# Coding Agent: Meilleur agent de code IA, modèle et effort par tâche

> Coding Agent · https://coding-agent.josedacosta.net/fr · données du 2026-11-11 · José DA COSTA (https://www.josedacosta.net)
> English version: https://coding-agent.josedacosta.net/en.md

Pour chaque tâche de code : quel agent, quel modèle et quel effort de raisonnement utiliser avec votre abonnement, comment travailler et quand changer — pour obtenir le meilleur résultat avant d'épuiser votre quota.

## Périmètre : abonnements uniquement

Cette page évalue l'usage des agents de code via un abonnement — Claude Pro/Max/Ultra, ChatGPT Plus/Pro pour Codex, Google AI Pro/Ultra pour Antigravity, SuperGrok, Kimi, GLM Coding Plan, Qwen Token Plan pour Qwen Code, MiMo Token Plan pour MiMo Code. L'usage facturé au token avec une clé API est exclu de son raisonnement. Les prix API apparaissent comme un indice secondaire de consommation relative, sans conversion garantie en quota d’abonnement.

## Qu'est-ce qu'un agent de code ?

Une IA qui travaille dans votre projet : elle lit les fichiers, modifie le code, lance des commandes et des tests, et itère jusqu'à ce que la tâche soit terminée, sous votre contrôle. Le même agent s'utilise souvent de nombreuses façons — un terminal (CLI), une application desktop, une extension d'IDE, un service web, à distance depuis un téléphone ou un autre navigateur, dans GitHub et la CI/CD (revues de pull requests, agents assignés aux issues, GitHub Actions), depuis les outils d'équipe (Slack, Teams, Linear, Jira…) ou via un SDK dans vos propres scripts : Codex, par exemple, tourne dans Codex CLI, l'app de bureau ChatGPT, l'extension IDE Codex, Codex cloud, Codex Remote, Codex code review, Slack et le Codex SDK. Ci-dessous, les agents les plus utilisés, du plus au moins utilisé ; cette page les couvre tant qu'ils sont utilisés via un abonnement.

| Agent | Usage au travail | CLI (terminal) | Application desktop | Extension d'IDE | Web / chat | À distance et mobile | GitHub et CI/CD | Outils d'équipe | SDK et scripts |
|---|---|---|---|---|---|---|---|---|---|
| Claude Code — Anthropic | 39 %, npm 12 482 566/sem. | ✓✓ Claude Code CLI (12,5 M téléchargements npm par semaine) | ✓ Claude Code Desktop | ✓✓ Claude Code for VS Code (27,5 M installations VS Code, 4,9 M téléchargements JetBrains) | ✓ Claude Code on the web | ✓ Remote Control, Claude app (iOS, Android) | ✓✓ Claude Code GitHub Actions, GitLab CI/CD (utilisé par 24 081 dépôts GitHub) | ✓ Claude Code in Slack | ✓✓ Claude Agent SDK, claude -p (12,1 M téléchargements npm par semaine) |
| GitHub Copilot — GitHub | 21 %, npm 1 562 659/sem. | ✓✓ GitHub Copilot CLI (1,6 M téléchargements npm par semaine) | — | ✓✓ GitHub Copilot extension (78,7 M installations VS Code, 55,0 M téléchargements JetBrains) | ✓ Copilot Chat (github.com/copilot) | ✓ GitHub Mobile | ✓✓ Copilot code review, Copilot cloud agent (plus de 60 M de revues de code, plus d'1 sur 5 sur GitHub) | ✓ Slack, Microsoft Teams, Jira, Linear, Azure Boards | ✓✓ GitHub Copilot SDK, copilot -p (1,5 M téléchargements npm par semaine) |
| Codex — OpenAI | 16 %, npm 23 140 547/sem. | ✓✓ Codex CLI (23,1 M téléchargements npm par semaine) | ✓ ChatGPT desktop app | ✓✓ Codex IDE extension (15,4 M installations VS Code) | ✓ Codex cloud | ✓ Codex Remote (ChatGPT mobile app) | ✓✓ Codex code review (GitHub, GitLab preview), Codex GitHub Action (plus de 100 000 pull requests relues par jour (oct. 2025)) | ✓ Slack, Linear | ✓✓ Codex SDK, codex exec (2,1 M téléchargements npm par semaine) |
| Cursor — Cursor | 12 % | ✓ Cursor CLI | ✓✓ Cursor (editor) (l'éditeur Cursor : 12 % des développeurs au travail) | ✓ JetBrains (ACP) | ✓ Cloud Agents | ✓ Cursor for iOS | ✓✓ Bugbot (plus de 2 M de pull requests relues par mois) | ✓ Slack, Linear | ✓ Cursor SDK, headless CLI |
| Junie — JetBrains | 9 % avec JetBrains AI | ✓ Junie CLI | — | ✓✓ Junie in JetBrains IDEs (35,5 M téléchargements JetBrains) | — | — | ✓ GitHub, GitLab | — | — |
| OpenCode — Anomaly | 7 %, npm 2 958 079/sem. | ✓✓ OpenCode Terminal (3,0 M téléchargements npm par semaine) | ✓ OpenCode Desktop | ✓✓ OpenCode Extensions (1,2 M installations VS Code) | — | ✓ opencode web (network access) | ✓ GitHub, GitLab | — | ✓✓ OpenCode SDK, opencode run (38,4 M téléchargements npm par semaine) |
| Antigravity — Google | 6 % | ✓ Antigravity CLI | ✓✓ Antigravity IDE, Antigravity 2.0 (l'éditeur Antigravity : 6 % des développeurs au travail) | ✓ Antigravity IDE Extensions | — | ✓ Remote Control | — | — | ✓ Antigravity SDK |
| Qwen Code — Alibaba (Qwen) | npm 68 764/sem. | ✓ Qwen Code CLI | ✓ Qwen Code Desktop | ✓ Qwen Code Companion | — | ✓ Channels: Telegram, WeChat, QQ | ✓ Qwen Code GitHub Action | ✓ Channels: DingTalk, WeCom, Feishu | ✓ Qwen Code SDK, headless mode |
| Grok Build — xAI | npm 60 608/sem. | ✓ Grok Build CLI | — | ✓ via ACP | — | — | — | — | ✓ Headless mode |
| Kimi Code — Moonshot AI | npm 47 815/sem. | ✓ Kimi Code CLI | ✓ Kimi Code Desktop | ✓ Kimi Code for VS Code | — | — | — | — | ✓ Kimi Agent SDK |
| ZCode / Claude Code — Z.ai | — | ✓ Claude Code | ✓ ZCode | ✓ Claude Code IDE Plugin | — | ✓ Remote Control, WeChat bot | — | ✓ Feishu bot | — |

✓✓ très utilisé sur cette surface : au moins 1 M de téléchargements de la CLI ou du SDK par semaine, 1 M d'installations de l'extension d'IDE, 10 000 dépôts qui utilisent l'action GitHub ou 1 M de pull requests relues par mois ; le desktop, le web, le pilotage à distance et les outils d'équipe ne publient aucun chiffre : seul l'éditeur que mesure l'enquête (Cursor, Antigravity) y reçoit un ✓ vert.
✓ disponible sur cette surface.

Usage : part des développeurs professionnels qui utilisent l'agent au travail, mai–juillet 2026 (JetBrains Developer Ecosystem Survey 2026, plus de 15 000 développeurs). npm : téléchargements hebdomadaires de la CLI de l'agent, 4–10 octobre 2026. Ces téléchargements incluent la CI et les mises à jour automatiques : ils ne servent qu'à classer les agents que l'enquête ne mesure pas. Qoder et MiMo Code sont écartés : moins de 12 000 téléchargements par semaine chacun. Les noms en gris sont ceux que chaque éditeur donne à chaque surface ; la colonne web ne compte que les services hébergés, pas les interfaces locales dans le navigateur.

## Préconisations du moment (2026-11-11)

- **Planification avancée et architecture**: Claude Code · Claude Fable 5.2 · high ou Claude Code · Claude Opus 5.5 (défaut) · xhigh
- **Code au quotidien**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)
- **Débogage**: Claude Code · Claude Opus 5.5 (défaut) · high
- **Front-end et interfaces web**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)
- **Longues sessions d'agent autonome**: Claude Code · Claude Opus 5.5 (défaut) · xhigh ou Codex · GPT-6.1 Sol (défaut) · xhigh
- **Gros volume, sous-agents, retouches rapides**: Codex · GPT-6.1 Terra · medium (défaut) ou Claude Code · Claude Haiku 5.5 · medium (défaut)
- **Algorithmique, preuves et programmation compétitive**: Codex · GPT-6 Astra · max ou Codex · GPT-6.1 Sol (défaut) · max
- **Code scientifique et numérique**: Claude Code · Claude Fable 5.2 · high ou Claude Code · Claude Opus 5.5 (défaut) · xhigh
- **Illustrations et icônes SVG en code**: Codex · GPT-6 Astra · xhigh ou Claude Code · Claude Opus 5.5 (défaut) · high
- **Graphiques, tableaux de bord et diagrammes en code**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)
- **3D, jeux et creative coding en code**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut) ou Codex · GPT-6 Astra · xhigh

## Quoi utiliser, et quand

Choisissez ce que vous allez faire : vous obtenez le fournisseur, le modèle, l'effort de raisonnement et l'abonnement à utiliser, combien de temps rester dessus et vers quoi basculer ensuite, combien d'heures-agent votre quota vous donne — avec les preuves derrière chaque choix.

### Planification avancée et architecture

Rédiger un plan de développement, une spécification, une stratégie de migration, une revue d'architecture.

Exemples: Écrire un plan de développement avant une fonctionnalité · Concevoir une migration (framework, base de données, version d'API) · Revue d'architecture ou de sécurité d'une base de code · Transformer un brief flou en spécification et liste de tâches

> Aucun benchmark ne mesure la qualité d'un plan ou d'une spécification. Le choix repose sur le raisonnement général (indice d'intelligence d'AA) et sur LibraryDesignBench, qui note la conception de l'API d'une bibliothèque. Les revues de sécurité sont à égalité sur CWE-bench v2 (250 tâches : Opus 5.5 67,1 %, Gemini 4 Argon 65,0 %, GPT-6 Astra 64,2 %, ±5 points ; Fable 5.2 et Gemini 4 Carbon pas encore classés).

- **Choix retenu**: Claude Code · Claude Fable 5.2 · high — Claude Max (100 $) ou Ultra (200 $) : Fable peut utiliser jusqu'à 50 % de la limite hebdomadaire (sur Pro, crédits payants uniquement). ≈ 2,9 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Max 5x (estimation centrale).
- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · xhigh — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 1,7 heures-agent par fenêtre de 5 h · ≈ 13 par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Seulement pour le plan : une session, jusqu'à ce que le plan ou le `SPEC.md` soit écrit, relu et validé.
- **Ensuite**: Arrêtez-vous là. Implémentez dans une nouvelle session avec Opus 5.5 en medium (défaut) — voir Code au quotidien — ou confiez le plan à une longue session avec `/goal`. Rester en xhigh pour implémenter coûte 2,5 fois plus par tâche (indice AA : 6,05 $ contre 2,45 $), et implémenter avec Fable 5.2 dépenserait son plafond hebdomadaire sur la partie qu'un modèle moins cher fait bien.

**Comment travailler**

1. Tapez `/plan <description>` et réglez `/effort xhigh` (Opus 5.5), ou `/model fable` puis `/effort high` sur Max ou Ultra (Claude Code règle Fable 5.2 sur medium par défaut) : l'agent lit et propose, rien n'est modifié avant votre accord.
2. Terminez la spec par une vérification de bout en bout qui prouve que la fonctionnalité marche, puis faites relire le plan par une session ou un sous-agent vierge avant d'implémenter.
3. Pour une grosse fonctionnalité, demandez à Claude de vous interviewer et d'écrire le résultat dans `SPEC.md` ; les plans sont aussi enregistrés dans `~/.claude/plans`.
4. Modifiez le plan avec `Ctrl+G`, puis implémentez dans une nouvelle session en `/effort medium`.
5. Dans Codex : `/plan`, avec `plan_mode_reasoning_effort` réglé dans `config.toml`, et tenez un `PLANS.md` référencé depuis `AGENTS.md`.

**Pourquoi**

- Un plan, c'est une longue passe de raisonnement : l'effort y rapporte. Opus 5.5 obtient 57,4 à l'indice d'intelligence d'AA (v5) en xhigh, devant Claude Sonnet 5.5 en max (54,5 pour 10,02 $) et juste sous son propre max (59,1), pour 40 % de moins que max (6,05 $ contre 10,04 $ par tâche). Il fonctionne avec Claude Pro.
- La planification est là où Claude Fable 5.2 rentabilise son quota sur Max et Ultra : premier à l'indice AA (61,8 en high pour 9,08 $ ; 64,6 en max), premier de FrontierCode 2.0 en xhigh (49,1 % ; 45,3 % en high, au niveau d'Opus 5.5 en max, 45,5 %, pour moins cher) et de LiveBench 2.0 au global (84,9). Un plan coûte peu de tokens mais décide de tout ce qui suit : quelques tours de Fable y sont rentables ; confiez ensuite le travail à Opus 5.5, qui consomme environ 1,4 fois moins de quota par heure.
- Opus 5.5 reste premier de LibraryDesignBench (48,9 ±0,9), qui note l'API qu'un modèle conçoit pour une bibliothèque, devant Claude Fable 5.1 (47,5) et GPT-6 Astra (45,1) — et devant la vraie bibliothèque de production (46,6) ; Fable 5.2 n'y est pas encore classé.
- Planifiez une fois en high (Fable 5.2) ou en xhigh (Opus 5.5), max seulement pour le plan vraiment critique, puis exécutez les étapes en medium (Opus 5.5). Fable 5.2 en max vaut rarement le coup : +2,7 points à l'indice AA par rapport à high pour près de 3 fois le coût (26,54 $ contre 9,08 $).

**Alternatives**

- Codex · GPT-6 Astra · xhigh: Codex : 55,3 à l'indice AA pour 3,66 $ ; max n'ajoute que +1,5 point pour +70 % de coût.
- Antigravity · Gemini 4 Carbon · high (défaut): Antigravity avec Google AI Ultra : 60,0 à l'indice AA en high pour 7,76 $ par tâche (au prix catalogue ; moitié prix jusqu'au 2026-11-30), devant Opus 5.5 en xhigh (57,4), avec peu d'hallucinations. Sur Google AI Pro, Gemini 4 Argon en high : 50,4 à l'indice AA et premier de LiveBench 2.0 en raisonnement (95,1, contre 92 à 93 pour Astra, GPT-6.1 Sol et Opus 5.5, un seul essai) ; une session de planification tient dans la fenêtre de Pro.

Sources : Artificial Analysis model leaderboard · Snorkel LibraryDesignBench 1.0.0 · CWE-bench v2 · LiveBench · FrontierCode leaderboard data · Introducing Claude Fable 5.2 and Claude Mythos 5.2 · Claude Fable models on your plan · Gemini 4 Carbon is now available · Antigravity models · Claude Code best practices · Codex best practices

### Code au quotidien

Fonctionnalités, corrections simples, revues, petits refactors — le travail de toute la journée. Un bug que vous n'expliquez pas a sa propre fiche : Débogage.

Exemples: Corriger un test cassé par votre propre modification · Ajouter un endpoint, un formulaire, une option de CLI · Relire une pull request · Petit refactor sur quelques fichiers

- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut) — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Toute la journée : medium, le réglage par défaut de Claude Code, est celui à laisser. Une session par tâche (`/clear` entre deux tâches), et arrêtez une session après deux corrections ratées.
- **Ensuite**: Une tâche qui résiste (une modification subtile, deux tentatives ratées) : `/effort high` pour cette tâche seulement, ou `ultrathink` pour un tour, puis retour en medium. Un bug que vous n'expliquez pas : Débogage. Une modification qui ne tient pas en une phrase : planifiez-la d'abord (Planification avancée). Beaucoup de petites retouches mécaniques : Gros volume.

**Comment travailler**

1. Pas besoin de plan si vous pouvez décrire la modification en une phrase ; sinon, tapez `/plan <tâche>` — plus fiable que `Shift+Tab`, qui part désormais du mode auto.
2. Restez en medium (le défaut). Pour un tour difficile, ajoutez `ultrathink` dans le prompt : depuis la 2.1.311, ce tour passe en xhigh dans le terminal.
3. Donnez à l'agent une vérification qu'il peut lancer (tests, build, lint) et demandez la commande et sa sortie, pas une affirmation. Après deux corrections ratées, `/rewind` ou `/clear`, puis reformulez avec ce que vous avez appris.
4. Avant la pull request : `/code-review` cherche les bugs dans un sous-agent vierge ; `/simplify` nettoie le diff mais ne cherche pas les bugs.
5. Dans Codex : `/model` → GPT-6.1 Sol en medium (son défaut, low, fait bien moins bien) ; structurez le prompt en Objectif, Contexte, Contraintes, Critère de fin.

**Pourquoi**

- La meilleure qualité pour le quota sur le travail courant. Les benchmarks sont faits de tâches difficiles : là, high ajoute environ 4 points à medium (CursorBench 4.0 52,5 % → 56,0 %, Terminal-Bench 4.0 (AA) 52,5 % → 56,6 %, FrontierCode 2.0 30,1 % → 34,5 %) pour environ 35 % de quota en plus, donc environ un quart d'heures d'agent en moins. Sur les tâches courantes que medium résout déjà, ce gain ne se voit pas : gardez high pour les tâches qui résistent.
- C'est le seul modèle de pointe que Claude Pro inclut sans crédits, et le modèle et l'effort par défaut de Claude Code depuis le 2026-09-22. Sous-ensemble SWE-bench Pro d'Anthropic : 92,8 % résolus à 0,22 $ par tâche résolue, contre 92,3 % à 1,19 $ pour Fable 5.1 à son réglage par défaut.
- Claude Fable 5.2 en medium fait un peu mieux (CursorBench 54,8 %, Terminal-Bench 4.0 (AA) 55,1 %, FrontierCode 2.0 37,6 %) pour plus cher par tâche (4,66 $ contre 2,91 $ sur CursorBench), puise dans le plafond hebdomadaire de Fable (50 % sur Max et Ultra) et demande des crédits payants sur Pro : voir l'alternative.

