperature = 1 10/1/1 — ❌ M8
kimi-k3 1 048 576 — image + vidéo + raisonnement temperature = 1 11/1/0 (M2)
kimi-k3.1-pro (défaut) 1 048 576 — image + vidéo + raisonnement temperature = 1 12/0/0
kimi-k3.1-pro-highspeed 1 048 576 — image + vidéo + raisonnement temperature = 1 12/0/0
kimi-k2.7-code 262 144 — image + vidéo + raisonnement temperature = 1 12/0/0
kimi-k2.7-code-highspeed 262 144 — image + vidéo + raisonnement temperature = 1 12/0/0
Google Gemini gemini-3.7-flash 1 048 576 65 536 temperature 1 (max 2) · topP 0.95 · topK 64 — 11/0/1
gemini-3.8-flash (défaut) 1 048 576 65 536 temperature 1 (max 2) · topP 0.95 · topK 64 — 12/0/0
gemini-4-argon 1 048 576 32 768 temperature 1 (max 2) · topP 0.95 · topK 64 — 11/0/1
gemini-4-carbon 1 048 576 32 768 temperature 1 (max 2) · topP 0.95 · topK 64 — 11/0/1
gemini-3.5-flash-lite 1 048 576 65 536 temperature 1 (max 2) · topP 0.95 · topK 64 — 12/0/0 (2026-10-07)
gemini-3.1-pro-preview 1 048 576 65 536 temperature 1 (max 2) · topP 0.95 · topK 64 — 10/1/1 — ❌ M5 (2026-10-07)
Mistral AI mistral-medium-2604 (défaut) 262 144 — temperature 1 · outils + raisonnement + vision reasoning_effort ∈ {high, none} 12/0/0
mistral-large-4 1 048 576 — temperature 1 · outils + raisonnement + vision reasoning_effort ∈ {low, medium, high} 12/0/0
mistral-small-2603 262 144 — temperature 0.3 · outils + raisonnement + vision reasoning_effort ∈ {high, none} 11/1/0 — ❌ M9
Qwen qwen3.7-plus (défaut) — — — — 12/0/0
qwen3.7-flash — — — — 11/1/0 — ❌ M2 (2026-10-07)
qwen3.7-max — — — — 11/1/0 — ❌ M9 (2026-10-07)
qwen3.8-flash — — — — 12/0/0
qwen3.8-max — — — — 12/0/0
deepseek-v4.1-flash-1017 — — — — 12/0/0
Grok (x.AI) grok-4.6 (défaut) — — text + image · 2 / 0.5 / 6 $/M entrée / cache / sortie — 12/0/0
grok-4.7 — — text + image · 2 / 0.5 / 6 $/M entrée / cache / sortie — 12/0/0
MiniMax MiniMax-M2 — — — — 6/4/2 — ❌ M2, M5, M9, M10
MiniMax-M2.7 — — — — 8/2/2 — ❌ M2, M9 (2026-10-07)
MiniMax-M3 (défaut) — — — — 10/0/2
MiniMax-M3.1-Flash — — — — 10/0/2
Together AI zai-org/GLM-5.3-Flash (défaut) 1 048 575 — 0.15 / 0.5 $/M — 11/0/1 (10/1/1, M10 rouge, plus tôt le même jour)
Qwen/Qwen3.5-9B 262 144 — 0.17 / 0.25 $/M — 10/1/1 — ❌ M10
meta-llama/Llama-3.3-70B-Instruct-Turbo (ancien défaut) 131 072 — 1.04 / 1.04 $/M — 2/9/1 — plus serverless
HuggingFace meta-llama/Llama-3.1-8B-Instruct (défaut) jusqu'à 131 072 — 3 fournisseur(s) routé(s), 1 avec outils — 7/3/2 — ❌ M2, M5, M9
Qwen/Qwen3.5-9B jusqu'à 262 144 — 3 fournisseur(s) routé(s), 2 avec outils — 9/1/2 — ❌ M2
OpenRouter google/gemini-3.7-flash 1 048 576 65 536 effort par défaut medium · raisonnement obligatoire — 11/1/0 — ❌ M10
google/gemini-3.8-flash (défaut) 1 048 576 65 536 effort par défaut medium · raisonnement obligatoire — 12/0/0
moonshotai/kimi-k3.1-pro 1 048 576 943 718 effort par défaut max — 12/0/0
deepseek/deepseek-v4.1-flash 1 048 576 943 718 effort par défaut high — 4/0/0 (M5, M7, M8, M10) (2026-10-07)
Mammouth AI gemini-3.7-flash 1 048 576 65 536 — — 9/1/2 — ❌ M10
gemini-3.8-flash (défaut) 1 048 576 65 536 — — 9/1/2 — ❌ M10
kimi-k3.1-pro 1 048 576 943 718 — — 10/0/2
deepseek-v4.1-flash 1 048 576 1 048 576 — — 1/0/2 (M5, M7, M8) (2026-10-07)

