Depuis son lancement le 9 septembre, Seedream 4.0, le générateur d’images de ByteDance, s’impose en tête du classement Text-to-Image Arena, un système qui mesure les performances des technologies de génération d’images en temps réel, grâce aux votes des utilisateurs.
Top 10 des générateurs d’images en octobre 2025
Seedream 4.0, doté de fonctionnalités multimodales avancées, se distingue par sa capacité à « passer aisément d’un style artistique à un autre ». Ce modèle occupe la première place pour le deuxième mois consécutif, tandis que sa version antérieure, Seedream 3.0, grimpe à la 5e position après avoir été en tête en août.
Une tendance positive se dessine aussi pour Google, qui rattrape son retard sur OpenAI, Midjourney et Black Forest Labs. Ses derniers modèles — Imagen 4 Ultra, Gemini 2.5 Flash, et Imagen 4 — se positionnent respectivement à la 2e, 3e et 4e place.
À l’inverse, OpenAI continue de décliner, ses modèles n’ayant pas vu d’avancées significatives. Avec un score de 1 135 Elo, GPT-5 se classe 7e, suivi par Kolors 2.1 de Kuaishou Kling AI et Lucid Origin Fast de Leonardo.AI. Le modèle FLUX.1 Kontext, lancé en mai par Black Forest Labs, se maintient dans le haut du tableau, tandis que Midjourney et Reve chutent, se classant respectivement 30e et 18e.
Voici le classement des meilleurs modèles de génération d’images pour octobre 2025, selon Artificial Analysis :
- Seedream 4.0 (ByteDance) : 1 207 (score Elo)
- Imagen 4 Ultra Preview (Google) : 1 170
- Gemini 2.5 Flash Nano-Banana (Google) : 1 165
- Imagen 4 Preview (Google) : 1 161
- Seedream 3.0 (ByteDance) : 1 146
- Vivago 2.1 (HiDream) : 1 136
- GPT-5 (OpenAI) : 1 135
- Kolors 2.1 (Kuaishou Kling AI) : 1 133
- Lucid Origin Fast (Leonardo.AI) : 1 115
- FLUX.1 Kontext [max] (Black Forest Labs) : 1 128
Accéder au classement complet
Critères de classement de la Text-to-Image Arena
Établi par Artificial Analysis, le classement Text-to-Image Arena utilise un système de duels arbitré par les utilisateurs. Un même prompt est soumis à deux modèles anonymisés, et les votants choisissent le meilleur résultat. Ce système attribue à chaque modèle un score Elo, variant en fonction des victoires et des défaites. Une victoire contre un modèle mieux classé augmente le score, tandis qu’une défaite contre un modèle moins bien classé le diminue.