**Alternatives**

- Codex · GPT-6.1 Sol (défaut) · medium: Codex sur ChatGPT Plus : au niveau d'Opus 5.5 en medium sur FrontierCode 2.0 (29,6 % contre 30,1 %) pour 0,49 $ par tâche contre 1,70 $, et 48,0 % sur Terminal-Bench 4.0 (AA) contre 52,5 %. Réglez medium : son défaut, low, tombe à 30,8 % sur Terminal-Bench 4.0 (AA). Plus permet environ 15 à 160 messages GPT-6.1 Sol par 5 heures. Pour l'interface et le visuel, préférez Opus 5.5 : GPT-6.1 Sol est derrière lui sur Arena WebDev (1743 contre 1814) et Design Arena (1354 contre 1381).
- Antigravity · Gemini 4 Carbon · medium: Antigravity avec Google AI Ultra (pas Pro), ou GitHub Copilot Pro+ : premier de CursorBench 4.0 (60,1 % en medium pour 8,49 $) et 40,0 % sur FrontierCode 2.0, devant Opus 5.5 en medium pour environ trois fois le coût par tâche. Réglez medium : son défaut, high, n'apporte rien sur FrontierCode 2.0 (37,5 %) et low ne coûte pas moins. Son prix API double le 2026-12-01 (4 $ / 20 $).
- Claude Code · Claude Fable 5.2 · medium (défaut): Sur Claude Max ou Ultra, pour les tâches les plus dures de la journée, pas pour tout : en medium, il dépasse Opus 5.5 en high sur FrontierCode 2.0 (37,6 % contre 34,5 %) et à l'indice AA (56,4 contre 51,8) pour 3,10 à 3,80 $ par tâche. Il puise dans son propre plafond (50 % de la limite hebdomadaire). Jamais `/fast` sur abonnement : le mode rapide n'est facturé qu'en crédits payants (16 $ / 80 $ par million de tokens).
- Claude Code or ZCode · GLM-5.3 · max (défaut): Repli petit budget seulement, quand aucun autre abonnement ne convient : GLM Coding Plan Lite (18 $/mois, 2 000 crédits par 5 heures) dans Claude Code ; DeepSWE 69,0 % en max, mais loin derrière sur CursorBench 4.0 (42,6 %) et FrontierCode 2.0 (17,8 %). En max, il consomme environ 2 900 crédits par heure active : Lite donne donc environ 40 minutes de travail d'agent par 5 heures (le double en heures creuses).

Sources : Artificial Analysis model leaderboard · FrontierCode leaderboard data · Arena Code: WebDev leaderboard · Design Arena: Code overall · Optimizing for cost and intelligence · Model configuration · DeepSWE v1.1 leaderboard · Introducing GPT-6 Sol and Luna · Introducing GPT-6.1 Sol · Artificial Analysis Coding Agent Index · Codex pricing · GLM Coding Plan · CursorBench 4.0 · What's new in Gemini 4 Argon (Gemini API) · What's new in Gemini 4 Carbon (Gemini API) · Gemini 4 Carbon is now available · Models and pricing for GitHub Copilot · Introducing Claude Fable 5.2 and Claude Mythos 5.2 · Claude Fable models on your plan · Antigravity models · Antigravity plans · Claude Code best practices · Claude Code commands · Claude Code permission modes

### Débogage

Un bug que vous n'expliquez pas encore : trouver la cause, le reproduire, le corriger et prouver la correction. Le diagnostic demande plus de raisonnement qu'écrire du code.

Exemples: Un test qui échoue seulement en CI, ou seulement de temps en temps · Une stack trace ou un plantage en production · Une régression après une mise à jour · Un bug qui traverse plusieurs services ou fichiers

- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · high — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 1,8 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Jusqu'à ce que la cause soit trouvée et la correction prouvée par un test, puis `/effort medium` à nouveau : high coûte environ 27 % de plus par tâche que medium, trop pour le laisser toute la journée.
- **Ensuite**: Toujours bloqué : ajoutez `ultrathink` au prompt suivant (un tour en xhigh). Bloqué après deux tentatives : `/clear`, puis Claude Fable 5.2 en xhigh (Max ou Ultra) avec ce que vous avez appris. Une fois corrigé : retour au Code au quotidien.

**Comment travailler**

1. Commencez par `/effort high` ; ajoutez `ultrathink` dans un seul prompt pour ne passer que ce tour en xhigh.
2. Donnez l'erreur complète, la stack trace et la commande exacte qui échoue, puis demandez une reproduction (un test qui échoue) avant toute correction.
3. Demandez la cause en une phrase et la preuve (logs, bisect, valeur affichée) avant que l'agent modifie le code ; refusez une correction qui ne fait que masquer le symptôme.
4. Terminé quand le test de reproduction passe et que le reste de la suite passe toujours ; puis `/code-review` sur le diff.
5. Dans Codex : `/model` → GPT-6.1 Sol en xhigh pour le diagnostic, puis retour en medium.

**Pourquoi**

- Le diagnostic est une tâche difficile, où l'effort se voit. Terminal-Bench, c'est surtout du diagnostic en terminal (builds cassés, services en panne, données à récupérer) ; sur le passage d'Artificial Analysis, Opus 5.5 gagne 4 points de medium à high (52,5 % → 56,6 %) pour 4,04 $ → 5,12 $ par tâche, environ 27 % de quota en plus.
- Pourquoi pas xhigh pour toute la session : 3 points de plus (59,6 %) pour 8,78 $, encore 72 % de plus, et rien de plus sur CursorBench 4.0 (56,0 % en high comme en xhigh). `ultrathink` donne xhigh au seul tour qui en a besoin. Max n'apporte rien de plus que xhigh (59,6 %).

**Alternatives**

- Claude Code · Claude Fable 5.2 · xhigh: Sur Claude Max ou Ultra, pour le bug qu'Opus 5.5 n'a pas résolu, même avec `ultrathink` : le modèle Claude le plus fort au diagnostic — Terminal-Bench 4.0 (AA) 61,6 %, FrontierCode 2.0 49,1 %, indice AA 62,2, et 65,2 % sur le passage Terminal-Bench de Vals AI (en high) — pour 14,83 à 20,81 $ par tâche. Max fait moins bien (59,6 %) pour 31,59 $. Il puise dans le plafond de Fable (50 % de la limite hebdomadaire).
- Antigravity · Gemini 4 Carbon · high (défaut): Antigravity avec Google AI Ultra, ou GitHub Copilot Pro+ : 65,2 % sur Terminal-Bench 4.0 (AA) en high pour 10,05 $ par tâche, devant tous les modèles Claude et OpenAI de ce passage, et 60,4 % sur CursorBench 4.0. Son prix API double le 2026-12-01.
- Codex · GPT-6.1 Sol (défaut) · xhigh: Codex sur ChatGPT Plus ou Pro : 54,0 % sur Terminal-Bench 4.0 (AA) en xhigh pour 1,03 $ par tâche, un cinquième d'Opus 5.5 en high, pour quelques points de moins ; max ajoute 2 points (56,1 %, et 60,9 % sur le classement officiel Terminal-Bench 4.1) pour 75 % de plus.

Sources : Artificial Analysis model leaderboard · CursorBench 4.0 · Vals AI benchmarks · Terminal-Bench 4.1 leaderboard · Introducing Claude Fable 5.2 and Claude Mythos 5.2 · Claude Fable models on your plan · Introducing GPT-6.1 Sol · Codex pricing · What's new in Gemini 4 Carbon (Gemini API) · Gemini 4 Carbon is now available · Model configuration · Claude Code best practices · Claude Code commands

### Front-end et interfaces web

Landing pages, composants, dashboards — là où des humains jugent le résultat.

Exemples: Construire une landing page ou un site vitrine · Créer des composants d'interface et un design system · Dashboards et visualisation de données · Rendre une page existante responsive et accessible

- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut) — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Pour les pages, les composants et les retouches : medium, le réglage par défaut, mène déjà Design Arena, dont les entrées Opus 5.5 tournent à un effort proche du défaut.
- **Ensuite**: Pour la page qui doit marquer (une landing page, une vitrine) : `/effort max` pendant sa construction, le réglage derrière l'avance sur Arena WebDev, puis retour en medium. Max consomme environ 35 % de quota en plus par heure (facteur d'effort 1 contre 0,74).

**Comment travailler**

1. Lancez `claude --chrome` (connexion par abonnement requise) : l'agent ouvre la page, lit les erreurs de console, capture son résultat et le compare à votre maquette ; `/verify` contrôle l'application lancée.
2. Nommez les styles à éviter (par exemple « pas de fond crème, pas de boutons en pilule ») plutôt que de demander d'« éviter le look IA générique ».
3. Gardez le serveur de développement lancé et itérez par petits prompts.
4. N'utilisez le mode plan que pour des fonctionnalités sur plusieurs pages ou un design system.
5. Dans Antigravity, `/browser` vérifie la mise en page dans un Chrome isolé.

**Pourquoi**

- En tête d'Arena WebDev (1814,3 ±11,7, votes humains à l'aveugle, arrêtés au 2026-11-10), à égalité avec Claude Fable 5.2 en xhigh (1835,8 ±22,4 sur seulement 994 votes, rangs 1 à 2), et nettement devant Claude Sonnet 5.5 en xhigh (1772,5), Gemini 4 Carbon en high (1768,2, préversion), GPT-6 Astra en max (1764,4) et GPT-6.1 Sol en max (1743,0). Premier aussi d'Arena Image-to-WebDev (1751,9 ±19,2), au niveau de Claude Sonnet 5.5 (1744,1).
- Design Arena va dans le même sens sans départager les meilleurs : au niveau de GPT-6 Astra en xhigh sur son classement code global (1381 contre 1387), premier du tableau agentique full-stack (1408, 73 % de 318 duels gagnés, devant Astra à 1342) et deuxième du tableau agentique frontend (1319, derrière Astra en max, 1343). Claude Fable 5.2 n'est que neuvième du classement code global (1347) et met environ deux fois plus de temps par génération.
- Medium pour le front-end courant, max seulement pour une page vitrine : Arena WebDev ne mesure Opus 5.5 qu'en max, tandis que Design Arena n'indique pas d'effort pour Claude et que ses entrées Opus 5.5 tournent à peu près aussi vite que Claude Sonnet 5.5, un effort proche du défaut — et elles mènent déjà le classement full-stack.

**Alternatives**

- Claude Code · Claude Fable 5.2 · xhigh: Sur Claude Max ou Ultra, pour la seule page qui doit impressionner : meilleur score d'Arena WebDev (1835,8 ±22,4), mais sur 994 votes, dans la marge d'Opus 5.5, neuvième du classement code global de Design Arena (1347) et environ deux fois plus lent par génération. Il puise dans le plafond hebdomadaire de 50 % de Fable : revenez à Opus 5.5 une fois la page en place.
- Claude Code · Claude Sonnet 5.5 · xhigh: Troisième d'Arena WebDev (1772,5 ±9,9), deuxième d'Arena Image-to-WebDev (1744,1) et devant Opus 5.5 sur les composants d'interface de Design Arena (1386 contre 1370, sur 459 duels), pour environ 40 % du coût d'Opus 5.5 en max par tâche de l'indice AA (4,09 $ contre 10,04 $).
- Kimi Code · Kimi K3.1 Pro · max: Via les plans Kimi Code (Plus limite son contexte à 262K tokens) : 1687,7 ±9,8 sur Arena WebDev, le meilleur modèle à poids ouverts du classement, deuxième des composants d'interface de Design Arena (1393 sur 324 duels, derrière GPT-6 Astra à 1399) et troisième du tableau agentique full-stack (1330). Lent : environ 15 à 19 minutes par génération sur Design Arena.
- Qwen Code · Qwen3.8 Max · xhigh (défaut): 1675,8 ±6,2 sur Arena WebDev, juste sous Kimi K3.1 Pro, et 1286 sur Design Arena frontend, devant Claude Sonnet 5.5 (1281) et GPT-6.1 Sol (1266), dans Qwen Code avec le Qwen Token Plan dès 6 $.

Sources : Arena Code: WebDev leaderboard · Arena Code: Image-to-WebDev · Design Arena: Code overall · Design Arena: Website · Design Arena: UI components · Design Arena: Mobile apps (agents) · Design Arena: agentic web dev · Design Arena: data visualization · Artificial Analysis model leaderboard · Introducing Claude Fable 5.2 and Claude Mythos 5.2 · Claude Fable models on your plan · Token Plan (Personal Edition) · Kimi Code models · Claude Code in Chrome · Prompting Claude Opus 5.5

### Longues sessions d'agent autonome

Refactors de plusieurs heures, migrations, travail intensif en terminal où l'agent tourne seul.

Exemples: Migrer toute une base de code vers un nouveau framework · Refactor de plusieurs heures sur des centaines de fichiers · Mettre en place CI, Docker et infrastructure de zéro · Laisser l'agent travailler seul sur une longue liste de tâches

> Les mesures divergent selon le type de tâche : choisissez selon votre abonnement. Sur SWE-Marathon (tâches longues, 160 essais chacun), Gemini 4 Carbon, Sonnet 5.5, Opus 5.5, GPT-6.1 Sol et GPT-6 Astra sont dans la marge d'incertitude (42 à 54 %). La rétro-ingénierie de binaires favorise OpenAI (Vals SRE-bench, un benchmark de sécurité : Astra 56,9 %, GPT-6.1 Sol 50,8 %, Opus 5.5 33,6 %), et aucun benchmark ne mesure l'infrastructure ou le DevOps en tant que tels ; construire un programme de zéro favorise Claude (Vals ProgramBench : Fable 5.2 19,0 %, Opus 5.5 18,5 %, Astra 5,5 %). Sur la suite longue durée de LiveBench 2.0 du 2026-11-06, Fable 5.2 en xhigh mène (82,9) devant Astra (75,6), Opus 5.5 (72,8) et GPT-6.1 Sol (65,6), sur un seul essai et à 160,92 $ par tâche. L'indice d'agents de code d'AA ne mesure Opus 5.5 et GPT-6.1 Sol qu'en max.

- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · xhigh — Claude Max (100 $) ou Ultra (200 $) pour les longues sessions. Un agent seul n'atteint jamais la limite de 5 h (≈ 8,6 heures-agent par fenêtre) · ≈ 82,2 heures-agent par semaine avec Claude Max 5x (estimation centrale).
- **Choix retenu**: Codex · GPT-6.1 Sol (défaut) · xhigh — ChatGPT Plus (20 $) ou Pro. ≈ 3,7 heures-agent par fenêtre de 5 h · ≈ 26,3 par semaine avec ChatGPT Plus (Codex) (estimation centrale).
- **Restez dessus**: Pendant toute la session, jusqu'à ce que la condition de `/goal` soit remplie — des heures s'il le faut. Vérifiez les étapes clés plutôt que chaque action.
- **Ensuite**: Une fois l'objectif atteint, arrêtez la session, faites relire en contexte vierge (`/code-review`), puis revenez en medium (Code au quotidien) pour la suite. Si la session échoue deux fois sur la même erreur, arrêtez-la et replanifiez plutôt que de la laisser consommer du quota.

**Comment travailler**

1. Planifiez d'abord avec `/plan`, puis confiez l'objectif avec `/goal <condition>` (Claude Code et Codex). Rendez la condition vérifiable (« les tests passent », « tous les endpoints sont migrés ») : un évaluateur séparé la revérifie après chaque tour.
2. Restez en mode auto (le défaut) pour que la session n'attende jamais une confirmation, et écrivez dans `AGENTS.md` / `CLAUDE.md` de ne s'arrêter que s'il est bloqué ou avant toute action destructrice. Jamais `--dangerously-skip-permissions` hors d'un bac à sable.
3. Effort : `/effort xhigh` dans Claude Code ; `model_reasoning_effort = 'xhigh'` pour GPT-6.1 Sol dans Codex (son défaut est low).
4. Découpez les parties indépendantes : `/batch <instruction>` ou `claude --worktree <nom>` dans Claude Code ; worktrees ou tâches cloud dans Codex.
5. `ultracode` (ou « use a workflow ») orchestre des dizaines d'agents mais consomme beaucoup plus de quota : essayez d'abord sur un seul dossier.
6. Terminez par une revue en contexte vierge : `/code-review` (alias `/review`) dans Claude Code, `/review` dans Codex.

**Pourquoi**

- Sur l'indice d'agents de code d'AA, qui fait tourner chaque modèle dans l'agent de son éditeur, Opus 5.5 en max dans Claude Code est premier (61,7 pour 11,42 $ par tâche), devant Gemini 4 Carbon (59,4) et Claude Sonnet 5.5 (59,3) ; GPT-6.1 Sol en max dans Codex obtient 54,1 pour 1,50 $, moins bien mais pour environ un huitième du coût. Sur le classement officiel tbench.ai (Terminal-Bench 4.1, la renotation de la 4.0 du 2026-11-09), Opus 5.5 en max est premier (65,76 %, 14,30 $ par essai) et GPT-6.1 Sol en max (60,91 %) devance de peu GPT-6 Astra (60,30 %) pour un cinquième de son coût par essai (1,92 $ contre 9,90 $).
- Opus 5.5 : max n'apporte rien par rapport à xhigh sur Terminal-Bench 4.0 mesuré par AA (59,6 % des deux côtés) pour 49 % de coût en plus ; Anthropic recommande xhigh pour les tâches de plus de 30 minutes.
- GPT-6.1 Sol consomme environ la moitié du quota de GPT-6 Sol par heure active dans l'indice d'agents de code d'AA : ChatGPT Plus suffit pour commencer. En xhigh : Terminal-Bench 4.0 (AA) 54,0 % pour 1,03 $ par tâche, le score de GPT-6 Astra en high pour un quart du coût. Max ajoute environ 2 points (56,1 %) pour 75 % de plus, ce qu'une session de plusieurs heures sur Plus ressent : gardez max pour une session courte et difficile.

**Alternatives**

- Claude Code · Claude Sonnet 5.5 · max: Troisième de l'indice d'agents de code d'AA dans Claude Code, 59,3 à 13,30 $ par tâche contre 61,7 à 11,42 $ pour Opus 5.5 en max, mais devant sur Terminal-Bench 4.0 (AA), 63,6 % contre 59,6 %, et deuxième du classement officiel tbench.ai (63,94 %). Depuis la baisse de moitié du prix de ses lectures de cache le 2026-10-07, il devrait consommer environ 40 % de quota en moins par heure active qu'Opus 5.5 (estimation).
- Codex · GPT-6 Astra · high: Pour les longues sessions les plus dures dans Codex avec ChatGPT Pro : premier de Vals SRE-bench (rétro-ingénierie de binaires) en max (56,9 %, GPT-6.1 Sol 50,8 %, Opus 5.5 33,6 %), deuxième de FrontierSWE (65,5, derrière Fable 5.2) et de la suite longue durée de LiveBench 2.0 en max (75,6, un seul essai). Ailleurs, GPT-6.1 Sol fait aussi bien pour bien moins (indice d'agents de code d'AA en max : 54,7 pour 7,04 $, contre 54,1 pour 1,50 $). Sur le classement officiel tbench.ai, high atteint déjà 60,0 %.
- Antigravity · Gemini 4 Carbon · high (défaut): Avec Google AI Ultra dans Antigravity (`/goal` compris) : deuxième modèle seul de l'indice d'agents de code d'AA (59,4 pour 7,74 $ par tâche au prix catalogue, environ 15,60 $ par heure d'agent active, moitié moins jusqu'au 2026-11-30), premier de SWE-Marathon (53,75 %, dans la marge des autres) et meilleur « pire essai » de FrontierSWE (56,2 ; moyenne 61,2 pour 61,93 $ par essai, le moins cher des meilleurs). Moins fiable sur les commandes shell dans les sessions d'agent d'Arena ; fixez une limite d'agents à `/swarm`. Google AI Pro n'a pas Carbon, et Gemini 4 Argon n'y donne qu'environ 2 heures d'agent par fenêtre de 5 heures.
- Claude Code · Claude Fable 5.2 · high: Seulement pour le build le plus dur de la semaine, sur Claude Max ou Ultra : premier de FrontierSWE (69,9, contre 62,3 pour Opus 5.5) et de Vals ProgramBench (19,0 % en high), et de la suite longue durée de LiveBench 2.0 en xhigh (82,9). Mais il coûte environ 1,7 fois Opus 5.5 par essai sur FrontierSWE (168,78 $ contre 98,87 $), Fable peut utiliser au plus 50 % de la limite hebdomadaire, et sa system card signale du travail laissé inachevé dans 6 à 13 % des sessions : donnez à `/goal` une condition vérifiable.