Ce que le tableau ne dit pas tout seul :

  • OpenAI — la génération 6 est listée (gpt-6-sol, gpt-6-luna, gpt-6.1-sol, gpt-6.1-terra, à côté de gpt-6-astra). gpt-6-sol, gpt-6-luna, gpt-6.1-terra et les deux tiers 5.6 non rejoués se comportent comme le défaut : température 1 seulement, et les outils sur /v1/chat/completions exigent reasoning_effort: none. gpt-6.1-terra accepte none, contrairement à gpt-6.1-sol, et passe 12/12 dès son premier essai. gpt-6.1-sol se comporte comme gpt-6-astra : il n'a pas de none, les outils y restent donc refusés (M2 sur le tableau messages, M5) tant que le dialecte ne parle pas /v1/responses. Le premier passage du 2026-11-11 (06:10) était rouge sur M2 et M5 pour tous les modèles OpenAI : Orkeon abaissait le none épinglé à low depuis #242, et la ligne gpt-5 du tableau de capacités attrapait les ids gpt-5.6-*. Corrigé et rejoué à 06:25 : gpt-5.6-sol 11/1, gpt-6-sol 11/1, gpt-6-luna et gpt-6.1-terra 12/12 ; gpt-6-astra et gpt-6.1-sol restent rouges, comme prévu. M9 est le mode qui bouge à la température imposée : 29, 26 et 18 ont été lus pour 73 le 2026-10-07, 23, 43 et 23 le 2026-11-11 (gpt-5.6-sol, gpt-6-sol, gpt-6.1-sol).
  • Anthropic — claude-sonnet-5-5, claude-opus-5-5 et claude-haiku-5-5 sont listés, le dernier le jour même de la campagne. Les quatre modèles campagnés pour la première fois refusent une température épinglée dans les mots de claude-sonnet-5. claude-opus-5-5 répond à l'invite d'outil de la sonde par un HTTP 200, un content vide et stop_reason: "refusal" (catégorie cyber) : le provider ne lit pas stop_reason et rend une réponse vide — ses rouges M5 et M6 sont ce refus, pas l'appel d'outil. Le rouge M9 de claude-haiku-5-5 est celui de la sonde : le modèle répond Seventy-three red, le contrôle cherche les chiffres. Le 2026-11-11, claude-haiku-5-5 est à 12/12 et claude-opus-5-5 à 12/12 avec la même invite : le classifieur ne rencontre plus la formulation de la sonde. claude-fable-5-2 (listé le 2026-11-09) refuse une température explicite comme le reste de la famille 5 et passe 12/12 dès son premier essai, y compris le M6 que claude-fable-5-1 manque encore (11/1).
  • Mistral AI — le compte n'est plus limité en débit, le défaut a donc de nouveau un résultat (11/1, sa ligne du 2026-08-30). mistral-large-4 raisonne par défaut et diffuse delta.content sous la forme d'un tableau de morceaux typés : le flux texte levait une exception dessus (M3) et le flux de chat perdait la trace et les premiers mots de la réponse. Les deux flux lisent les deux formes depuis le 2026-10-07 ; rejoué sur ce correctif, le modèle était à 11/1, M3 vert, et il est à 12/12 le 2026-11-11 (son contexte publié est passé de 524 288 à 1 048 576). Le défaut est lui aussi à 12/12. /v1/models liste désormais aussi des modèles d'autres vendeurs servis par Mistral — deepseek-v4-1-flash-1017 et zai-glm-5-3-flash, tous deux 11/1 dès leur premier essai : le message système est perdu sur la forme tableau messages de M2 alors que la forme aplatie le respecte.
  • Kimi — joué une heure après les autres : le compte était d'abord suspendu pour solde insuffisant (HTTP 429, exceeded_current_quota_error, que la politique de retry traite comme une limite de débit). kimi-k2.6 clôture toujours son json_object en markdown (M8, comme le 2026-09-21) ; kimi-k2.7-code est le seul modèle Kimi dont tous les modes sont verts. Lui aussi impose la température 1, ce que seuls ses flux ont montré : sur un appel bufferisé le provider retente une fois avec la valeur imposée, les deux chemins de flux non. 2026-11-11, avec une seconde clé (la première était refusée, 401 Incorrect API key provided) : la liste passe à six identifiants — kimi-k3.1-pro et les variantes -highspeed de celui-ci et de kimi-k2.7-code. Les trois imposent eux aussi la température 1 (6/6 à 0 : M2, M3, M4, M5, M9 et M10 refusés) et sont à 12/12 une fois épinglés ; kimi-k3 est à 12/12 aussi, kimi-k2.7-code toujours à 12/12. kimi-k2.6 reste à 10/1/1 — M8 toujours clôturé, M10 ne rapporte aucune ventilation des tokens en cache. kimi-k3.1-pro est aussi à 12/12 via OpenRouter, 10/0/2 via Mammouth.