Sources : Artificial Analysis model leaderboard · Terminal-Bench 4.1 leaderboard · Artificial Analysis Coding Agent Index · Introducing Claude Sonnet 5.5 · Introducing Claude Haiku 5.5 · Introducing GPT-6.1 Sol · Effort · Claude Code /goal · Claude Code workflows · Claude Code permission modes · SWE-Marathon v1.1 · Vals AI: SRE-bench · Vals AI: ProgramBench · FrontierSWE V2 · LiveBench · Antigravity models · Gemini 4 Carbon and /swarm · Introducing Claude Fable 5.2 and Claude Mythos 5.2 · Claude Fable 5.2 and Claude Mythos 5.2 System Card · Claude Fable models on your plan

### Gros volume, sous-agents, retouches rapides

Beaucoup de petites tâches bien définies : la meilleure qualité qu'un petit budget permet, sans y dépenser le quota d'un modèle de pointe.

Exemples: Renommer, reformater, ajouter des types sur de nombreux fichiers · Écrire en masse des docstrings, des tests ou des traductions · Sous-agents qui cherchent ou résument du code · Corrections rapides d'une ligne

- **Choix retenu**: Codex · GPT-6.1 Terra · medium (défaut) — ChatGPT Plus (20 $). Un agent seul n'atteint jamais la limite de 5 h (≈ 6,6 heures-agent par fenêtre) · ≈ 47,4 heures-agent par semaine avec ChatGPT Plus (Codex) (estimation centrale).
- **Choix retenu**: Claude Code · Claude Haiku 5.5 · medium (défaut) — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). Un agent seul n'atteint jamais la limite de 5 h (≈ 16,1 heures-agent par fenêtre) · ≈ 122,3 heures-agent par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Tant que les tâches restent mécaniques et entièrement spécifiées : renommages, types, docstrings, tests sur un modèle clair. Testez le prompt sur 2 ou 3 fichiers, puis parallélisez.
- **Ensuite**: Dès qu'une tâche demande du jugement (un choix de conception, un bug flou), revenez au Code au quotidien. Seulement quand le quota de Terra s'épuise sur des retouches triviales, GPT-6 Luna en max coûte un peu moins, mais fait bien moins bien (Terminal-Bench 4.0 (AA) 12,6 % contre 32,3 %). Jamais Claude Fable 5.2 pour le travail en masse ou les sous-agents : il viderait son plafond de 50 % de la semaine sur des retouches qu'un petit modèle fait aussi bien.

**Comment travailler**

1. Un modèle moins cher plutôt qu'un modèle de pointe en effort bas : GPT-6.1 Terra dans Codex (`/model`), ou Claude Haiku 5.5 dans Claude Code (`/model haiku`), tous deux à leur réglage par défaut, medium.
2. Parallélisez : `/batch <instruction>` ou une boucle `claude -p` dans Claude Code ; demandez à Codex de lancer des sous-agents.
3. Testez le prompt sur 2 ou 3 fichiers avant de paralléliser, et restreignez les outils avec `--allowedTools`.
4. Chaque sous-agent puise dans le même quota d'abonnement : donnez-leur un effort plus bas (`effort: low`) ou un modèle plus petit (`model: haiku`, Claude Haiku 5.5) dans `.claude/agents/<nom>.md` ; dans Codex, `agents.default_subagent_reasoning_effort`.
5. Mettez les règles communes dans `AGENTS.md` / `CLAUDE.md` pour que chaque exécution les suive.

**Pourquoi**

- La qualité d'abord, puis le prix, pour des tâches faciles : les retouches en masse sont mécaniques et entièrement spécifiées, donc l'effort par défaut suffit. En medium, GPT-6.1 Terra obtient 32,3 % sur Terminal-Bench 4.0 (AA) pour 0,28 $ par tâche, 38,2 à l'indice AA pour 0,17 $ et 42,0 à l'indice d'agents de code d'AA pour 0,39 $ : devant Claude Haiku 5.5 en medium (15,2 %, 24,6) et loin devant GPT-6 Luna en max (12,6 %, 27,9, 31,2).
- Quand un élément du lot est plus dur que prévu, montez l'effort pour cet élément seulement : Terra en high atteint 41,9 % sur Terminal-Bench 4.0 (AA) pour 0,44 $, et Haiku 5.5 en xhigh 44,3 % sur CursorBench 4.0 pour 0,56 $ (36,9 % en medium).
- Dans Claude Code, Haiku 5.5 est le petit modèle à utiliser : il tient sur les tâches longues (SWE-Marathon en max : 50,0 %), et Anthropic le destine aux sous-agents, aux résumés et à la compaction ; `model: haiku` dans `.claude/agents/<nom>.md` en fait le modèle des sous-agents.

**Alternatives**

- Claude Code · Claude Opus 5.5 (défaut) · low: Dans Claude Code, Anthropic recommande low pour les sous-agents : 87,4 % sur son sous-ensemble SWE-bench Pro à 0,12 $ par tâche résolue.
- MiMo Code · MiMo-V2.6-Pro · high (défaut): L'option compétente la moins chère : 34,8 % sur Terminal-Bench 4.0 (AA) à 0,44 $ par tâche et 29,9 à l'indice AA à 0,26 $ — devant GLM-5.3-Flash (32,8 % à 0,89 $ ; 27,8 à 0,58 $) — et 57,8 % au Vals Index pour 0,43 $, dans MiMo Code avec le MiMo Token Plan dès 6 $. AA n'indique pas l'effort de ces mesures MiMo (high supposé).
- Codex · GPT-6 Luna · max: Dernier recours dans Codex quand le quota de Terra est épuisé : ChatGPT Plus permet environ 350 à 3 000 messages Luna par 5 heures contre 35 à 285 pour Terra, mais Luna en max est derrière sur tous les classements indépendants (Terminal-Bench 4.0 (AA) 12,6 %, indice AA 27,9, SWE-Marathon 28,1 %). Gardez-le pour des retouches triviales et entièrement spécifiées ; jamais en dessous de max (high : 4,5 % sur Terminal-Bench 4.0 (AA)).

Sources : Introducing GPT-6 Sol and Luna · Introducing GPT-6.1 Sol · Introducing GPT-6.1 Terra · Codex pricing · Codex models · Optimizing for cost and intelligence · DeepSWE v1.1 leaderboard · GLM Coding Plan overview · Claude Code best practices · Claude Code costs · Codex best practices · MiMo Token Plan · Artificial Analysis model leaderboard · Introducing Claude Haiku 5.5 · Claude Haiku 5.5 (Claude Platform docs) · Model configuration · CursorBench 4.0 · Artificial Analysis Coding Agent Index · SWE-Marathon v1.1 · FrontierCode leaderboard data

### Algorithmique, preuves et programmation compétitive

Un algorithme très difficile, un problème d'optimisation, une preuve, une tâche de type programmation compétitive.

Exemples: Optimiser un algorithme difficile (graphes, programmation dynamique) · Problèmes de type programmation compétitive · Démontrer ou vérifier une propriété mathématique · Une heuristique pour une optimisation difficile (planification, tournées)

> Les modèles d'OpenAI mènent tous les classements d'algorithmique, mais Opus 5.5 n'est mesuré sur ALE-Bench qu'en high, et Claude Fable 5.2 et Gemini 4 Carbon ne sont pas encore classés sur ALE-Bench, Vals IOI ni WeirdML v3.

- **Choix retenu**: Codex · GPT-6 Astra · max — ChatGPT Pro (100 $ / 200 $ / 500 $). ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale).
- **Choix retenu**: Codex · GPT-6.1 Sol (défaut) · max — ChatGPT Plus (20 $) ou Pro. ≈ 3,7 heures-agent par fenêtre de 5 h · ≈ 26,3 par semaine avec ChatGPT Plus (Codex) (estimation centrale).
- **Restez dessus**: Seulement pour le cœur difficile — l'algorithme, la preuve, l'optimisation : une session ciblée.
- **Ensuite**: Une fois le cœur correct et testé, revenez au Code au quotidien pour le code autour, les entrées-sorties et les tests.

**Comment travailler**

1. Demandez d'abord une solution de référence naïve et des tests, puis l'algorithme optimisé, et laissez l'agent comparer les deux.
2. Dans Codex : `/model` → GPT-6 Astra, `model_reasoning_effort = 'max'` ; sur ChatGPT Plus, GPT-6.1 Sol en max.
3. Pour une preuve, demandez que chaque étape soit vérifiée par un test ou un petit programme (ou un assistant de preuve) plutôt que par la relecture du modèle.
4. Sur un plan Claude : Opus 5.5 en `/effort xhigh`, ou `ultrathink` pour un seul tour difficile.

**Pourquoi**

- La qualité d'abord : GPT-6 Astra en max mène ALE-Bench (2951, contre 2147 pour Opus 5.5 en high), obtient 100 % sur Vals IOI (Opus 5.5 95,1 % ±4,9) et mène WeirdML v3 (42,2 en xhigh, Opus 5.5 31,2).
- GPT-6.1 Sol en max est proche pour bien moins cher, sur ChatGPT Plus : deuxième d'ALE-Bench (2744 pour 0,60 $, contre 2,86 $ pour Astra), 96,9 % sur Vals IOI pour 1,26 $ par tâche et deuxième de WeirdML v3 (38,3). GPT-6.1 Terra en max est troisième d'ALE-Bench (2609 pour 0,41 $).

**Alternatives**

- Antigravity · Gemini 4 Argon · high (défaut): Pour des problèmes de type programmation compétitive dans Antigravity avec Google AI Pro payant ou Ultra : 100 % sur Vals IOI (au niveau de GPT-6 Astra) pour 5,31 $ par tâche et premier de LiveBench 2.0 en raisonnement (95,1). Moins fort en optimisation et en apprentissage automatique : 2100 sur ALE-Bench en high, 20,3 sur WeirdML v3.
- Claude Code · Claude Opus 5.5 (défaut) · xhigh: Si vous n'avez qu'un plan Claude : 95,1 % sur Vals IOI et 31,2 sur WeirdML v3 en xhigh, derrière les modèles d'OpenAI ; ALE-Bench ne le mesure qu'en high (2147). Évitez max : Anthropic prévient qu'il peut trop réfléchir.

Sources : Vals AI benchmarks · ALE-Bench (Epoch AI Benchmarking Hub) · WeirdML v3 (Epoch AI Benchmarking Hub) · LiveBench · Claude Opus 5.5 · Codex pricing

### Code scientifique et numérique

Simulations, noyaux numériques, data science et code de recherche, où une formule fausse donne des résultats faux sans prévenir.

Exemples: Une simulation physique ou financière · Porter un noyau numérique (NumPy, Julia, CUDA) · Reproduire la méthode d'un article · Un pipeline d'analyse de données avec des statistiques

> Deux classements, en partie disjoints : Terminal-Bench Science (Artificial Analysis) mesure tous les modèles actuels, SciCode ne mesure pas encore Claude Fable 5.2.

- **Choix retenu**: Claude Code · Claude Fable 5.2 · high — Claude Max (100 $) ou Ultra (200 $) : Fable peut utiliser jusqu'à 50 % de la limite hebdomadaire (sur Pro, crédits payants uniquement). ≈ 2,9 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Max 5x (estimation centrale).
- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · xhigh — Claude Max (100 $) ou Ultra (200 $) pour les longues sessions. Un agent seul n'atteint jamais la limite de 5 h (≈ 8,6 heures-agent par fenêtre) · ≈ 82,2 heures-agent par semaine avec Claude Max 5x (estimation centrale).
- **Restez dessus**: Pour le cœur numérique : le modèle, les formules, le noyau, jusqu'à ce qu'il corresponde à un résultat de référence.
- **Ensuite**: Une fois le cœur conforme à sa référence, revenez au Code au quotidien (Opus 5.5 en medium) pour les entrées-sorties, les graphiques et le packaging : Fable 5.2 dépenserait son plafond hebdomadaire sur du code qu'un modèle moins cher écrit aussi bien.

**Comment travailler**

1. `/model fable` puis `/effort high` sur Max ou Ultra (Claude Code règle Fable 5.2 en medium par défaut) ; sur Pro, Opus 5.5 en `/effort xhigh`.
2. Donnez une référence : une solution analytique connue, un petit cas calculé à la main ou les chiffres publiés de l'article, et faites comparer l'agent à chaque modification.
3. Demandez les unités, les tolérances et les invariants (conservation, symétrie) sous forme de tests, pas de commentaires.

**Pourquoi**

- La qualité d'abord : Claude Fable 5.2 mène Terminal-Bench Science (AA) en high (70,0 % ; 73,3 % en max), nettement devant Gemini 4 Carbon (64,8 %), GPT-6 Astra (63,3 % en max) et Opus 5.5 en xhigh (61,9 %). High plutôt que xhigh (67,6 %) ou max, qui coûte bien plus pour 3 points.
- Opus 5.5 est premier sur SciCode (66,9 % en max, 65,0 % en xhigh), devant Gemini 4 Carbon (64,2 %) et une dizaine de points devant GPT-6 Astra (56,5 %), et fonctionne sur Claude Pro sans le plafond hebdomadaire de Fable. xhigh plutôt que max : Terminal-Bench Science (AA) 61,9 % en xhigh contre 59,0 % en max.

**Alternatives**

- Antigravity · Gemini 4 Carbon · high (défaut): Antigravity avec Google AI Ultra : deuxième de Terminal-Bench Science (AA) (64,8 %) et proche d'Opus 5.5 sur SciCode (64,2 %). Sur Google AI Pro, Gemini 4 Argon est plus faible ici (SciCode 61,8 %, Terminal-Bench Science 52,9 %).
- Codex · GPT-6.1 Sol (défaut) · max: Codex sur ChatGPT Plus : 58,1 % sur Terminal-Bench Science (AA) pour bien moins cher par tâche, quelques points derrière les leaders Claude et Google.

Sources : Artificial Analysis evaluation details · Artificial Analysis: Terminal-Bench-Science · Terminal-Bench-Science 0.1 (Snorkel mirror of the official board) · Artificial Analysis model leaderboard · Claude Opus 5.5 · Introducing Claude Fable 5.2 and Claude Mythos 5.2 · Claude Fable models on your plan · Antigravity models

### Illustrations et icônes SVG en code

Icônes, logos et illustrations écrits en code SVG. Génération de code uniquement : il ne s'agit pas de génération d'images (pas d'images matricielles à partir d'un prompt). Les graphiques et les diagrammes ont leur propre fiche.

Exemples: Un jeu d'icônes cohérent pour une application, en SVG · Une illustration ou un logotype dans un seul fichier SVG · Un logo avec quelques variantes (sombre, clair, carré) · Un petit SVG animé pour une landing page

> Design Arena est le seul grand classement par votes à l'aveugle : il indique xhigh pour GPT-6 Astra mais aucun effort pour les modèles Claude (sur ce classement, un effort plus élevé rapporte environ 20 Elo, bien moins que l'avance d'Astra), et il publie de nouveau une erreur type. Le benchmark de Playcode tire un seul dessin par modèle et par effort, jugé à l'œil. Claude Fable 5.2, Gemini 4 Carbon, GPT-6.1 Sol et GPT-6.1 Terra ne sont pas encore classés en SVG sur Design Arena (il faut environ 200 duels par catégorie) : Fable 5.2 fait peut-être mieux, mais rien ne le mesure encore.

- **Choix retenu**: Codex · GPT-6 Astra · xhigh — ChatGPT Plus (20 $, 5 à 45 messages Astra par 5 heures) ou Pro (100 $ / 200 $ / 500 $). ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale).
- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · high — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 1,8 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Pendant la création des éléments — un jeu d'icônes, une illustration, un logo — en itérant avec des rendus jusqu'à ce que ce soit juste.
- **Ensuite**: Pour de petites retouches d'un SVG existant (couleurs, tailles), votre agent du quotidien suffit.

**Comment travailler**

1. Demandez un fichier, pas du code dans la réponse : un `.svg` par élément avec un `viewBox`, sans image matricielle embarquée, et une grille fixe (par exemple 24 × 24 pour des icônes) pour qu'un jeu reste cohérent.
2. Bouclez visuellement : faites rendre le fichier par l'agent dans un navigateur, prendre une capture et corriger ce qu'il voit avant votre relecture.

**Pourquoi**

- Premier modèle généraliste de l'arène SVG de Design Arena : Elo 1421 ±9 sur 1 808 duels à l'aveugle (68,8 % gagnés), environ 90 points devant Gemini 4 Argon (1329), Kimi K3.1 Pro (1326) et Claude Opus 5.5 (1321 ±10, 1 261 duels) : environ sept erreurs types, le seul signal sur un large échantillon pour les illustrations SVG. Seul Arrow 2 Telos, spécialisé en SVG et absent de tout abonnement, fait mieux.
- Le benchmark SVG MacBook de Playcode (34 modèles, un dessin par modèle et par effort, jugé à l'œil, mis à jour le 2026-11-09) place désormais Claude Opus 5.5 premier, Claude Fable 5.2 deuxième et GPT-6 Astra troisième. Le meilleur dessin d'Opus 5.5 est en max via l'API Batch, inaccessible sur abonnement : en streaming, max rend un fichier vide ; high dessine un portable correct pour 0,40 $ et xhigh un portable plus détaillé pour 1,72 $, quatre fois plus cher — gardez xhigh pour une illustration vitrine. Fable 5.2 dessine son meilleur portable en medium (3,91 $) et rien en xhigh ni en max. Chaque effort d'Astra dessine un portable correct (0,98 $ en xhigh).

**Alternatives**

- Codex · GPT-6 Sol · max: La voie la moins chère sur ChatGPT Plus (15 à 150 messages par 5 heures, contre 5 à 45 pour Astra) : sixième du benchmark SVG MacBook de Playcode, avec un rendu produit correct pour 0,39 $ en max, environ un sixième des 2,29 $ d'Astra en max (GPT-6.1 Sol, cinquième, en dessine autant pour 0,21 $ en xhigh). Treizième de Design Arena SVG (1302 sur 893 duels, effort non indiqué), proche de Claude Opus 5.5.
- Antigravity · Gemini 4 Argon · high (défaut): Avec Google AI Pro (19,99 $) dans Antigravity : le meilleur modèle généraliste de Design Arena SVG après GPT-6 Astra (1329 sur 628 duels, 61,1 % gagnés), juste devant Opus 5.5. Effort non indiqué par le classement ; Antigravity est en High par défaut.

Sources : Design Arena: SVG · MacBook SVG Benchmark: 34 AI Models, Ranked by the Laptop They Draw · Managing usage with GPT-6 Astra in Work and Codex · Codex pricing · Prompting Claude Opus 5.5 · Antigravity models · Antigravity plans

### Graphiques, tableaux de bord et diagrammes en code

Visualisations de données, tableaux de bord et diagrammes d'architecture ou de séquence écrits en code (ECharts, D3, Mermaid, PlantUML). Génération de code uniquement, pas d'images.

Exemples: Un graphique interactif ou un tableau de bord de données · Un diagramme d'architecture ou de séquence en Mermaid · Un logigramme d'un processus, gardé à côté du code · Transformer un CSV en rapport lisible avec des graphiques

> Les graphiques ont un seul grand classement par votes à l'aveugle, la visualisation de données de Design Arena ; aucun benchmark ne compare les modèles sur les langages de diagrammes (Mermaid, PlantUML, draw.io, Excalidraw), donc pour les diagrammes le choix repose sur ce classement et sur le coût. Claude Fable 5.2 et Gemini 4 Carbon n'y sont pas encore classés.

- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut) — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- **Restez dessus**: Pendant que vous construisez le graphique ou la première version du diagramme, en itérant avec des rendus jusqu'à ce qu'il se lise bien.
- **Ensuite**: Pour les retouches suivantes (un libellé, un nœud de plus, une couleur), votre agent du quotidien suffit : un diagramme Mermaid est du texte ordinaire une fois qu'il existe.

**Comment travailler**

1. Bouclez visuellement : faites rendre le graphique par l'agent dans un navigateur (ou `npx @mermaid-js/mermaid-cli` pour Mermaid), prendre une capture et corriger ce qu'il voit avant votre relecture.
2. Gardez les diagrammes en texte (Mermaid dans le Markdown) à côté du code qu'ils décrivent, pour que l'agent les mette à jour à chaque changement.
3. Donnez les vraies données (ou un échantillon) et dites ce que le lecteur doit voir d'un coup d'œil ; demandez un tableau accessible à côté de chaque graphique.

**Pourquoi**

- Claude Opus 5.5 mène la visualisation de données de Design Arena (1390 ±14 sur 700 duels à l'aveugle), devant Claude Sonnet 5.5 (1362, sur seulement 160 duels), Kimi K3 (1348), Claude Fable 5.1 (1342), Gemini 4 Argon (1333) et GPT-6 Astra (1325, 10e) : environ trois erreurs types devant Astra, le premier pour les illustrations SVG.
- Medium, le réglage par défaut : Design Arena n'indique aucun effort pour Claude, et graphiques et diagrammes sont du code ordinaire une fois les données connues. Montez en high pour un tableau de bord complexe ; évitez max, qui sur le benchmark SVG de Playcode rend un fichier vide après 128 000 tokens de réflexion.

**Alternatives**

- Claude Code · Claude Sonnet 5.5 · xhigh: Deuxième en visualisation de données sur Design Arena (1362), sur seulement 160 duels pour l'instant : un rang provisoire, pour moins de quota par heure qu'Opus 5.5.
- Kimi Code · Kimi K3 · high (défaut): Troisième de l'arène de visualisation de données (1348), sur un plan Kimi Code bien moins cher. Sur les mêmes plans, Kimi K3.1 Pro n'y est que seizième (1306).
- Antigravity · Gemini 4 Argon · high (défaut): Avec Google AI Pro (19,99 $) dans Antigravity : septième en visualisation de données (1333). Effort non indiqué par le classement ; Antigravity est en High par défaut.

Sources : Design Arena: data visualization · MacBook SVG Benchmark: 34 AI Models, Ranked by the Laptop They Draw · Prompting Claude Opus 5.5 · Antigravity models · Antigravity plans

### 3D, jeux et creative coding en code

Scènes Three.js, WebGL, jeux dans le navigateur, art génératif et animation, écrits en code. Génération de code uniquement : il ne s'agit pas de génération d'images ni de modèles 3D.

Exemples: Une scène 3D interactive complexe en Three.js · Un jeu jouable dans le navigateur avec de la physique · Shaders, particules et animation procédurale · Data art avec p5.js ou D3

> Aucun classement actuel ne mesure les scènes Three.js ou WebGL (l'arène Three.js de ZeroEval s'est arrêtée en août 2026 sans aucun modèle actuel). Le plus proche est le classement jeux de Design Arena, qui ne publie pas d'erreur type : GPT-6 Astra en max est en tête (1466, 1 244 duels) devant Astra en xhigh (1457) et Claude Opus 5.5 (1429) — une avance, pas un écart décisif —, puis GPT-6.1 Sol (1409), Kimi K3.1 Pro (1406), Claude Fable 5.2 (1404, sur seulement 396 duels) et Claude Sonnet 5.5 (1394) se suivent de près. Choisissez selon votre abonnement. Design Arena n'indique aucun effort pour les modèles Claude.

- **Choix retenu**: Claude Code · Claude Opus 5.5 (défaut) · medium (défaut) — Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- **Choix retenu**: Codex · GPT-6 Astra · xhigh — ChatGPT Pro (100 $ / 200 $ / 500 $). ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale).
- **Restez dessus**: Pendant que vous construisez la scène et ses interactions, à l'effort par défaut, medium.
- **Ensuite**: Pour régler des valeurs, des couleurs et de petites corrections, `/effort medium` (défaut). Textures et icônes en SVG : voir Illustrations et icônes SVG.

**Comment travailler**

1. Planifiez d'abord la structure de la scène (mode plan), puis construisez-la étape par étape avec le serveur de développement lancé.
2. Vérifiez chaque itération visuellement : avec `claude --chrome`, l'agent lance la scène, lit les erreurs de console et capture le résultat pour le comparer à ce que vous attendez.
3. Construisez en medium (le défaut) ; montez en `/effort high` pour des shaders et une physique qui résistent, ou `ultrathink` pour un tour difficile. Évitez max : aucun classement n'y montre de gain pour la 3D, et il peut consommer toute la limite de 128 000 tokens de sortie sur un seul gros fichier.

**Pourquoi**

- Jeux : le meilleur modèle Claude du classement jeux de Design Arena (1429, 2 666 duels), derrière GPT-6 Astra en max (1466) et en xhigh (1457), et devant Claude Fable 5.2 (1404), sur des jeux pour navigateur écrits en code.
- Travail web visuel : en tête d'Arena WebDev (1814,3 ±11,7 en max, à égalité avec Claude Fable 5.2 ; Astra en max 1764,4 ±8,6) et au niveau d'Astra en xhigh sur le classement code global de Design Arena (1381 contre 1387). Aucun des deux ne mesure la 3D en tant que telle.
- Pourquoi medium : l'entrée d'Opus 5.5 sur les jeux n'indique aucun effort, et elle génère à peu près aussi vite que Claude Sonnet 5.5 (483 s contre 486 s), plus vite qu'Astra en xhigh (603 s) et bien plus vite qu'Astra en max (1 133 s), ce qui évoque l'effort par défaut, medium. La seule entrée en max, Arena WebDev, porte sur des applications web.

**Alternatives**

- Codex · GPT-6 Astra · max: Le choix dans Codex : premier du classement jeux de Design Arena en max (1466 sur 1 244 duels ; 1457 en xhigh) et cinquième d'Arena WebDev en max (1764,4). Max est le réglage le plus gourmand en quota de Codex : sur ChatGPT Plus (5 à 45 messages Astra par 5 heures), gardez-le pour les parties difficiles.
- Claude Code · Claude Sonnet 5.5 · xhigh: 1394 sur le classement jeux de Design Arena (2 008 duels), 35 points sous Opus 5.5, et troisième d'Arena WebDev en xhigh (1772,5, derrière Opus 5.5 et Fable 5.2), pour environ 40 % de quota en moins par heure active au même effort (estimation).

Sources : Design Arena: Game dev · Arena Code: WebDev leaderboard · Design Arena: Code overall · Managing usage with GPT-6 Astra in Work and Codex · MacBook SVG Benchmark: 34 AI Models, Ranked by the Laptop They Draw · Claude Code in Chrome

# Fiches pratiques pour les agents de code

> https://coding-agent.josedacosta.net/fr#workflows · Contenu vérifié le 2026-09-29

Choisissez une tâche pour retrouver la méthode, les commandes adaptées à votre agent et une demande prête à adapter. Les commandes indiquent leur surface ; leur disponibilité dépend de la version et des skills activés.

## Votre première tâche

Pour une petite modification visible que vous pouvez vérifier vous-même.

Avant de commencer: Un état initial qui fonctionne, un résultat attendu et une copie sauvegardée ou un commit Git.

1. Ouvrez le bon projet et confirmez les fichiers accessibles à l’agent.
2. Décrivez une modification et ses critères d’acceptation. Demandez un plan court si le périmètre reste flou.
3. Examinez les changements, lancez les contrôles utiles puis essayez vous-même le résultat.

### Commandes utiles

- **Claude Code CLI · Codex CLI** — `/diff`: Inspecter les changements avant de les accepter.
- **Claude Code CLI** — `/run`: Lancer et manipuler l’application pour observer le résultat.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29
- [Claude Code: run and verify your app](https://code.claude.com/docs/en/skills) — Anthropic; Vérifié 2026-09-29

### Demande à adapter

```text
Dans [projet], réalise [une modification]. Respecte [contraintes]. Le résultat attendu est [comportement observable]. Examine d’abord les fichiers utiles. Exécute [contrôles] et indique le résultat, les fichiers modifiés et les limites restantes.
```

Critère de fin: Pour un formulaire : envoyez des valeurs valides et invalides, rechargez pour vérifier la persistance attendue, puis essayez sur petit écran.

En cas d’échec: Si le périmètre grandit, sauvegardez l’état courant puis séparez la modification suivante.

- [Codex best practices](https://learn.chatgpt.com/guides/best-practices) — OpenAI; Vérifié 2026-10-10
- [Claude Code best practices](https://code.claude.com/docs/en/best-practices) — Anthropic; Vérifié 2026-09-28

## Préparer un projet

Lorsque l’agent oublie régulièrement les conventions du projet.

Avant de commencer: Les vraies commandes de lancement, de tests et de build, le périmètre du projet et quelques contraintes récurrentes.

1. Exécutez les commandes documentées pour vérifier les instructions.
2. Placez les conventions durables dans le fichier reconnu par votre agent. Gardez les détails de la tâche dans la demande.
3. Demandez à l’agent quelles instructions il a chargées et quels contrôles concernent la modification.

### Commandes utiles

- **Codex CLI** — `/init`: Créer une base AGENTS.md, puis adapter les règles au dépôt.
- **Claude Code CLI** — `/init`: Préparer CLAUDE.md ; préserver les instructions et imports existants.
- **Claude Code CLI** — `/run-skill-generator`: Enregistrer la procédure de lancement du projet dans un skill réutilisable.

- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29
- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Claude Code: run and verify your app](https://code.claude.com/docs/en/skills) — Anthropic; Vérifié 2026-09-29

### Demande à adapter

```text
Lis les instructions du projet. Indique les commandes de lancement et de test ainsi que les fichiers utiles à [tâche]. Propose un ajout court uniquement pour une règle récurrente manquante. Vérifie la commande avant de la documenter.
```

Critère de fin: Une nouvelle session retrouve les commandes et contraintes sans relire la conversation précédente.

En cas d’échec: Retirez les règles périmées ou contradictoires. Ce dépôt utilise AGENTS.md et un import dans CLAUDE.md ; cette convention n’est pas universelle.

- [Codex best practices](https://learn.chatgpt.com/guides/best-practices) — OpenAI; Vérifié 2026-10-10
- [Claude Code best practices](https://code.claude.com/docs/en/best-practices) — Anthropic; Vérifié 2026-09-28

## Formuler une demande vérifiable

Lorsque « fais fonctionner ceci » laisse trop de place à l’interprétation.

Avant de commencer: Le parcours utilisateur, le comportement actuel, le résultat attendu et les contraintes.

1. Nommez l’état de départ et un exemple représentatif.
2. Décrivez les critères de réussite, avec un parcours d’erreur si nécessaire.
3. Précisez comment les vérifier et quelles preuves l’agent doit rapporter.

### Commandes utiles

- **Claude Code CLI · Codex CLI** — `/plan`: Clarifier le périmètre et les contrôles avant de coder si la tâche reste ambiguë.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29

### Demande à adapter

```text
Depuis [état], quand [action], j’attends [résultat]. Aujourd’hui [résultat observé]. Respecte [contraintes]. Vérifie [cas normal] et [cas d’erreur]. Sépare les observations des suppositions.
```

Critère de fin: Une autre personne peut suivre les contrôles et décider si la demande est satisfaite.

En cas d’échec: Si le résultat attendu reste ambigu, tranchez ce point avant de demander plus d’implémentation.

- [Codex prompting](https://learn.chatgpt.com/docs/prompting) — OpenAI; Vérifié 2026-09-29

## Comprendre un projet existant

Avant de modifier une fonctionnalité inconnue ou de relire une correction.

Avant de commencer: Une question précise, un point d’entrée ou une action utilisateur.

1. Suivez un parcours depuis l’entrée jusqu’au résultat.
2. Demandez les fichiers et symboles concernés et séparez observations et hypothèses.
3. Ouvrez les fichiers cités ou exécutez un petit exemple pour contrôler l’explication.

### Commandes utiles

- **Claude Code CLI · Codex CLI** — `/plan`: Demander l’analyse du parcours en mode plan, avant toute implémentation.
- **Codex CLI** — `/mention`: Joindre le fichier précis à examiner à la demande.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29

### Demande à adapter

```text
Explique comment [action utilisateur] produit [résultat]. Cite les fichiers et symboles utiles, décris les changements d’état et indique ce que tu n’as pas pu vérifier. Ne modifie pas encore les fichiers.
```

Critère de fin: Vous retrouvez le code responsable du comportement et reproduisez un exemple.

En cas d’échec: Réduisez la question à une route ou une fonction si l’explication devient un inventaire du dépôt.

- [Codex best practices](https://learn.chatgpt.com/guides/best-practices) — OpenAI; Vérifié 2026-10-10

## Reproduire et corriger un bug

Pour une erreur reproductible, notamment une régression.

Avant de commencer: Le résultat attendu et observé, les étapes de reproduction, l’erreur utile et l’environnement.

1. Reproduisez l’échec avant de changer le code.
2. Demandez une cause étayée et une correction ciblée.
3. Rejouez la reproduction et les contrôles de régression utiles après correction.

### Commandes utiles

- **Claude Code CLI · Codex CLI** — `/diff`: Relire la correction et repérer les changements sans rapport avec le bug.
- **Claude Code CLI** — `/verify`: Rejouer le comportement dans l’application après correction.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29
- [Claude Code: run and verify your app](https://code.claude.com/docs/en/skills) — Anthropic; Vérifié 2026-09-29

### Demande à adapter

```text
Reproduis [étapes]. Attendu : [résultat]. Observé : [erreur]. Étaye la cause, applique une correction ciblée puis rejoue la reproduction et [contrôles utiles]. Indique les contrôles non exécutés.
```

Critère de fin: L’échec initial a disparu et les contrôles utiles passent. Un test sans rapport qui réussit ne suffit pas.

En cas d’échec: Si la reproduction échoue, conservez les journaux et détails d’environnement. N’empilez pas des corrections spéculatives.

- [Codex prompting](https://learn.chatgpt.com/docs/prompting) — OpenAI; Vérifié 2026-09-29
- [Claude Code best practices](https://code.claude.com/docs/en/best-practices) — Anthropic; Vérifié 2026-09-28

## Vérifier avant de livrer

Avant de publier, fusionner ou transmettre le travail.

Avant de commencer: Le résultat attendu, les changements, les contrôles utiles et des données représentatives.

1. Relisez le diff, puis lancez une revue de code avec la commande de votre agent ci-dessous.
2. Exécutez les contrôles qui couvrent le comportement modifié ; inspectez l’interface pour les changements visuels.
3. Notez les résultats réels, les cas non testés et les actions restantes.

### Commandes utiles

- **Claude Code CLI** — `/code-review`: Chercher les bugs dans le diff courant. /review est un alias depuis la version 2.1.223.
- **Codex CLI · Desktop** — `/review`: Choisir les changements locaux ou une branche de base ; la revue rapporte ses constats sans modifier les fichiers.
- **Codex — terminal** — `codex review --uncommitted`: Lancer une revue non interactive des changements non commités, fichiers non suivis inclus.
- **Claude Code CLI** — `/verify`: Construire et lancer l’application, puis observer le résultat. Peut enregistrer la procédure dans un skill du projet.
- **Claude Code CLI** — `/simplify`: Facultatif : applique un nettoyage du code. Relire le diff et relancer les contrôles ensuite.

- [Claude Code review](https://code.claude.com/docs/en/code-review) — Anthropic; Vérifié 2026-09-29
- [Codex code review](https://learn.chatgpt.com/docs/code-review) — OpenAI; Vérifié 2026-10-10
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29
- [Claude Code: run and verify your app](https://code.claude.com/docs/en/skills) — Anthropic; Vérifié 2026-09-29

### Demande à adapter

```text
Relis cette modification selon [critères d’acceptation]. Vérifie [parcours principal], [cas d’erreur] et [contraintes]. Exécute les tests utiles. Rapporte les problèmes avec références de fichiers, les contrôles faits et les incertitudes restantes.
```

Critère de fin: Les contrôles ont des résultats observables et permettent de distinguer ce qui est vérifié des suppositions.

En cas d’échec: Corrigez les problèmes importants et rejouez les contrôles concernés. L’approbation d’un second agent ne remplace pas les preuves.

- [Codex best practices](https://learn.chatgpt.com/guides/best-practices) — OpenAI; Vérifié 2026-10-10
- [Claude Code best practices](https://code.claude.com/docs/en/best-practices) — Anthropic; Vérifié 2026-09-28

## Reprendre ou transmettre une tâche

Avant un changement de contexte, une interruption de quota ou un changement d’agent.

Avant de commencer: Objectif, contraintes, fichiers modifiés, essais, résultats observés et prochaine étape utile.

1. Sauvegardez le travail et identifiez la branche ou copie exacte.
2. Rédigez une transmission courte avec décisions, essais échoués et commandes déjà exécutées.
3. Demandez à la nouvelle session de vérifier l’état sauvegardé avant de continuer.

### Commandes utiles

- **Claude Code CLI · Codex CLI** — `/compact`: Résumer la conversation pour poursuivre la même tâche avec moins de contexte.
- **Claude Code CLI · Codex CLI** — `/resume`: Retrouver une session sauvegardée dans le même agent. Pour changer d’agent, utiliser la transmission ci-dessous.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29

### Demande à adapter

```text
Prépare une transmission : objectif, contraintes, branche et fichiers, décisions, contrôles et résultats, essais échoués, questions ouvertes et prochaine étape concrète. Exclue les secrets et l’historique inutile.
```

Critère de fin: Une nouvelle session reprend depuis un état vérifié sans répéter les essais échoués.

En cas d’échec: Si l’état diffère, rapprochez d’abord les fichiers et contrôles. La transmission ne prouve pas l’état courant.

- [Claude Code best practices](https://code.claude.com/docs/en/best-practices) — Anthropic; Vérifié 2026-09-28
- [Claude Code costs](https://code.claude.com/docs/en/costs) — Anthropic; Vérifié 2026-09-28

## Répartir le travail entre agents

Pour des tâches indépendantes aux limites claires, avec un responsable de l’intégration.