  • Z.AI — glm-5.3-flashx est le deuxième modèle de la famille à passer tous les modes (au premier essai du jour). La liste omet glm-4.6v-flash, qui est servi (le compagnon vision, M9 vert le même jour) : un catalogue n'est pas toute l'offre. glm-5.3-flashx est de nouveau à 12/12 au premier essai, 11/1 au dernier (M10 rouge) ; glm-5.3 passe M2 au vert au premier essai (11/1, reste M9 1210) puis le repasse au rouge au dernier (10/2) ; glm-5.3-flash garde M2 rouge au premier essai, son message système ignoré sous les deux formes — le modèle, pas Orkeon — et est à 12/12 au dernier ; glm-5.2 est à 10/2 puis 11/1 (M9 1210 ; M10 0 cached au premier essai). La première clé du jour n'avait pas de solde (429, code 1113), que le provider a retenté comme une limite transitoire pendant 21 minutes (issue #328). glm-5.3-flashx-legal est nouveau dans la liste, non campagné.
  • Qwen — une clé internationale n'est servie que par dashscope-intl.aliyuncs.com ; l'endpoint compilé (dashscope.aliyuncs.com) lui répond 401. Régler Llm:BaseUrl. La liste internationale est tombée de 172 à 101 ids le 2026-11-11 (la lignée qwen3 open-weight et les familles qwen-vl / omni / tts l'ont quittée) ; qwen3.7-plus, qwen3.8-flash et qwen3.8-max sont à 12/12, et deepseek-v4.1-flash-1017, servi là, est à 12/12 dès son premier essai.
  • Gemini — gemini-3.5-flash-lite est le seul modèle Gemini dont le détail du cache est revenu (4077 tokens en cache) ; le rouge M5 de gemini-3.1-pro-preview ne s'est pas reproduit en trois rejeux (non rejoué le 2026-11-11). gemini-3.8-flash est à 12/12 le 2026-11-11 et le défaut à 11/0/1. gemini-4-argon et gemini-4-carbon (contexte 1 048 576, sortie 32 768, thinking) sont à 11/0/1 chacun dès leur premier essai. gemini-omni-1.2-flash est listé par /v1beta/models mais répond This model only supports Interactions API sur la surface compatible OpenAI : hors de portée de ce provider, non campagné.
  • MiniMax — MiniMax-M3.1-Flash est nouveau dans la liste (9 ids) : 10/0/2 dès son premier essai, M7 et M8 non déclarés par le provider, M9 vert — il lit l'image là où MiniMax-M3 se trompe de nombre (72 ; 9/1/2 au premier essai, 10/0/2 au dernier : il lit l'image aussi). MiniMax-M2 est à 8/2/2 (M2, M9), puis 6/4/2 au dernier essai (M2, M5, M9, M10).
  • Together AI — meta-llama/Llama-3.3-70B-Instruct-Turbo, l'ancien défaut compilé, n'est plus servi en serverless : chaque appel répond Unable to access non-serverless model (2/9/1). Le défaut passe à zai-org/GLM-5.3-Flash (11/0/1 au dernier essai du jour, 10/1/1 au premier avec M10 rouge : l'endpoint ne rapporte aucun token en cache) ; Qwen/Qwen3.5-9B est à 10/1/1 (M10). Le défaut voit, il n'y a donc plus de compagnon vision séparé.
  • HuggingFace — le défaut est à 7/3/2 (M2, M5, M9) et Qwen/Qwen3.5-9B à 9/1/2 (M2) ; le routage décide toujours du nombre de fournisseurs d'un modèle qui portent les outils.
  • OpenRouter et Mammouth AI — premières campagnes, toutes deux sur le défaut Gemini du parc : un modèle, trois transports. Direct 11/0/1, OpenRouter 11/1/0, Mammouth 10/0/2 — la place de marché rend les champs de cache à 0 là où Google n'en rend aucun (M10), et les deux ➖ de Mammouth sont les capacités que le provider ne déclare pas. Le catalogue d'OpenRouter est le plus riche du parc : par modèle, les paramètres par défaut et le caractère obligatoire du raisonnement. Rejoué le 2026-11-11 : direct 11/0/1 (et gemini-3.8-flash 12/12), OpenRouter 12/0/0 sur le défaut et 11/1/0 sur gemini-3.8-flash (M10), Mammouth 9/1/2 sur les deux — son M10 lit désormais 0 token en cache là où il était vert le 2026-10-07.
  • Servis aussi, non campagnés — entre autres claude-fable-5, claude-opus-4-8, gemini-3.6-flash, gemini-3.5-flash, mistral-large-2512, la famille ministral, grok-4.5, grok-4.3, MiniMax-M2.1, MiniMax-M2.5, glm-5.1, glm-5-turbo, qwen3.6-plus, qwen3.5-plus. L'instantané les liste tous.