Avant de commencer: Des livrables distincts, des fichiers attribués ou worktrees isolés et des critères communs.

1. Séparez les recherches ou implémentations indépendantes. Évitez les modifications simultanées des mêmes fichiers.
2. Donnez contexte, périmètre et contrôles à chaque agent ; désignez un intégrateur.
3. Relisez le résultat commun et testez l’intégration après rapprochement des changements.

### Commandes utiles

- **Claude Code CLI** — `/batch`: Pour un changement répétitif à grande échelle : décrivez le travail, validez le plan puis lancez les modifications en worktrees. Prévoir le quota et la revue d’intégration.
- **Codex CLI** — `/fork`: Créer une autre conversation pour explorer une piste. Ne crée pas à lui seul un worktree isolé.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29

### Demande à adapter

```text
Prends en charge [périmètre/fichiers] pour [livrable]. Coordonne-toi avant de toucher aux fichiers partagés. Valide avec [contrôles]. Rapporte changements, résultats et notes d’intégration. L’intégrateur vérifiera le comportement commun.
```

Critère de fin: Chaque contribution est vérifiée et l’ensemble fonctionne. Des agents en parallèle consomment davantage de quota.

En cas d’échec: Repassez en séquentiel si les tâches dépendent l’une de l’autre ou si les conflits annulent le gain de temps.

- [Claude Code worktrees](https://code.claude.com/docs/en/worktrees) — Anthropic; Vérifié 2026-09-28
- [Claude Code costs](https://code.claude.com/docs/en/costs) — Anthropic; Vérifié 2026-09-28

## Instructions, skills, hooks et connexions

Lorsqu’une tâche récurrente nécessite une méthode réutilisable ou un outil externe précis.

Avant de commencer: Un besoin récurrent démontré et la documentation officielle de l’agent pour cette surface.

1. Utilisez les instructions du projet pour les règles durables, une demande pour une tâche et un skill pour une procédure répétable.
2. Utilisez un hook pour une action du cycle de vie prise en charge, MCP pour connecter un outil et un sous-agent pour déléguer une tâche bornée. La prise en charge dépend de l’agent.
3. Vérifiez les permissions et les données envoyées aux services externes. Testez un petit cas et documentez comment désactiver ou mettre à jour le mécanisme.

### Commandes utiles

- **Claude Code CLI · Codex CLI** — `/mcp`: Inspecter les serveurs et outils connectés avant de les utiliser.
- **Codex CLI** — `/skills`: Sélectionner un skill installé pour la prochaine demande.
- **Claude Code CLI** — `/hooks`: Consulter la configuration des hooks du projet.

- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; Vérifié 2026-09-29
- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; Vérifié 2026-09-29

### Demande à adapter

```text
Pour [besoin récurrent], compare le mécanisme le plus simple pris en charge : instruction, skill, hook ou connexion d’outil. Précise surface, permissions, données consultées, vérification et entretien. N’installe rien tant que le choix n’est pas clair.
```

Critère de fin: Le mécanisme résout un besoin récurrent et ses permissions, entrées et entretien sont compris.

En cas d’échec: Retirez la configuration inutilisée. Une demande d’autorisation n’est pas un sandbox et une interface locale n’implique pas une inférence locale.

- [Codex best practices](https://learn.chatgpt.com/guides/best-practices) — OpenAI; Vérifié 2026-10-10
- [Agent Security](https://cursor.com/docs/agent/security) — Cursor; Vérifié 2026-09-29


## Ce qu'il ne faut pas faire en ce moment

Les habitudes qui gaspillent du quota ou de la qualité avec les modèles et abonnements actuels — chacune avec ce qu'il faut faire à la place et les chiffres qui le justifient. Revérifié à chaque mise à jour des données.

### Coder tout avec Claude Fable 5.2, surtout en max

- **À la place :** Claude Opus 5.5 en medium (défaut) pour le travail de la journée ; Fable 5.2 en high seulement pour la planification, le code scientifique et le build le plus dur, sur Max ou Ultra.
- Fable 5.2 mène les indices généraux, mais max est son pire réglage : FrontierCode 2.0 45,7 % en max pour 55,87 $ par tâche, sous son propre xhigh (49,1 % pour 17,73 $) ; Terminal-Bench 4.0 (AA) 59,6 % en max pour 31,59 $, le score d'Opus 5.5 en xhigh pour 8,78 $ ; CursorBench 4.0 60,0 % en max pour 32,79 $, au niveau de Gemini 4 Carbon en high (60,4 % pour 9,22 $). Fable peut utiliser au plus 50 % de la limite hebdomadaire sur Max et Ultra et demande des crédits payants sur Pro : tout coder avec lui termine la semaine avant l'heure. Fable 5.1 ne fait pas mieux (CursorBench 51,8 % en max pour 17,28 $, contre 56,0 % pour 3,97 $ pour Opus 5.5 en high).

### Activer `/fast` avec Claude Fable 5.2 sur un abonnement

- **À la place :** La vitesse normale, comprise dans votre plan ; le mode rapide seulement si vous acceptez de le payer.
- Le mode rapide de Fable 5.2 (sortie jusqu'à 2,5 fois plus rapide) est facturé 16 $ / 80 $ par million de tokens, le double du prix normal, et uniquement en crédits d'usage payants sur les plans Claude : il ne puise jamais dans le quota inclus.

### Laisser max pour le travail de tous les jours

- **À la place :** L'effort par défaut de l'agent pour le travail courant ; high pour le débogage, xhigh pour la planification et les sessions de plusieurs heures ; max seulement là où vous avez mesuré un gain.
- Opus 5.5 : sur Terminal-Bench 4.0 (AA), max égale xhigh (59,6 %) pour 49 % de plus. Claude Fable 5.2 : xhigh bat max sur FrontierCode 2.0 (49,1 % contre 45,7 %) pour un tiers du coût. GPT-6 Astra : xhigh égale ou bat max sur Terminal-Bench 4.0 et DeepSWE (59,6 % contre 59,1 % ; 74,1 % contre 73,2 %) pour environ 30 % de moins. Anthropic prévient que max peut trop réfléchir.

### Descendre Gemini 4 Carbon en low pour économiser du quota

- **À la place :** Medium pour le travail interactif, high pour les longues sessions ; pour le travail bon marché, un modèle plus petit (Gemini 3.8 Flash).
- Avec Carbon, low réfléchit moins mais fait plus d'étapes : indice AA 54,2 en low pour 7,19 $ par tâche contre 58,3 en medium pour 6,59 $ ; CursorBench 4.0 58,6 % en low pour 11,89 $ contre 60,1 % en medium pour 8,49 $. Moins bon score, coût égal ou supérieur.

### Lancer `ultracode`, un workflow ou un `/swarm` sans limite pour des tâches ordinaires

- **À la place :** Une seule session pour le travail courant ; gardez les workflows pour une grosse migration ou un audit, essayés d'abord sur un seul dossier.
- Un workflow orchestre des dizaines d'agents, et chaque agent puise dans les mêmes limites d'abonnement : Claude Code avertit au-delà de 25 agents ou 1,5 M de tokens, et Google prévient que le `/swarm` multi-agents d'Antigravity consomme le quota beaucoup plus vite. Combiné à Fable ou à max, une seule exécution peut consommer une semaine de quota.

### Choisir Mistral Large 4 pour du code agentique sur la foi de ses graphiques de lancement

- **À la place :** Parmi les modèles à poids ouverts, Kimi K3.1 Pro ou GLM-5.3 ; pour le volume bon marché, GPT-6.1 Terra ou Claude Haiku 5.5. Gardez Mistral Large 4 pour un hébergement souverain.
- Le lancement de Mistral du 2026-10-29 citait 41 % sur Terminal-Bench 4.0 et 48 à l'indice d'agents de code d'AA ; les mesures indépendantes donnent aujourd'hui 24,7 % (AA, high), 26,3 % (Vals) et 35,4 à l'indice d'agents de code d'AA (30e sur 35), contre 67,2 % et 63,6 % sur Terminal-Bench 4.0 pour Kimi K3.1 Pro. Au Vals Index, il obtient 56,5, sous tous les autres modèles ouverts ou bon marché mesurés.

### Descendre Claude Opus 5.5 en low pour du vrai travail d'agent

- **À la place :** medium (défaut) ; gardez low pour les sous-agents et les modifications en masse.
- Terminal-Bench 4.0 (AA) : low 31,3 % contre medium 52,5 % — 21 points perdus pour économiser 1,97 $ par tâche.

### Utiliser GPT-6 Sol, même en max, pour de longues sessions intensives dans le terminal

- **À la place :** GPT-6.1 Sol en xhigh, ou GPT-6 Astra en high : dix points de plus, pour un quart du coût ou le même coût.
- Terminal-Bench 4.0 (AA) : GPT-6 Sol en max 43,9 % pour 4,00 $ par tâche, Astra en high 54,0 % pour 4,05 $, GPT-6.1 Sol en xhigh 54,0 % pour 1,03 $. Sur le classement officiel tbench.ai, GPT-6 Sol en max est aussi derrière (50,3 %, contre 60,9 % pour GPT-6.1 Sol et 60,3 % pour GPT-6 Astra en max) pour plus de deux fois le coût par essai de GPT-6.1 Sol (4,40 $ contre 1,92 $), et sur Vals SRE-bench (rétro-ingénierie de binaires) il obtient 30,5 % contre 50,8 % et 56,9 %. GPT-6 Sol reste un bon modèle pour le quotidien.

### Dessiner du SVG avec Claude Opus 5.5 en max

- **À la place :** Opus 5.5 en high ou xhigh — ou GPT-6 Astra en xhigh, premier modèle généraliste de Design Arena SVG.
- Dans le benchmark SVG de Playcode, Opus 5.5 en max a consommé toute la limite de 128 000 tokens de sortie à réfléchir sans rendre de dessin (avec 300 000 tokens sur l'API Batch, il a terminé, ce qu'un abonnement ne permet pas), alors que high a dessiné un portable correct pour 0,40 $ et xhigh un portable détaillé pour 1,72 $. Anthropic conseille de garder xhigh et max pour des gains mesurés.

### Pousser Grok 4.7 au-dessus de high (défaut)

- **À la place :** Restez en high (défaut).
- xhigh ajoute 1 point sur Terminal-Bench 4.0 (24,7 % → 25,8 %) pour 63 % de coût en plus, et 0,3 point à l'indice AA (35,2 → 35,5) pour 26 % de plus. CursorBench gagne 2,4 points (43,9 % → 46,3 %) pour 28 % de plus.

### Confier à Kimi K3 de longues tâches dans le terminal

- **À la place :** Sur les mêmes plans Kimi Code, Kimi K3.1 Pro (`/model`) pour le travail en terminal ; GLM-5.3 en max (41,9 %) pour un petit budget. Gardez Kimi K3 pour la visualisation de données, où il est troisième.
- Terminal-Bench 4.0 (AA) : Kimi K3 obtient 12,6 % (AA le classe désormais comme déprécié). Kimi K3.1 Pro est premier de ce classement (67,2 % en max) et quatrième de la mesure de Vals (63,6 % en max), mais n'obtient que 38,7 sur les tâches longues de LiveBench 2.0 du 2026-11-06 (GPT-6.1 Sol 65,6 ; un seul essai) et 27,1 % sur Vals SRE-bench : vérifiez-le sur vos propres longues sessions avant de vous y fier.

### Lancer avec `--dangerously-skip-permissions` pour aller plus vite

- **À la place :** Le mode auto (le défaut) : un classifieur filtre chaque action ; ou un bac à sable, un conteneur.
- Il supprime toutes les protections sur la suppression de fichiers, les commandes shell et l'accès réseau, alors que le mode auto évite déjà la plupart des demandes.

### Forcer le mode plan pour chaque petite modification

- **À la place :** Planifiez seulement un travail ambigu ou sur plusieurs fichiers, avec `/plan`.
- Les documentations de Claude Code et de Grok Build disent de sauter le plan quand la modification est évidente ou tient en une phrase : pour une petite modification, il coûte surtout un aller-retour.

## Les habitudes qui paient, dans tous les agents

- **La vérification d'abord**: Donnez à l'agent un test réussi/échoué (tests, build, capture) et demandez des preuves, pas des affirmations. Tous les éditeurs placent ce conseil en premier.
- **Planifier seulement quand c'est utile**: Planifiez un travail ambigu, sur plusieurs fichiers ou dans un code inconnu ; pas une modification d'une phrase (documentation de Claude Code et de Grok Build). `/plan` est là quand vous en avez besoin.
- **Une tâche par session**: `/clear` entre deux tâches sans rapport, `/rewind` plutôt que d'empiler les corrections, `/btw` pour une question annexe, `/compact <quoi garder>` en cours de tâche.
- **Des fichiers d'instructions courts**: Gardez `AGENTS.md` / `CLAUDE.md` courts : ajoutez une règle quand une erreur se répète, retirez ce que le modèle fait déjà, et retestez après chaque nouveau modèle (`/doctor`).
- **Montez l'effort plutôt que de supplier**: Partez de l'effort par défaut de l'agent ; montez-le (ou `ultrathink` pour un tour) plutôt que d'écrire « réfléchis plus », et gardez xhigh et max pour les tâches où le gain est mesuré.
- **Revue en contexte vierge**: Faites relire le code par un agent qui ne l'a pas écrit (`/code-review`, `/review`), en lui demandant de ne signaler que les problèmes de correction.
- **Le parallélisme coûte du quota**: Worktrees, sessions parallèles, sous-agents et workflows démultiplient le travail, mais tous puisent dans les mêmes limites d'abonnement : vérifiez le simulateur avant de passer à l'échelle.
- **Mode auto, pas skip-permissions**: Utilisez le mode auto (un classifieur filtre chaque action) ou un bac à sable ; jamais `--dangerously-skip-permissions` dans une session normale.

## Combien de temps vos abonnements vont-ils tenir ?

Indiquez vos abonnements et votre façon de travailler : vous obtenez les heures d'agent par fenêtre de 5 h et par semaine, et le moment où le quota sera épuisé.

Cette fourchette n’est pas un intervalle de confiance statistique. Contexte, complexité, outils et règles fournisseur modifient l’usage réel. Aucun crédit supplémentaire ou dépassement payant n’est supposé. Les montants et consommations viennent des sources liées ; les compteurs personnels sont vos hypothèses.

Une heure d’agent correspond à une heure de travail actif d’un agent, pas à une heure de disponibilité humaine. Les blocs qui se chevauchent sont simultanés ; les premières lignes reçoivent le quota en premier. Le calendrier représente une semaine lundi–dimanche sans conversion de fuseau ou d’heure d’été.

Les pourcentages s’appliquent à chaque réserve indépendante de la ligne. Séparez les compteurs différents en lignes distinctes. Les resets hebdomadaires/mensuels inconnus ne rechargent pas cette semaine ; les fenêtres de cinq heures non renseignées commencent au premier usage. Les sous-limites de modèles utilisent initialement la même fraction restante que la réserve globale.

Relevez des sessions séparées avec les mêmes plan, modèle, effort et surface. Au moins trois mesures valides sont nécessaires ; si le rapport maximal/minimal dépasse trois, l’estimation générale est conservée. Comparez avec des sessions ultérieures avant de conclure à une meilleure précision.

| Abonnement | Prix mensuel | Agent |
|---|---|---|
| Claude Pro | $20 | Claude Code |
| Claude Max 5x | $100 | Claude Code |
| Claude Ultra | $200 | Claude Code |
| ChatGPT Plus (Codex) | $20 | Codex |
| ChatGPT Pro 100 (Codex) | $100 | Codex |
| ChatGPT Pro 200 (Codex) | $200 | Codex |
| ChatGPT Pro 500 (Codex) | $500 | Codex |
| Google AI Pro (Antigravity) | $19.99 | Antigravity |
| Google AI Ultra 5x (Antigravity) | $99.99 | Antigravity |
| Google AI Ultra 20x (Antigravity) | $199.99 | Antigravity |
| X Subscription Premium (Grok Build) | $30 | Grok Build |
| GLM Coding Plan Lite | $18 | Claude Code / ZCode |
| GLM Coding Plan Pro | $80 | Claude Code / ZCode |
| GLM Coding Plan Max | $168 | Claude Code / ZCode |
| Qwen Token Plan Lite | $6 | Qwen Code |
| Qwen Token Plan Essential | $10 | Qwen Code |
| Qwen Token Plan Standard | $18 | Qwen Code |
| Qwen Token Plan Pro | $68 | Qwen Code |
| MiMo Token Plan Lite | $6 | MiMo Code |
| MiMo Token Plan Standard | $16 | MiMo Code |
| MiMo Token Plan Pro | $50 | MiMo Code |
| MiMo Token Plan Max | $100 | MiMo Code |

## Performance face à l'usure du quota

Chaque ligne représente un modèle à travers ses niveaux d'effort de raisonnement. Plus à gauche = la tâche consomme moins de quota ; plus haut = meilleur résultat. La ligne rouge pointillée en escalier est la frontière efficace : aucune autre combinaison modèle × effort ne fait mieux pour moins cher.

### Terminal-Bench 4.0 (Artificial Analysis run) ⭐⭐⭐

Indépendant, même harnais pour chaque modèle à chaque niveau d'effort, plus de 100 modèles : le passage contrôlé le plus large du benchmark de référence des agents en terminal.

Tâches agentiques en terminal exécutées par Artificial Analysis avec le même harnais pour tous les modèles, à chaque niveau d'effort.

- Kimi K3.1 Pro · max: 67.1717, $5.2656 par tâche
- Gemini 4 Carbon · high: 65.1515, $10.053 par tâche
- Claude Sonnet 5.5 · max: 63.6364, $12.6464 par tâche
- Gemini 4 Carbon · low: 62.6263, $8.5663 par tâche
- Claude Fable 5.2 · xhigh: 61.6162, $20.8121 par tâche
- Gemini 4 Carbon · medium: 60.6061, $8.8204 par tâche
- Claude Fable 5.2 · high: 59.596, $13.4688 par tâche
- Claude Fable 5.2 · max: 59.596, $31.5898 par tâche
- Claude Opus 5.5 · xhigh: 59.596, $8.7784 par tâche
- Claude Opus 5.5 · max: 59.596, $13.1093 par tâche
- GPT-6 Astra · xhigh: 59.596, $5.8555 par tâche
- GPT-6 Astra · max: 59.0909, $8.4981 par tâche
- Claude Sonnet 5.5 · xhigh: 57.0707, $6.0784 par tâche
- Gemini 4 Argon · high: 57.0707, $13.5603 par tâche
- Muse Wonder Full · max: 57.0707
- Claude Opus 5.5 · high: 56.5657, $5.1189 par tâche
- GPT-6.1 Sol · max: 56.0606, $1.8228 par tâche
- GPT-6.1 Terra · max: 55.5556, $1.4853 par tâche
- Claude Fable 5.1 · xhigh: 55.0505, $15.528 par tâche
- Claude Fable 5.2 · medium: 55.0505, $5.251 par tâche
- Claude Fable 5.2 · low: 54.5455, $4.3399 par tâche
- GPT-6.1 Sol · xhigh: 54.0404, $1.0259 par tâche
- GPT-6 Astra · high: 54.0404, $4.047 par tâche
- Claude Opus 5.5 · medium: 52.5253, $4.043 par tâche
- Claude Fable 5.1 · high: 52.0202, $11.4875 par tâche
- Claude Fable 5.1 · max: 52.0202, $18.773 par tâche
- Muse Wonder · max: 52.0202, $12.2132 par tâche
- GPT-6.1 Sol · high: 51.5152, $0.8282 par tâche
- GPT-6 Astra · medium: 49.4949, $4.4301 par tâche
- Claude Opus 5 · max: 48.9899, $19.2891 par tâche
- GPT-6.1 Sol · medium: 47.9798, $0.6138 par tâche
- GPT-6.1 Terra · xhigh: 46.4646, $0.657 par tâche
- Claude Fable 5.1 · medium: 44.9495, $8.9758 par tâche
- Claude Sonnet 5.5 · high: 43.9394, $2.1862 par tâche
- GPT-6 Sol · max: 43.9394, $4.0034 par tâche
- GLM-5.3 · max: 41.9192, $8.0642 par tâche
- GPT-6.1 Terra · high: 41.9192, $0.4375 par tâche
- GPT-6 Astra · low: 41.9192, $2.2486 par tâche
- Muse Ember · max: 40.9091, $0.2658 par tâche
- Claude Fable 5.1 · low: 40.404, $7.1978 par tâche
- Qwen3.8 Max · xhigh: 38.8889, $18.6761 par tâche
- Muse Wonder · high: 38.3838, $8.1001 par tâche
- Tencent Hy4 · high: 37.3737, $1.637 par tâche
- GPT-5.6 Terra · max: 35.3535, $6.3874 par tâche
- Muse Ember · xhigh: 35.3535, $0.222 par tâche
- GLM-5.3 · low: 34.8485, $6.4049 par tâche
- MiMo-V2.6-Pro · high: 34.8485, $0.4381 par tâche
- DeepSeek V4.1 Flash 1017 · max: 33.8384, $0.8801 par tâche
- Ling 3.1 Flash · high: 33.3333
- Muse Spark 1.3 · max: 33.3333, $5.5835 par tâche
- Step 5 Preview · high: 33.3333, $5.1754 par tâche
- Claude Haiku 5.5 · max: 32.8283, $0.6519 par tâche
- GLM-5.3-Flash · max: 32.8283, $0.8892 par tâche
- Ling 3.1 Flash 1019 · high: 32.8283, $6.5914 par tâche
- GPT-6.1 Terra · medium: 32.3232, $0.2757 par tâche
- Claude Opus 5.5 · low: 31.3131, $2.0777 par tâche
- GPT-6.1 Sol · low: 30.8081, $0.3829 par tâche
- Claude Sonnet 5.5 · medium: 29.798, $1.5782 par tâche
- Nanbeige4.3-33B · high: 29.798
- Claude Haiku 5.5 · xhigh: 29.2929, $0.4603 par tâche
- DeepSeek V4.1 Flash 1017 · high: 28.7879, $0.783 par tâche
- GPT-6.1 Terra · none: 26.7677, $0.3788 par tâche
- Grok 4.7 · xhigh: 25.7576, $12.4261 par tâche
- MiniMax-M3.1-Flash · max: 25.7576, $0.9241 par tâche
- Qwen3.8-Flash-Next · high: 25.2525
- Grok 4.7 · high: 24.7475, $7.6258 par tâche
- Mistral Large 4 · high: 24.7475, $4.5925 par tâche
- Mistral Large 4 · medium: 23.2323, $2.8864 par tâche
- MiMo-V2.6-Flash · high: 22.7273, $0.2302 par tâche
- Claude Haiku 5.5 · high: 21.7172, $0.3315 par tâche
- Claude Sonnet 5.5 · low: 20.7071, $1.2848 par tâche
- Gemini 3.8 Flash · medium: 19.697, $14.1722 par tâche
- Gemini 3.8 Flash · high: 19.697, $18.1498 par tâche
- Grok 4.6 · xhigh: 17.1717, $6.5955 par tâche
- Grok 4.7 · low: 16.1616, $5.0333 par tâche
- Claude Haiku 5.5 · medium: 15.1515, $0.1938 par tâche
- GPT-6.1 Terra · low: 15.1515, $0.1066 par tâche
- DeepSeek V4 Pro 0813 · max: 14.1414, $3.7552 par tâche
- Inkling 2 Small · high: 13.1313, $2.4767 par tâche
- Claude Haiku 5.5 · low: 12.6263, $0.1186 par tâche
- GPT-5.5 Instant (June 2026) · high: 12.6263
- GPT-6 Luna · max: 12.6263, $0.2362 par tâche
- Kimi K3 · low: 12.6263, $9.4713 par tâche
- DeepSeek V4 Flash Vision · max: 12.1212
- GPT-5.6 Luna · max: 11.6162, $0.8493 par tâche
- Qwen3.8 2.4T A95B · high: 11.1111
- Agnes 2.5 Pro Theta · high: 10.101, $0.7947 par tâche
- Gemini 3.8 Flash · low: 10.101
- DeepSeek V4.1 Flash 1017 · none: 9.0909, $0.4815 par tâche
- GPT-6 Luna · xhigh: 8.0808, $0.1982 par tâche
- Muse Spark Open · xhigh: 8.0808, $4.657 par tâche
- Qwen3.8 27B · xhigh: 5.5556, $4.5669 par tâche
- Qwen3.8 27B · medium: 5.0505, $6.5334 par tâche
- GPT-6 Luna · high: 4.5455, $0.1204 par tâche
- Gemini 3.1 Pro (preview) · high: 4.0404
- JT-4.1 Flash 236B A21B · high: 3.0303
- Beam 1.0 · high: 3.0303, $0.6254 par tâche
- GPT-6 Luna · medium: 2.5253, $0.0716 par tâche
- Qwen3.8 27B · low: 2.5253, $6.9042 par tâche
- MiniMax-M3 · high: 2.0202, $3.0399 par tâche
- DeepSeek V4 Pro 0813 · none: 1.5152, $2.5807 par tâche
- GPT-6 Luna · none: 1.5152, $0.0446 par tâche
- K2 Horizon 375B A23B · high: 1.5152
- Gemini 3.5 Flash-Lite · high: 1.0101, $1.0951 par tâche
- Inkling · xhigh: 1.0101, $2.5821 par tâche
- Inkling Small · high: 1.0101, $0.3508 par tâche
- K2 Horizon 7B · high: 1.0101
- Kimi K2.7 Code · high: 1.0101
- Quasar 438B · max: 1.0101
- Qwen3.7 Plus · high: 1.0101
- Solar Mini 4 · high: 1.0101
- Command A+ · high: 0.5051
- Hy3 · high: 0.5051
- Muse Glimmer · high: 0.5051, $0.2979 par tâche
- Nemotron 3.5 Lightning · high: 0.5051, $0.3447 par tâche
- North Mini Code · high: 0.5051
- Nemotron 3 Ultra 550B A55B · high: 0.5051, $1.7107 par tâche
- Qwen3.5 9B · high: 0.5051
- Ring-2.6-1T · xhigh: 0.5051
- Trinity Large Thinking · high: 0.5051
- A.X-K2 · high: 0
- Apodex 1.1 · high: 0, $2.0476 par tâche
- Celeris-1 · none: 0
- Claude Haiku 4.5 · high: 0, $0.9633 par tâche
- Gemma 4 31B · high: 0
- Gemma 4 E4B · high: 0
- GPT-6 Luna · low: 0, $0.0054 par tâche
- GPT-OSS 120B · high: 0, $0.0644 par tâche
- GPT-OSS 20B · high: 0
- Granite 4.2 30B · high: 0
- Granite 4.2 3B · high: 0
- Granite 4.2 8B · high: 0, $0.0399 par tâche
- HyperNova 60B 2605 · high: 0
- K-EXAONE 2.0 · high: 0
- K2 Horizon 0.9B · high: 0
- K2 Horizon 3.7B · high: 0
- K2 Horizon MoVA 36B A4B · high: 0
- Ling-3.0-flash-Fin · high: 0
- Ling-3.0-flash-VL · high: 0
- Ling 3.0 Tiny · high: 0
- LongCat 2.0 · high: 0
- Mercury 2.5 · high: 0
- MiniCPM5-2B · high: 0
- Ministral 3 14B · none: 0
- Ministral 3 3B · none: 0
- Ministral 3 8B · none: 0
- Mistral Medium 3.5 · high: 0, $1.7048 par tâche
- Mistral Small 4 · high: 0, $0.0624 par tâche
- Nemotron 3.5 Bolt 74B-A9B · high: 0
- Nemotron 3.5 Super VL · high: 0, $0.7327 par tâche
- NVIDIA Nemotron 3 Nano 30B A3B · high: 0
- NVIDIA Nemotron 3 Nano 4B · high: 0
- Qwen3.5 122B A10B · high: 0
- Qwen3.5 397B A17B · high: 0
- Qwen3.6 35B A3B · high: 0
- Qwen3.8 27B · none: 0, $9.3917 par tâche
- Qwen3 Coder Next · none: 0
- Solar Pro 4 · high: 0

### FrontierCode 2.0 ⭐⭐⭐

Récent, indépendant, tâches écrites par des mainteneurs open source et notées sur la fusion du changement, à chaque effort publié.

FrontierCode 2.0 de Cognition (2026-10-27) : 132 tâches de code écrites par des mainteneurs open source, notées sur la capacité à être fusionnées, avec des critères de correction, de conception et d'exhaustivité plus stricts qu'en 1.1 ; une solution qui échoue à un critère bloquant obtient 0. Chaque modèle à chaque effort publié, avec le coût par exécution aux prix API publics.

- Claude Fable 5.2 · xhigh: 49.11, $17.734 par tâche
- Claude Fable 5.2 · max: 45.65, $55.868 par tâche
- Claude Opus 5.5 · max: 45.45, $12.821 par tâche
- Claude Fable 5.2 · high: 45.29, $8.402 par tâche
- Claude Opus 5.5 · xhigh: 43.38, $5.184 par tâche
- GPT-6 Astra · max: 42.77, $6.676 par tâche
- GPT-6 Astra · xhigh: 41.41, $4.539 par tâche
- Claude Sonnet 5.5 · max: 40.96, $19.941 par tâche
- Gemini 4 Carbon · medium: 40, $4.044 par tâche
- GPT-6.1 Sol · max: 38.95, $1.029 par tâche
- GPT-6 Astra · high: 38.31, $4.277 par tâche
- Claude Fable 5.2 · medium: 37.59, $3.103 par tâche
- Gemini 4 Carbon · high: 37.48, $4.434 par tâche
- GPT-6 Astra · medium: 36.75, $3.493 par tâche
- GPT-6.1 Sol · high: 34.82, $0.647 par tâche
- Claude Sonnet 5.5 · xhigh: 34.75, $3.315 par tâche
- Claude Opus 5.5 · high: 34.53, $2.423 par tâche
- GPT-6 Sol · max: 34.25, $2.3547 par tâche
- Claude Fable 5.2 · low: 34.2, $2.623 par tâche
- Claude Fable 5.1 · xhigh: 32.44, $8.68 par tâche
- GPT-6.1 Sol · xhigh: 32.33, $0.695 par tâche
- Gemini 4 Carbon · low: 31.88, $4.548 par tâche
- Claude Fable 5.1 · max: 31.67, $11.457 par tâche
- GPT-6 Astra · low: 31.11, $2.437 par tâche
- GPT-6 Sol · xhigh: 30.32, $1.4432 par tâche
- Claude Opus 5.5 · medium: 30.1, $1.699 par tâche
- GPT-6.1 Sol · medium: 29.58, $0.492 par tâche
- Grok 4.7 · xhigh: 28.62, $14.36 par tâche
- Claude Haiku 5.5 · max: 27.72, $0.366 par tâche
- GPT-5.6 Sol · max: 27.64, $5.503 par tâche
- Claude Opus 5 · xhigh: 26.74, $11.093 par tâche
- Claude Opus 5 · high: 26.72, $8.361 par tâche
- Claude Opus 5 · max: 26.58, $12.997 par tâche
- Grok 4.7 · high: 26.55, $11.094 par tâche
- Gemini 4 Argon · high: 26.3, $6.514 par tâche
- Grok 4.7 · medium: 25.94, $8.028 par tâche
- Claude Fable 5.1 · high: 25.67, $5.386 par tâche
- GPT-6.1 Sol · low: 25.6, $0.341 par tâche
- GPT-5.6 Sol · high: 24.29, $3.166 par tâche
- Muse Wonder · high: 24.28, $3.143 par tâche
- Muse Wonder · xhigh: 24.11, $3.793 par tâche
- GPT-5.6 Sol · xhigh: 24.08, $3.83 par tâche
- SWE-2 Flash · max: 24, $0.2024 par tâche
- Claude Opus 5 · medium: 23.97, $5.217 par tâche
- SWE-2 · max: 23.78, $1.261 par tâche
- Gemini 4 Argon · medium: 23.45, $5.688 par tâche
- SWE-2 Flash · low: 23.17, $0.203 par tâche
- Muse Wonder · medium: 23.14, $2.534 par tâche
- SWE-2 · high: 23.06, $0.958 par tâche
- GPT-6 Sol · high: 22.81, $1.0714 par tâche
- GPT-5.5 · xhigh: 22.62, $5.2771 par tâche
- Inkling 2 Small · max: 22.57, $0.584 par tâche
- Claude Haiku 5.5 · xhigh: 22.28, $0.226 par tâche
- Inkling 2 Small · high: 22.27, $0.562 par tâche
- Claude Sonnet 5.5 · high: 21.9, $1.066 par tâche
- GPT-6 Luna · max: 21.87, $0.174 par tâche
- GPT-6 Sol · medium: 21.63, $0.8225 par tâche
- Claude Fable 5.1 · medium: 21.47, $3.891 par tâche
- Gemini 4 Argon · low: 21.47, $3.977 par tâche
- Muse Wonder · low: 21.21, $1.843 par tâche
- Grok 4.7 · low: 20.8, $3.873 par tâche
- Inkling 2 Small · xhigh: 20.68, $0.615 par tâche
- Claude Fable 5.1 · low: 20.59, $3.007 par tâche
- Mistral Large 4 · high: 19.65, $1.549 par tâche
- Kimi K3.1 Pro · max: 19.64, $3.033 par tâche
- GPT-5.6 Sol · medium: 19.52, $2.36 par tâche
- Inkling 2 Small · medium: 19.33, $0.417 par tâche
- DeepSeek V4.1 Flash 1017 · max: 19.3, $0.384 par tâche
- GPT-5.5 · high: 19.09, $3.8021 par tâche
- Claude Opus 5 · low: 18.69, $3.276 par tâche
- Claude Haiku 5.5 · high: 18.64, $0.139 par tâche
- GPT-6 Luna · xhigh: 18.44, $0.132 par tâche
- DeepSeek V4.1 Flash 1017 · high: 18.21, $0.274 par tâche
- GLM-5.3 · max: 17.81, $7.516 par tâche
- Kimi K3 · high: 17.74, $4.475 par tâche
- Inkling 2 Small · none: 17.43, $0.439 par tâche
- Kimi K3 · max: 17.31, $5.456 par tâche
- Kimi K3.1 Pro · high: 17.29, $2.358 par tâche
- GLM-5.3 · high: 16.84, $5.181 par tâche
- GPT-6 Luna · high: 16.5, $0.115 par tâche
- SWE-1.7 · high: 16.15, $3.5209 par tâche
- GPT-6 Luna · medium: 15.97, $0.092 par tâche
- DeepSeek V4.1 Flash 1017 · low: 15.96, $0.206 par tâche
- Inkling 2 Small · low: 15.57, $0.286 par tâche
- SWE-2 · medium: 15.56, $0.442 par tâche
- Claude Opus 4.8 · max: 14.72, $12.129 par tâche
- Claude Opus 5.5 · low: 14.72, $0.746 par tâche
- GLM-5.3 · low: 14.37, $3.189 par tâche
- Claude Opus 4.8 · xhigh: 14.28, $9.133 par tâche
- GPT-5.5 · medium: 14.22, $2.9515 par tâche
- GLM-5.3-Flash · max: 14.18, $0.792 par tâche
- Claude Sonnet 5.5 · medium: 14.17, $0.482 par tâche
- Claude Haiku 5.5 · medium: 13.42, $0.097 par tâche
- Kimi K3.1 Pro · low: 12.86, $1.877 par tâche
- GPT-5.6 Sol · low: 12.79, $1.451 par tâche
- GLM-5.3-Flash · high: 12.41, $0.584 par tâche
- Kimi K3 · low: 11.1, $2.977 par tâche
- Claude Opus 4.8 · medium: 11.02, $5.588 par tâche
- Claude Opus 4.8 · high: 10.86, $6.316 par tâche
- GPT-6 Sol · low: 10.49, $0.4164 par tâche
- Claude Haiku 5.5 · low: 10.46, $0.065 par tâche
- Claude Opus 4.8 · low: 9.55, $4.195 par tâche
- Mistral Large 4 · low: 9.5, $0.669 par tâche
- Claude Sonnet 5.5 · low: 9.41, $0.369 par tâche
- Mistral Large 4 · medium: 8.78, $1.031 par tâche
- GLM-5.3-Flash · low: 7.81, $0.43 par tâche
- GPT-5.5 · low: 7.2, $1.9753 par tâche
- Muse Spark Open · xhigh: 6.24, $9.157 par tâche
- GPT-6 Luna · low: 4.05, $0.023 par tâche
- Muse Spark Open · high: 3.95, $6.78 par tâche
- Inkling Small · max: 3.21, $3.684 par tâche
- Beam 1.0 · max: 2.9, $1.299 par tâche
- Beam 1.0 · xhigh: 2.43, $1.126 par tâche
- Beam 1.0 · high: 1.74, $0.612 par tâche
- Muse Spark Open · medium: 1.63, $1.865 par tâche
- SWE-1.6 · high: 1.34, $1.3592 par tâche
- Inkling Small · high: 1.27, $1.366 par tâche
- Beam 1.0 · medium: 0.83, $0.315 par tâche
- Muse Spark Open · low: 0.42, $0.593 par tâche
- Beam 1.0 · low: 0, $0.142 par tâche

### Terminal-Bench 4.1 (official leaderboard) ⭐⭐⭐

Le classement officiel du benchmark d'agents de code le plus cité : 330 essais par entrée avec intervalles de confiance, chaque modèle dans l'agent de son éditeur.

Classement officiel tbench.ai, Terminal-Bench 4.1 (2026-11-09) : les 66 tâches de la 4.0 avec des vérificateurs renforcés, les soumissions 4.0 renotées à partir de leurs exécutions enregistrées. 330 essais par agent × modèle × effort, avec intervalles de confiance. Chaque entrée utilise l'agent de son éditeur (Claude Code, Codex, Grok Build…).