Plafonds de sortie — le maximum documenté par modèle

Une requête porte un plafond de sortie (max_tokens, max_completion_tokens chez OpenAI, num_predict chez Ollama). Non épinglé, le plafond est le maximum documenté du modèle, tiré du catalogue LlmModelOutputLimits d'Orkeon.Constants.Llm : un 4096 fixe laisserait un modèle de raisonnement épuiser le budget à penser et répondre vide. Une valeur épinglée (Llm:MaxTokens, un profil, le max_tokens d'une crew) gagne toujours ; un modèle inconnu du catalogue garde le repli 4096. N'y entrent que des chiffres documentés, chacun lu le 2026-09-19 :

Fournisseur Modèle Plafond envoyé Source Note
OpenAI (et les déploiements Azure des mêmes ids) gpt-5.6-sol, gpt-6-astra 128 000 developers.openai.com/api/docs/models le raisonnement compte dans le plafond
Anthropic claude-sonnet-5, claude-opus-5, claude-fable-5-1 (les variantes datées suivent la famille) 128 000 platform.claude.com/docs/en/about-claude/models/overview la réflexion compte dans max_tokens ; le champ est obligatoire, un Claude inconnu reçoit 4096
Gemini gemini-3.7-flash, gemini-3.8-flash (aussi sous google/… chez OpenRouter et nu chez Mammouth) 65 536 ai.google.dev/gemini-api/docs/models jetons de réflexion inclus ; 65 537 fait un 400
DeepSeek deepseek-flash (et les noms retirés deepseek-v4-flash* qu'il route) 393 216 api-docs.deepseek.com/api/create-chat-completion « 1 à 384K » ; 384 000 chez Mammouth
Kimi kimi-k3 131 072 platform.kimi.ai/docs/guide/kimi-k3-quickstart le défaut max_completion_tokens du fournisseur ; borne réelle 1M − prompt
Kimi kimi-k3.1-pro 131 072 platform.kimi.ai/docs/guide/kimi-k3-quickstart un épinglage, pas un plafond documenté : le défaut de K3 reporté sur le modèle par défaut du 2026-11-11 ; kimi-k3 seul ne le couvrirait pas (. n'est pas un séparateur), et le repli à 4096 affamait K3
Kimi kimi-k2.6 131 072 platform.kimi.ai/docs/guide/troubleshooting un épinglage, pas un plafond documenté : la borne est 256K − prompt ; un rejet retire le champ au rejeu
Qwen qwen3.7-plus, qwen3.8-flash, qwen3.8-max 131 072 alibabacloud.com/help/en/model-studio la chaîne de pensée a son propre thinking_budget ; 65 500 chez Mammouth
Z.AI glm-5.2, glm-5.3, glm-5.3-flash, glm-5.3-flashx 131 072 docs.z.ai/guides/overview/concept-param maximum du schéma ; défaut 65 536
Z.AI glm-4.6v-flash 32 768 docs.z.ai/guides/vlm/glm-4.6v —
MiniMax MiniMax-M2 131 072 platform.minimax.io/docs/guides/models-intro « 128k (CoT compris) » ; M3 est absent, défaut depuis le 2026-11-11 — le fournisseur ne publie aucun chiffre de sortie, il tourne donc sur le repli de 4096 (512k n'apparaît que comme réglage de benchmark ; 512 000 chez Mammouth)
xAI grok-4.6 128 000 docs.x.ai/developers/rest-api-reference pas de plafond par modèle ; le défaut du fournisseur quand le champ manque, raisonnement exclu
Mistral mistral-medium-2604 (mistral-medium-3-5) aucun docs.mistral.ai/api/endpoint/chat pas de plafond de sortie, seulement « prompt + max_tokens ≤ contexte » : le champ est omis et le modèle écrit jusqu'à sa fenêtre
Together tous 4096 (repli) docs.together.ai/docs/serverless-models aucun plafond de sortie par modèle, seulement prompt + max_tokens ≤ fenêtre. La fenêtre elle-même a été le plafond du 2026-09-19 au 2026-09-21, sur l'hypothèse que context_length_exceeded_behavior: truncate la ramène à fenêtre − prompt ; la campagne du 2026-09-21 a mesuré que deux des trois moteurs serverless refusent quand même (max_new_tokens, context_length_exceeded) et que le troisième ne tronque que sur le chemin bufferisé. Le repli tient, le drapeau part toujours, et le filet de rejeu retire le plafond sur ces formulations ; omis, le champ vaut 2048 (finish_reason: length)
Ollama tous aucun (num_predict omis) docs.ollama.com/modelfile -1, génération infinie est le défaut du runtime : un modèle local écrit jusqu'à son contexte
HuggingFace, Docker Model Runner, tout le reste — 4096 (repli) — la borne du routeur est le contexte du fournisseur routé, qui change selon la route ; épinglez Llm:MaxTokens

Deux choses que le catalogue dit franchement. Là où le fournisseur borne le plafond par « fenêtre − prompt » (Kimi, Together, Mistral), une valeur fixe proche de la fenêtre échoue sur tout vrai prompt — ces lignes sont donc un épinglage, le repli, ou rien. Et un plafond que le point d'accès refuse (Qwen « Range of max_tokens », Kimi « prompt tokens + max_tokens exceeds », Gemini maxOutputTokens, le 422 de DeepSeek, les moteurs Together avec max_new_tokens / context_length_exceeded) est rejoué une fois sans le champ quand il vient du catalogue, avec un avertissement qui nomme le modèle — une valeur épinglée appartient à l'utilisateur, et son rejet remonte tel quel.

Valeurs de paramètres obligatoires, par modèle

Certains modèles refusent une requête tant qu'un paramètre ne porte pas une valeur précise. C'est autre chose que les écarts de capacité par modèle ci-dessus (un modèle sans thinking ou sans vision) : ici la capacité existe, mais le modèle dicte la valeur, et le vendeur répond 400 à tout le reste. La contrainte est par modèle, jamais par fournisseur — le même vendeur sert des modèles aux exigences opposées, un épinglage au niveau fournisseur est donc à une campagne de casser le modèle voisin. Chaque ligne ci-dessous est mesurée en réel ; rien n'est inféré.