- Claude Opus 5.5 · max: 65.76, $14.2989 par tâche
- Claude Sonnet 5.5 · max: 63.94, $22.2232 par tâche
- GPT-6.1 Sol · max: 60.91, $1.9219 par tâche
- GPT-6 Astra · max: 60.3, $9.9005 par tâche
- GPT-6 Astra · high: 60, $6.877 par tâche
- GPT-6 Astra · xhigh: 59.7, $7.1228 par tâche
- Claude Fable 5.1 · xhigh: 57.58, $14.7638 par tâche
- Claude Fable 5.1 · max: 57.27, $18.9197 par tâche
- GPT-6 Astra · medium: 55.15, $5.8024 par tâche
- Claude Fable 5.1 · high: 54.85, $12.0769 par tâche
- Claude Fable 5.1 · medium: 53.94, $8.5845 par tâche
- Claude Opus 5 · xhigh: 53.33, $18.4431 par tâche
- Claude Opus 5 · max: 52.12, $18.0882 par tâche
- GPT-6 Astra · low: 50.91, $4.7191 par tâche
- GPT-6 Sol · max: 50.3, $4.3979 par tâche
- Claude Opus 5 · high: 49.7, $14.1281 par tâche
- Claude Opus 5 · medium: 45.15, $9.6715 par tâche
- Claude Fable 5 · max: 44.85, $22.0152 par tâche
- Claude Fable 5.1 · low: 43.33, $7.1476 par tâche
- GLM-5.3 · max: 41.21, $8.2655 par tâche
- Grok 4.7 · xhigh: 38.79, $11.1615 par tâche
- GPT-5.6 Sol · max: 38.48, $7.7021 par tâche
- GLM-5.3-Flash · none: 35.45, $0.3598 par tâche
- Claude Opus 5 · low: 34.85, $7.2542 par tâche
- Qwen3.8 Max · xhigh: 26.97, $14.0475 par tâche
- Claude Opus 4.8 · max: 23.64, $19.6402 par tâche
- GPT-5.6 Terra · max: 21.52, $5.2531 par tâche
- Grok 4.6 · high: 19.7, $10.8836 par tâche
- Gemini 3.8 Flash · high: 18.18, $5.5417 par tâche
- GPT-5.6 Luna · max: 17.58, $1.0505 par tâche
- GPT-6 Luna · max: 15.15, $0.2186 par tâche
- Muse Spark 1.3 · xhigh: 14.85
- Gemini 3.7 Flash (deprecated) · high: 12.42, $3.8238 par tâche
- Grok 4.5 · high: 12.42, $6.3458 par tâche
- Claude Sonnet 5 · max: 12.12, $29.1026 par tâche

### Terminal-Bench 4.0 (Vals AI run) ⭐⭐

Passage indépendant de Terminal-Bench, mais un seul effort par modèle et des relances et réécritures de coûts répétées sans explication.

Exécution de Terminal-Bench 4.0 par Vals AI dans mini-swe-agent (8 heures maximum par tâche), un effort par modèle.

- Claude Fable 5.2 · high: 65.152, $14.564414 par tâche
- Claude Opus 5.5 · max: 65.152, $12.042479 par tâche
- Claude Sonnet 5.5 · max: 64.141, $10.752753 par tâche
- Kimi K3.1 Pro · max: 63.636, $4.56894 par tâche
- Gemini 4 Carbon · high: 63.131, $7.452059 par tâche
- GPT-6 Astra · max: 59.596, $9.584259 par tâche
- Claude Fable 5.1 · max: 58.081, $17.175337 par tâche
- Muse Wonder Full · max: 58.081, $10.528007 par tâche
- Gemini 4 Argon · high: 57.576, $17.63994 par tâche
- GPT-6.1 Sol · max: 55.051, $1.72496 par tâche
- Claude Opus 5 · max: 53.535, $18.596913 par tâche
- GPT-6.1 Terra · max: 49.495, $2.15663 par tâche
- Muse Wonder · max: 49.495, $14.657694 par tâche
- GPT-6 Sol · max: 44.444, $5.79322 par tâche
- Claude Fable 5 · max: 41.414, $30.339756 par tâche
- Muse Ember · max: 39.394, $0.218381 par tâche
- HY4 · high: 39.394, $1.280113 par tâche
- GLM-5.3 · max: 38.889, $9.37436 par tâche
- Qwen3.8 Max Internal · high: 38.889, $12.146852 par tâche
- GPT-5.6 Sol · max: 37.879, $7.983597 par tâche
- GLM-5.3-Flash · max: 37.374, $1.219907 par tâche
- Claude Haiku 5.5 · max: 36.364, $3.117464 par tâche
- Qwen3.8 Max · xhigh: 34.343, $10.633329 par tâche
- DeepSeek V4.1 Flash 1017 · max: 31.818, $0.539359 par tâche
- Step 5 Preview · high: 31.818, $3.113224 par tâche
- MiMo-V2.6-Pro · high: 31.313, $0.456609 par tâche
- Grok 4.7 · xhigh: 28.788, $18.011582 par tâche
- Mistral Large 4 · high: 27.778, $5.180898 par tâche
- MiniMax-M3.1-Flash · max: 25.253, $0.734722 par tâche
- Muse Spark 1.3 · max: 24.747, $6.654565 par tâche
- MiMo-V2.6-Flash · high: 24.242, $0.211804 par tâche
- Claude Opus 4.8 · max: 23.232, $17.140717 par tâche
- GPT-5.6 Terra · max: 22.727, $5.602118 par tâche
- Ember 1 · high: 20.707, $19.484094 par tâche
- DeepSeek V4.1 Flash · high: 19.697, $0.499473 par tâche
- Gemini 3.8 Flash · high: 19.697, $8.64749 par tâche
- DeepSeek V4 Flash 0731 · high: 18.687, $0.766472 par tâche
- Grok 4.6 · high: 17.172, $5.062449 par tâche
- Kimi K3 · max: 17.172, $12.478176 par tâche
- DeepSeek V4 Pro 0813 · max: 14.141, $3.311817 par tâche
- GPT-6 Luna · max: 13.636, $0.354726 par tâche
- Inkling 2 Small · high: 12.626, $8.218043 par tâche
- Gemini 3.7 Flash (deprecated) · high: 12.121, $8.705677 par tâche
- GPT-5.6 Luna · max: 11.616, $0.731646 par tâche
- Claude Sonnet 5 · max: 10.606, $26.04996 par tâche
- Muse Spark 1.3 · xhigh: 10.606, $7.036467 par tâche
- Grok 4.5 · high: 8.586, $5.51917 par tâche
- Muse Spark Open · xhigh: 6.566, $7.264062 par tâche
- Gemini 3.5 Flash · high: 6.061, $5.981757 par tâche
- Muse Spark 1.2 · xhigh: 6.061, $4.135537 par tâche
- Beam 1.0 · high: 4.04
- Mercury 3 · high: 3.03, $0.421803 par tâche
- Gemini 3.1 Pro (preview) · high: 2.525, $4.111957 par tâche
- GPT-5.4-mini · xhigh: 2.525, $1.438224 par tâche
- MiniMax-M3 · high: 1.01, $7.229497 par tâche
- Inkling · high: 0.505, $2.495998 par tâche
- MiMo V2.5 Pro · high: 0.505, $0.23303 par tâche
- Inkling Small · high: 0, $0.321679 par tâche
- Nemotron 3.5 Super VL 120B A12B · high: 0, $0.862751 par tâche
- Mercury 2.5 · high: 0, $0.368017 par tâche

### CursorBench 4.0 ⭐⭐

Vraies sessions Cursor à chaque effort, mais lancé par Cursor dans son propre agent sur des tâches privées, avec des points non datés et en partie estimés.

Tâches ambiguës sur plusieurs fichiers, tirées de vraies sessions Cursor, exécutées par Cursor dans son propre agent pour chaque modèle et chaque effort.

- Gemini 4 Carbon · high: 60.4, $9.22 par tâche
- Gemini 4 Carbon · medium: 60.1, $8.49 par tâche
- Claude Fable 5.2 · max: 60, $32.79 par tâche
- Gemini 4 Carbon · low: 58.6, $11.89 par tâche
- Claude Opus 5.5 · max: 57.8, $13.43 par tâche
- Claude Fable 5.2 · high: 56.9, $9.7 par tâche
- Claude Fable 5.2 · xhigh: 56.3, $15.48 par tâche
- Claude Opus 5.5 · xhigh: 56, $6.98 par tâche
- Claude Opus 5.5 · high: 56, $3.97 par tâche
- Claude Sonnet 5.5 · max: 55.5, $7.05 par tâche
- Claude Fable 5.2 · medium: 54.8, $4.66 par tâche
- Claude Fable 5.2 · low: 53.2, $3.94 par tâche
- Claude Sonnet 5.5 · xhigh: 53.1, $2.81 par tâche
- Gemini 4 Argon · high: 52.9, $4.57 par tâche
- Gemini 4 Argon · medium: 52.8, $4.39 par tâche
- Claude Opus 5.5 · medium: 52.5, $2.91 par tâche
- Claude Fable 5.1 · max: 51.8, $17.28 par tâche
- Claude Fable 5.1 · xhigh: 51.6, $13.01 par tâche
- Gemini 4 Argon · low: 50.6, $4.09 par tâche
- Muse Wonder · max: 50.4, $5.25 par tâche
- Claude Fable 5.1 · high: 49.2, $9.08 par tâche
- Claude Haiku 5.5 · max: 48.4, $1.12 par tâche
- Muse Wonder · xhigh: 48.2, $4.24 par tâche
- Claude Sonnet 5.5 · high: 47.8, $1.2 par tâche
- DeepSeek V4.1 Flash 1017 · max: 47.7, $0.98 par tâche
- Claude Fable 5.1 · medium: 46.8, $7.05 par tâche
- Claude Opus 5 · max: 46.6, $11.95 par tâche
- Grok 4.7 · xhigh: 46.3, $6.01 par tâche
- DeepSeek V4.1 Flash 1017 · medium: 46.3, $0.8 par tâche
- Claude Opus 5 · xhigh: 46.1, $11.43 par tâche
- Muse Wonder · high: 46.1, $3.51 par tâche
- DeepSeek V4.1 Flash 1017 · high: 45.6, $0.77 par tâche
- Muse Wonder · medium: 45.2, $2.82 par tâche
- Claude Fable 5.1 · low: 45.1, $5.44 par tâche
- DeepSeek V4.1 Flash 1017 · low: 44.9, $0.6 par tâche
- Claude Opus 5 · high: 44.7, $9 par tâche
- Claude Haiku 5.5 · xhigh: 44.3, $0.56 par tâche
- Grok 4.7 · high: 43.9, $4.69 par tâche
- Claude Opus 5.5 · low: 43.7, $1.17 par tâche
- Claude Opus 5 · medium: 43.3, $6.94 par tâche
- GLM-5.3 · max: 42.6, $5.05 par tâche
- Claude Haiku 5.5 · high: 42.3, $0.32 par tâche
- GPT-5.6 Sol · max: 41.7, $8.23 par tâche
- Muse Wonder · low: 41.7, $1.91 par tâche
- Grok 4.7 · medium: 41.6, $3.49 par tâche
- Muse Spark 1.3 · max: 41.6, $2.64 par tâche
- Grok 4.6 · xhigh: 41.4, $6.1 par tâche
- GPT-5.6 Terra · max: 41.3, $5.14 par tâche
- Claude Opus 5 · low: 40.7, $4.87 par tâche
- Grok 4.6 · high: 40.4, $5.2 par tâche
- Gemini 3.8 Flash · high: 39.6, $4.7 par tâche
- Claude Sonnet 5.5 · medium: 39.2, $0.52 par tâche
- GLM-5.3 · high: 38, $3.24 par tâche
- GPT-5.6 Sol · xhigh: 37.7, $4.4 par tâche
- Muse Spark 1.3 · xhigh: 37.5, $2.1 par tâche
- Gemini 3.8 Flash · medium: 37.3, $4.06 par tâche
- Claude Haiku 5.5 · medium: 36.9, $0.17 par tâche
- GLM-5.3-Flash · max: 36.8, $0.39 par tâche
- Grok 4.6 · medium: 36.1, $3.48 par tâche
- GPT-5.6 Luna · max: 35.9, $1.03 par tâche
- Claude Sonnet 5.5 · low: 35.8, $0.37 par tâche
- GPT-5.6 Sol · high: 35.7, $2.85 par tâche
- Claude Sonnet 5 · max: 34.1, $7.17 par tâche
- GPT-5.6 Terra · xhigh: 33.6, $1.81 par tâche
- Grok 4.6 · low: 33.4, $2.25 par tâche
- Muse Spark 1.3 · high: 33.4, $1.66 par tâche
- GLM-5.3 · low: 33.3, $2.04 par tâche
- Grok 4.7 · low: 33.1, $1.58 par tâche
- GPT-5.6 Luna · xhigh: 33, $0.44 par tâche
- Muse Spark 1.3 · medium: 32.6, $1.49 par tâche
- Claude Sonnet 5 · xhigh: 32, $4.55 par tâche
- GPT-5.6 Sol · medium: 31.1, $1.77 par tâche
- GLM-5.3-Flash · high: 31.1, $0.25 par tâche
- Claude Haiku 5.5 · low: 30.9, $0.08 par tâche
- Claude Sonnet 5 · high: 30.8, $3.48 par tâche
- GPT-5.6 Terra · high: 30.7, $1.11 par tâche
- GPT-5.6 Luna · high: 29.4, $0.25 par tâche
- Muse Spark 1.3 · low: 29.3, $0.93 par tâche
- Claude Sonnet 5 · medium: 28, $2.31 par tâche
- Composer 2.5 · high: 27.7, $0.68 par tâche
- GPT-5.6 Terra · medium: 27.6, $0.64 par tâche
- GLM-5.3-Flash · low: 26.9, $0.15 par tâche
- GPT-5.6 Terra · low: 25.2, $0.52 par tâche
- GPT-5.6 Sol · low: 24.6, $0.87 par tâche
- Claude Sonnet 5 · low: 24.1, $1.39 par tâche
- GPT-5.6 Luna · medium: 22.2, $0.08 par tâche
- GPT-5.6 Luna · low: 16, $0.03 par tâche

### Vibe Code Bench v1.1 (Vals AI) ⭐⭐

Indépendant et proche du vibe coding, mais étroit (applications complètes à partir d'un cahier des charges) et un effort par modèle.

Construire des applications complètes à partir d'une description produit — le benchmark le plus proche du vibe coding. Un effort par modèle.

- Claude Fable 5.2 · high: 93.771, $22.13226 par tâche
- Claude Sonnet 5.5 · max: 92.392, $19.729112 par tâche
- Gemini 4 Argon · high: 91.906, $8.10797 par tâche
- Claude Haiku 5.5 · max: 90.444, $6.071856 par tâche
- Claude Fable 5 · max: 90.352, $41.714694 par tâche
- Claude Opus 5.5 · max: 90.294, $35.774773 par tâche
- Claude Fable 5.1 · max: 90.263, $33.367507 par tâche
- GPT-6 Astra · max: 89.594, $38.512323 par tâche
- Gemini 4 Carbon · high: 89.06, $8.254926 par tâche
- GPT-6.1 Sol · max: 88.931, $6.234794 par tâche
- Claude Opus 5 · high: 88.404, $33.876235 par tâche
- GPT-6 Sol · max: 87.824, $26.356012 par tâche
- DeepSeek V4.1 Flash 1017 · max: 87.73, $0.579984 par tâche
- Grok 4.7 · xhigh: 86.175, $15.82706 par tâche
- Muse Wonder Full · max: 85.996, $2.293448 par tâche
- Muse Spark 1.3 · max: 85.856, $2.543084 par tâche
- MiMo-V2.6-Pro · high: 85.223, $1.043846 par tâche
- Kimi K3 · max: 84.968, $10.007576 par tâche
- Kimi K3.1 Pro · max: 84.894, $7.485151 par tâche
- DeepSeek V4.1 Flash · high: 84.739, $0.407445 par tâche
- GPT-6.1 Terra · max: 83.997, $5.996953 par tâche
- Ember 1 · high: 83.869, $8.559507 par tâche
- Muse Ember · max: 83.703, $0.054457 par tâche
- Muse Wonder · max: 83.089, $1.802723 par tâche
- Muse Spark 1.3 · xhigh: 82.859, $2.101762 par tâche
- Claude Opus 4.8 · max: 82.725, $26.879989 par tâche
- DeepSeek V4 Pro 0813 · max: 82.297, $0.356023 par tâche
- GPT-6 Luna · max: 81.649, $1.345703 par tâche
- Mistral Large 4 · high: 81.555, $11.723179 par tâche
- Inkling 2 Small · high: 81.546, $1.901278 par tâche
- Claude Sonnet 5 · max: 81.325, $25.38542 par tâche
- HY4 · high: 81.008, $2.394585 par tâche
- GPT-5.6 Sol · max: 80.495, $33.403634 par tâche
- Muse Spark 1.2 · xhigh: 79.1, $1.529642 par tâche
- MiMo-V2.6-Flash · high: 78.96, $0.563041 par tâche
- Gemini 3.8 Flash · high: 78.651, $6.865141 par tâche
- GLM-5.3 · max: 78.125, $12.450185 par tâche
- Claude Opus 4.8 · high: 77.485, $6.8557 par tâche
- Qwen3.8 Max Internal · high: 77.141, $11.668329 par tâche
- GPT-5.6 Luna · max: 77.055, $0.726426 par tâche
- Grok 4.6 · high: 76.239, $4.875513 par tâche
- Muse Spark Open · xhigh: 76.187, $1.655609 par tâche
- DeepSeek V4 Flash 0731 · high: 74.736, $0.905592 par tâche
- GPT-5.6 Terra · max: 74.594, $7.887015 par tâche
- MiniMax-M3.1-Flash · max: 73.944, $1.146649 par tâche
- Muse Spark 1.1 · xhigh: 72.158, $0.923283 par tâche
- Claude Opus 4.7 · max: 71.003, $21.407199 par tâche
- Step 5 Preview · high: 70.399, $5.856257 par tâche
- Gemini 3.7 Flash (deprecated) · high: 70.395, $4.827643 par tâche
- GPT-5.5 · xhigh: 69.847, $16.661911 par tâche
- Grok 4.5 · high: 69.002, $4.102194 par tâche
- GPT-5.4 · xhigh: 67.421, $10.686976 par tâche
- GPT-5.5 Factory · high: 67.391, $5.9268 par tâche
- Beam 1.0 · high: 66.436
- Qwen3.8 27B · xhigh: 64.85, $23.456372 par tâche
- Qwen3.8 Max · xhigh: 64.696, $8.238852 par tâche
- Gemini 3.6 Flash · high: 64.005, $3.041993 par tâche
- GLM-5.2 · max: 63.961, $8.488514 par tâche
- GPT-5.3 Codex · xhigh: 61.767, $11.914536 par tâche
- Mercury 3 · high: 60.927, $0.627191 par tâche
- GPT-5.5 Codex · high: 58.194, $3.6264 par tâche
- Claude Opus 4.6 · max: 57.573, $8.687436 par tâche
- Claude Sonnet 4.6 · high: 55.774, $7.354471 par tâche
- GPT-5.2 · xhigh: 53.499, $17.745182 par tâche
- Claude Sonnet 4.6 · max: 51.476, $5.907892 par tâche
- Composer 2.5 · high: 49.614, $0.502233 par tâche
- Gemini 3.5 Flash · high: 48.683, $2.540385 par tâche
- GPT-5.4 · high: 48.474, $7.50518 par tâche
- GPT-5.4-mini · xhigh: 47.969, $1.191299 par tâche
- Qwen3.7 Max · max: 47.671, $11.400322 par tâche
- MiniMax-M3 · high: 47.566, $6.453899 par tâche
- Kimi K2.7 Code · high: 47.211, $3.835806 par tâche
- Qwen3.7 Plus · high: 46.391, $1.082348 par tâche
- MiMo V2.5 · high: 42.174, $0.068395 par tâche
- GPT-5.2 Codex · high: 37.912, $4.152495 par tâche
- Kimi K2.6 · high: 37.891, $1.925351 par tâche
- Gemini 3.5 Flash-Lite · high: 37.161, $0.833111 par tâche
- MiMo V2.5 Pro · high: 34.113, $0.166747 par tâche
- Gemini 3.1 Pro (preview) · high: 32.034, $3.825202 par tâche
- GLM-5.1 · high: 31.456, $2.894911 par tâche
- GLM-5.3-Flash · max: 30.759, $4.69761 par tâche
- GPT-5.4 Nano · high: 26.097, $1.277298 par tâche
- Qwen3.6 Plus · high: 25.565, $5.447636 par tâche
- GPT-5.1 · high: 24.606, $2.574926 par tâche
- GLM-5 · high: 23.359, $40.270258 par tâche
- Claude Sonnet 4.5 · high: 22.621, $6.656984 par tâche
- GPT-5.1 Codex · high: 22.168, $7.324105 par tâche
- Claude Opus 4.5 · high: 20.63, $32.873283 par tâche
- Gemini 3 Flash · high: 20.204, $0.942067 par tâche
- GPT-5 · high: 20.088, $1.525167 par tâche
- Muse Spark · high: 19.674, $0.579705 par tâche
- Grok 4.3 · high: 19.403, $1.28472 par tâche
- Inkling · high: 19.214, $1.605949 par tâche
- Inkling Small · high: 19.052, $0.432264 par tâche
- Kimi K2.5 · high: 17.536, $0.879292 par tâche
- Qwen3.5 Plus · high: 15.738, $3.803761 par tâche
- MiniMax-M2.5 · high: 14.853, $2.197729 par tâche
- Gemini 3 Pro · high: 14.3, $6.417592 par tâche
- GPT-5 Mini · high: 14.171, $0.248587 par tâche
- Grok Build 0.1 · high: 13.349
- Qwen3.6 27B · high: 11.941, $4.655127 par tâche
- MiniMax-M2.7 · high: 11.926, $2.819109 par tâche
- Claude Haiku 4.5 · high: 11.393, $1.306474 par tâche
- Laguna M.1 · high: 11.038, $2.059401 par tâche
- Nemotron 3 Ultra 550B A55B · high: 7.636
- SWE 1.6 Fast · high: 7.22
- Laguna Xs.2 · high: 5.212, $0.981155 par tâche
- DeepSeek V3p2 · high: 5.108, $2.469325 par tâche
- Grok 4.20 0309 Reasoning · high: 4.063, $0.771885 par tâche
- Nemotron 3.5 Super VL 120B A12B · high: 3.71, $0.539233 par tâche
- Mercury 2.5 · high: 3.683, $0.378016 par tâche
- Qwen3 Max · max: 3.506, $6.023105 par tâche
- Ling 3.0 Flash Af Rc3 · high: 3.4, $0.233022 par tâche
- GLM-4.6 · high: 3.09, $10.845475 par tâche
- Ling 3.0 Flash 2607 · high: 2.914, $0.292199 par tâche
- Mistral Medium 3.5 · high: 2.888, $16.735503 par tâche
- Grok 4.1 Fast Reasoning · high: 1.2, $0.209444 par tâche
- Gemini 2.5 Pro · high: 0.4, $1.223831 par tâche
- Gemini 3.1 Flash Lite · high: 0, $0.51 par tâche
- Nemotron Lightning 3p5 30B A3B · high: 0, $0.128799 par tâche
- Grok 4 Fast Reasoning · high: 0, $0.133206 par tâche
- Mistral Small 2603 · high: 0, $6.473001 par tâche