Fournisseur Modèle Paramètre Valeur obligatoire Les mots du vendeur Mesuré
Kimi kimi-k2.6 temperature 1 invalid temperature: only 1 is allowed for this model 2026-08-03
Kimi kimi-k2.7-code temperature 1 — un appel bufferisé est retenté par le provider avec cette valeur, un flux est refusé invalid temperature: only 1 is allowed for this model 2026-10-07
Kimi kimi-k3.1-pro, kimi-k3.1-pro-highspeed, kimi-k2.7-code-highspeed temperature 1 — tous les modes de flux et M2, M5, M9, M10 refusés à 0 ; sur la famille K3, le provider laisse désormais le champ de côté (avec un avertissement) sur tous les chemins invalid temperature: only 1 is allowed for this model 2026-11-11
OpenAI gpt-5.6-sol temperature 1 'temperature' does not support 0 with this model. Only the default (1) value is supported. 2026-08-30
OpenAI gpt-5.6-sol reasoning_effort "none" quand la requête porte des function tools sur /v1/chat/completions Function tools with reasoning_effort are not supported for gpt-5.6-sol in /v1/chat/completions. To use function tools, use /v1/responses or set reasoning_effort to 'none'. 2026-08-30
OpenAI gpt-6-astra temperature 1 'temperature' does not support 0 with this model. Only the default (1) value is supported. 2026-09-21
OpenAI gpt-6-astra reasoning_effort aucun "none" n'existe (low, medium, high, xhigh) — le contournement Sol est impossible, les function tools restent refusés sur /v1/chat/completions tant que le dialecte ne parle pas /v1/responses 'reasoning_effort' does not support 'none' with this model. Supported values are: 'low', 'medium', 'high', and 'xhigh'. — et sans lui, Function tools with reasoning_effort are not supported for gpt-6-astra in /v1/chat/completions. To use function tools, use /v1/responses 2026-09-21
Anthropic claude-sonnet-5 temperature 1, ou omettre le champ `temperature` is deprecated for this model. (1 et l'omission passent ; 0 et 0.7 non) 2026-08-30
OpenAI gpt-5.6-terra, gpt-5.6-luna, gpt-6-sol, gpt-6-luna temperature et reasoning_effort comme gpt-5.6-sol : 1, et "none" avec des outils les deux phrases de gpt-5.6-sol, au nom du modèle près 2026-10-07
OpenAI gpt-6.1-sol temperature et reasoning_effort comme gpt-6-astra : 1, et pas de "none" 'reasoning_effort' does not support 'none' with this model. Supported values are: 'low', 'medium', 'high', and 'xhigh'. 2026-10-07
Anthropic claude-opus-5, claude-opus-5-5, claude-sonnet-5-5, claude-haiku-5-5 temperature 1, ou omettre le champ `temperature` is deprecated for this model. 2026-10-07
Anthropic claude-fable-5-2 temperature 1, ou omettre le champ refusée comme le reste de la famille 5 — la phrase n'a pas été consignée pour ce modèle 2026-11-11
OpenAI gpt-6.1-terra temperature et reasoning_effort comme gpt-5.6-sol : 1, et "none" avec des outils — contrairement à gpt-6.1-sol, ce modèle a un none les deux phrases de gpt-5.6-sol, au nom du modèle près ; 12/12 avec ces deux épinglages 2026-11-11
Mistral mistral-large-4 reasoning_effort levée : low, medium et high tous acceptés le 2026-11-13 (le 2026-10-07 : high ou none seulement) — 2026-11-13
Mistral mistral-small-2603 reasoning_effort high ou none seulement — confirmé le 2026-11-13 reasoning_effort='low' is not supported for this model. Must be one of (<ReasoningEffort.none: 'none'>, <ReasoningEffort.high: 'high'>) 2026-11-13
Mistral mistral-medium-2604 reasoning_effort high ou none seulement — confirmé le 2026-11-13 reasoning_effort low is not supported for this model, supported values: [<ReasoningEffort.high: 'high'>, <ReasoningEffort.none: 'none'>] 2026-11-13
Mistral mistral-medium-2604 top_p 1 explicite quand temperature vaut 0 et que le raisonnement est actif (l'omission n'y vaut PAS 1) top_p must be 1 when using greedy sampling. 2026-08-30
Anthropic claude-fable-5-1, claude-fable-5-2, claude-opus-5-5 thinking.type jamais disabled : le thinking reste adaptive, l'effort le règle "thinking.type.disabled" is not supported for this model. Use "thinking.type.adaptive" and "ou… (coupé dans le rapport) 2026-11-13
Anthropic claude-sonnet-5-5 thinking.type le thinking se coupe avec between_tools, pas disabled To turn thinking off on this model, send "thinking": {"type": "between_tools"} instead of {"… (coupé dans le rapport) 2026-11-13
Kimi kimi-k2.7-code thinking.type enabled seulement : le thinking ne se coupe pas invalid thinking: only type=enabled is allowed for this model 2026-11-13
OpenRouter google/gemini-3.7-flash, google/gemini-3.8-flash reasoning.enabled jamais false Reasoning is mandatory for this endpoint and cannot be disabled. 2026-11-13
Z.AI glm-5.3, glm-5.3-flash, glm-5.3-flashx reasoning_effort low, high ou max — pas de medium This model always engages in thinking and cannot be disabled; please use low, high, or max 2026-11-13

Les lignes datées du 2026-11-13 viennent des modes de raisonnement de la campagne (M15 bascule du thinking, M16 balayage des efforts, M17 budget), qui ont envoyé chaque niveau à chaque modèle par défaut et candidat ; la grille complète, valeurs acceptées comprises, est dans Raisonnement par modèle. Orkeon juge ces valeurs par modèle : la table de capacités (ModelCapabilityRegistry) restreint la déclaration de chaque fournisseur, si bien que, pour un modèle de la table, une bascule d'arrêt refusée est retirée, un niveau refusé est abaissé à un niveau que le modèle accepte (relevé au plus bas quand aucun n'est en dessous) et une valeur propre au vendeur refusée (none, minimal) est retirée, chacun avec un avertissement structuré ; pour un modèle absent de la table, un effort que le fournisseur porte part tel que demandé, avec un avertissement par instance de fournisseur et par modèle.

Chez OpenAI, les tiers GPT-5.6 et GPT-6 ne prennent des function tools sur /v1/chat/completions qu'avec reasoning_effort: none (gpt-6-astra et gpt-6.1-sol n'ont pas de none : les outils exigent /v1/responses). L'épinglage doit arriver à l'API sous la forme none : le 2026-11-11, un premier passage voyait Orkeon l'abaisser à low, ce qui a mis M2 et M5 au rouge sur tous les modèles OpenAI jusqu'au correctif.

Une température que rien ne fixe ne part pas : un hôte qui n'en épingle aucune fait tourner ces modèles sur leur propre défaut, qu'ils acceptent — orkeon init n'en écrit pas. Un hôte qui en épingle une doit épingler la valeur imposée.

Le contre-exemple qui rend le registre par-modèle : gpt-4o-mini — même fournisseur que gpt-5.6-sol — rejette reasoning_effort tout court (Unrecognized request argument supplied: reasoning_effort, mesuré le même jour). Un « toujours none » au niveau fournisseur le casserait.

Jumeau lisible par machine : llmproviders-test/lib/catalog.json, clé requiredParams (par fournisseur, indexée par identifiant de modèle) — les scripts de campagne la résolvent automatiquement et l'en-tête du rapport imprime les valeurs réellement utilisées. Dans le code applicatif, les mêmes valeurs s'expriment par LlmConfig (Temperature, Thinking = { Effort = "none" }) ; sur une mauvaise valeur, l'erreur du vendeur revient attribuée (CapabilityMismatchHint nomme le réglage thinking sur le refus tools-avec-raisonnement).

Ce que cette table ne prouve pas

Chaque ligne est adossée à des tests unitaires qui vérifient le payload émis — contre un handler HTTP mocké. Un mock prouve qu'Orkeon envoie ce que nous croyons envoyer ; il ne prouve pas que le fournisseur l'accepte. Les preuves d'exécution réelle sont archivées séparément par le kit de campagne (llmproviders-test/, dont le README porte le journal des campagnes ; le dernier résultat par modèle est sur Résultats des campagnes LLM) ; lancez une campagne avec orkeon llm probe --provider <nom> --archive <dossier>, ou le run-campaign.sh du kit (valider un fournisseur).