### DeepSWE v1.1 ⭐⭐

Longues tâches de génie logiciel indépendantes, mais mis à jour moins souvent que les autres : les modèles les plus récents manquent souvent.

Longues tâches de génie logiciel exécutées par Datacurve avec le harnais mini-swe-agent (pass@1 sur 4 exécutions).

- GPT-6 Astra · xhigh: 74.115, $4.4291 par tâche
- Gemini 3.8 Flash · high: 73.8255, $2.3623 par tâche
- Claude Opus 5 · max: 73.6486, $11.8376 par tâche
- GPT-6 Astra · high: 73.2301, $3.9237 par tâche
- GPT-6 Astra · max: 73.2301, $7.4978 par tâche
- Claude Opus 5 · xhigh: 73.1544, $9.0722 par tâche
- Claude Opus 5 · high: 72.8285, $6.0761 par tâche
- GPT-6 Astra · medium: 72.7876, $3.0755 par tâche
- GPT-5.6 Sol · max: 72.6667, $6.456 par tâche
- Gemini 3.8 Flash · medium: 71.0177, $1.9671 par tâche
- GPT-5.6 Sol · xhigh: 70.7317, $3.5986 par tâche
- Claude Fable 5 · xhigh: 69.9115, $13.4145 par tâche
- Claude Fable 5 · max: 69.7248, $21.6347 par tâche
- GPT-5.6 Terra · max: 69.6231, $3.9567 par tâche
- GPT-5.6 Sol · high: 69.4013, $2.6618 par tâche
- GLM-5.3 · max: 68.9579, $3.9934 par tâche
- Claude Opus 5 · medium: 68.9038, $3.2898 par tâche
- Claude Fable 5 · high: 68.6047, $9.1776 par tâche
- Kimi K3 · max: 68.5144, $4.6547 par tâche
- Grok 4.6 · medium: 67.4779, $3.449 par tâche
- GPT-5.6 Luna · max: 67.1875, $0.6056 par tâche
- GPT-5.5 · xhigh: 67.0354, $7.2262 par tâche
- GPT-6 Astra · low: 67.0354, $1.5952 par tâche
- Grok 4.6 · xhigh: 66.7406, $5.4977 par tâche
- Gemini 3.7 Flash (deprecated) · medium: 65.4867, $2.0251 par tâche
- Claude Fable 5 · medium: 65.367, $6.0882 par tâche
- Gemini 3.7 Flash (deprecated) · high: 65.2655, $2.1763 par tâche
- Grok 4.6 · high: 65.1885, $4.3849 par tâche
- GPT-5.5 · high: 64.3805, $5.1004 par tâche
- GLM-5.3-Flash · max: 63.3929, $0.241 par tâche
- DeepSeek V4 Pro 0813 · max: 62.8319, $1.666 par tâche
- GPT-5.6 Sol · medium: 61.0619, $1.4158 par tâche
- GPT-5.6 Terra · xhigh: 60.177, $1.7018 par tâche
- Claude Fable 5 · low: 59.5843, $3.7579 par tâche
- Claude Opus 4.8 · max: 58.9744, $13.2226 par tâche
- Claude Opus 5 · low: 58.1292, $1.6626 par tâche
- Qwen3.8 Max · xhigh: 57.461, $3.7291 par tâche
- GPT-5.6 Luna · xhigh: 56.8584, $0.3071 par tâche
- Muse Spark 1.2 · xhigh: 54.8673, $3.6955 par tâche
- Claude Opus 4.8 · xhigh: 54.3624, $8.0064 par tâche
- GPT-5.5 · medium: 53.9823, $2.7493 par tâche
- Claude Sonnet 5 · max: 53.8462, $26.3999 par tâche
- Gemini 3.7 Flash (deprecated) · low: 53.7611, $1.8323 par tâche
- GPT-5.6 Terra · high: 53.7611, $0.9075 par tâche
- Grok 4.5 · high: 53.7611, $2.4157 par tâche
- DeepSeek V4 Flash 0731 · max: 53.3186, $0.4641 par tâche
- Muse Spark 1.1 · xhigh: 53.3186, $2.3611 par tâche
- Claude Opus 4.8 · high: 51.7699, $4.2819 par tâche
- GPT-5.4 · xhigh: 51.7699, $5.6525 par tâche
- Claude Sonnet 5 · xhigh: 49.6674, $11.8906 par tâche
- Claude Opus 4.8 · medium: 48.6726, $3.4439 par tâche
- Claude Sonnet 5 · high: 48.2301, $7.4256 par tâche
- Gemini 3.6 Flash · high: 46.6814, $2.2095 par tâche
- GPT-5.6 Sol · low: 45.354, $0.817 par tâche
- GPT-5.6 Luna · high: 44.2478, $0.1556 par tâche
- GLM-5.2 · max: 43.7778, $3.9199 par tâche
- Grok 4.6 · low: 41.6481, $1.0424 par tâche
- Claude Opus 4.8 · low: 40.7982, $2.2934 par tâche
- Claude Sonnet 5 · medium: 39.7778, $4.079 par tâche
- GLM-5.2 · high: 36.2832, $2.8355 par tâche
- Gemini 3.5 Flash · high: 36.0619, $3.4467 par tâche
- GPT-5.6 Terra · medium: 35.1111, $0.4666 par tâche
- Kimi K2.7 Code · high: 30.531, $2.8155 par tâche
- Claude Sonnet 5 · low: 30.5122, $2.1866 par tâche
- Claude Sonnet 4.6 · high: 29.9335, $5.5224 par tâche
- GPT-5.5 · low: 26.9912, $1.2002 par tâche
- GPT-5.6 Terra · low: 24.0535, $0.3422 par tâche
- Gemini 3.1 Pro (preview) · high: 11.7257, $2.1434 par tâche
- GPT-5.6 Luna · medium: 11.2832, $0.0433 par tâche
- GPT-5.6 Luna · low: 1.5487, $0.0145 par tâche

### Artificial Analysis Intelligence Index v5 ⭐

Indice d'intelligence générale, pas spécifique au code : un contexte utile, pas un classement de code.

Indice généraliste de neuf évaluations (travail de connaissance agentique, Terminal-Bench 4.0, FrontierCode 2.0, Terminal-Bench-Science, HLE-Diamond, CritPt…), pas uniquement du code ; la couverture par effort la plus large disponible.

- Claude Fable 5.2 · max: 64.5636, $26.5386 par tâche
- Claude Fable 5.2 · xhigh: 62.2167, $14.8286 par tâche
- Claude Fable 5.2 · high: 61.8219, $9.0784 par tâche
- Gemini 4 Carbon · high: 60.0257, $7.7555 par tâche
- Claude Opus 5.5 · max: 59.106, $10.0364 par tâche
- Gemini 4 Carbon · medium: 58.2588, $6.5858 par tâche
- Claude Opus 5.5 · xhigh: 57.4447, $6.0472 par tâche
- GPT-6 Astra · max: 56.8539, $6.2447 par tâche
- Claude Fable 5.2 · medium: 56.4083, $3.8026 par tâche
- GPT-6 Astra · xhigh: 55.3057, $3.6589 par tâche
- GPT-6 Astra · high: 54.8498, $3.2386 par tâche
- GPT-6.1 Sol · max: 54.6087, $1.2721 par tâche
- Claude Sonnet 5.5 · max: 54.5413, $10.0206 par tâche
- Gemini 4 Carbon · low: 54.2206, $7.1866 par tâche
- Claude Fable 5.2 · low: 53.9249, $3.0972 par tâche
- GPT-6.1 Sol · xhigh: 52.4582, $0.764 par tâche
- Claude Opus 5.5 · high: 51.836, $3.4647 par tâche
- GPT-6 Astra · medium: 51.5548, $2.7324 par tâche
- GPT-6.1 Terra · max: 51.3265, $0.9611 par tâche
- Gemini 4 Argon · high: 50.4122, $9.9466 par tâche
- GPT-6.1 Sol · high: 50.3291, $0.591 par tâche
- Muse Wonder Full · max: 50.0772
- Claude Fable 5.1 · xhigh: 50.0216, $10.8475 par tâche
- Claude Sonnet 5.5 · xhigh: 49.924, $4.092 par tâche
- Claude Fable 5.1 · max: 49.1602, $12.994 par tâche
- Claude Opus 5.5 · medium: 48.2081, $2.4511 par tâche
- Claude Fable 5.1 · high: 47.175, $7.54 par tâche
- Kimi K3.1 Pro · max: 46.4526, $3.6812 par tâche
- GPT-6.1 Sol · medium: 46.3469, $0.3594 par tâche
- GPT-6.1 Terra · xhigh: 45.2501, $0.4007 par tâche
- Claude Opus 5 · max: 44.1646, $11.8215 par tâche
- GPT-6 Sol · max: 44.1555, $2.4658 par tâche
- Muse Wonder · max: 43.5748, $6.952 par tâche
- GPT-6 Astra · low: 43.335, $1.4237 par tâche
- Claude Fable 5.1 · medium: 43.1716, $5.5643 par tâche
- GPT-6.1 Terra · high: 42.4345, $0.2593 par tâche
- Claude Sonnet 5.5 · high: 41.5151, $1.6361 par tâche
- Muse Wonder · high: 40.5266, $4.5605 par tâche
- Claude Fable 5.1 · low: 38.6836, $4.4711 par tâche
- GPT-6.1 Terra · medium: 38.1652, $0.1688 par tâche
- Muse Spark 1.3 · max: 36.6172, $2.3858 par tâche
- Claude Haiku 5.5 · max: 36.4845, $0.411 par tâche
- Muse Ember · max: 36.0213, $0.1359 par tâche
- Grok 4.7 · xhigh: 35.485, $7.7715 par tâche
- Grok 4.7 · high: 35.2123, $6.1836 par tâche
- GPT-6.1 Sol · low: 34.8029, $0.1615 par tâche
- Claude Opus 5.5 · low: 34.7528, $0.9755 par tâche
- Claude Haiku 5.5 · xhigh: 34.6388, $0.2484 par tâche
- Tencent Hy4 · high: 34.5552, $1.0311 par tâche
- Muse Ember · xhigh: 34.115, $0.1162 par tâche
- Qwen3.8 Max · xhigh: 33.6546, $10.0239 par tâche
- DeepSeek V4.1 Flash 1017 · max: 32.5896, $0.6021 par tâche
- GPT-5.6 Terra · max: 32.3434, $3.7349 par tâche
- GLM-5.3 · max: 31.6534, $5.0093 par tâche
- Grok 4.7 · low: 31.1321, $2.9222 par tâche
- Grok 4.6 · xhigh: 31.0288, $4.6786 par tâche
- Gemini 3.8 Flash · high: 30.8468, $7.766 par tâche
- Claude Sonnet 5.5 · medium: 30.8196, $0.7807 par tâche
- Inkling 2 Small · high: 30.6287, $1.1784 par tâche
- GPT-6.1 Terra · none: 30.5159, $0.2259 par tâche
- Gemini 3.8 Flash · medium: 30.0786, $6.2586 par tâche
- MiMo-V2.6-Pro · high: 29.8898, $0.2572 par tâche
- Claude Haiku 5.5 · high: 29.8743, $0.1586 par tâche
- Ling 3.1 Flash 1019 · high: 29.5701, $3.1851 par tâche
- GPT-6.1 Terra · low: 29.4169, $0.0713 par tâche
- MiniMax-M3.1-Flash · max: 29.0595, $0.491 par tâche
- DeepSeek V4.1 Flash 1017 · high: 28.6437, $0.4562 par tâche
- Step 5 Preview · high: 28.5283, $2.3453 par tâche
- GPT-6 Luna · max: 27.8552, $0.152 par tâche
- GLM-5.3-Flash · max: 27.8039, $0.5833 par tâche
- MiMo-V2.6-Flash · high: 26.7277, $0.1285 par tâche
- Mistral Large 4 · high: 26.125, $2.0617 par tâche
- Claude Sonnet 5.5 · low: 25.6497, $0.5113 par tâche
- Muse Spark Open · xhigh: 24.8816, $2.0177 par tâche
- Claude Haiku 5.5 · medium: 24.6013, $0.0918 par tâche
- Agnes 2.5 Pro Theta · high: 24.029, $0.5747 par tâche
- GPT-5.6 Luna · max: 23.7902, $0.3313 par tâche
- GPT-6 Luna · xhigh: 23.4509, $0.1041 par tâche
- Mistral Large 4 · medium: 23.1277, $1.4121 par tâche
- GLM-5.3 · low: 23.1079, $1.5749 par tâche
- DeepSeek V4 Pro 0813 · max: 23.0633, $1.7691 par tâche
- Gemini 3.8 Flash · low: 22.5483
- GPT-6 Luna · high: 21.429, $0.0729 par tâche
- Nanbeige4.3-33B · high: 20.4071
- Qwen3.8 27B · xhigh: 20.1069, $3.5295 par tâche
- MiniMax-M3 · high: 18.8789, $1.2851 par tâche
- Claude Haiku 5.5 · low: 18.618, $0.0438 par tâche
- DeepSeek V4.1 Flash 1017 · none: 18.5132, $0.4254 par tâche
- GPT-6 Luna · medium: 18.4542, $0.0422 par tâche
- K2 Horizon 375B A23B · high: 17.8203
- Beam 1.0 · high: 17.7307, $0.2844 par tâche
- Qwen3.8 27B · medium: 17.4832, $2.16 par tâche
- Kimi K3 · low: 17.4192, $2.3688 par tâche
- Qwen3.8 27B · low: 15.6851, $1.9059 par tâche
- Apodex 1.1 · high: 13.6713, $0.7642 par tâche
- Nemotron 3.5 Super VL · high: 13.6203, $0.5196 par tâche
- Inkling Small · high: 12.9102, $0.2032 par tâche
- DeepSeek V4 Pro 0813 · none: 12.5676, $0.977 par tâche
- Inkling · xhigh: 12.4782, $1.352 par tâche
- Nemotron 3 Ultra 550B A55B · high: 11.7593, $2.2257 par tâche
- Gemini 3.5 Flash-Lite · high: 11.6563, $0.6929 par tâche
- Qwen3.8 27B · none: 10.0317, $3.7729 par tâche
- GPT-6 Luna · low: 9.6661, $0.0051 par tâche
- GPT-6 Luna · none: 9.4424, $0.0714 par tâche
- K-EXAONE 2.0 · high: 7.5636
- Claude Haiku 4.5 · high: 7.4303, $0.5318 par tâche
- Muse Glimmer · high: 6.3413, $0.1695 par tâche
- Command A+ · high: 6.2412
- Nemotron 3.5 Lightning · high: 5.5347, $0.3145 par tâche
- Granite 4.2 8B · high: 5.0983, $0.0405 par tâche
- Granite 4.2 3B · high: 4.7227
- Mistral Medium 3.5 · high: 4.6451, $1.0391 par tâche
- Gemma 4 31B · high: 4.3844
- Mistral Small 4 · high: 4.2972, $0.0399 par tâche
- GPT-OSS 120B · high: 3.8198, $0.3453 par tâche
- North Mini Code · high: 3.4247
- NVIDIA Nemotron 3 Nano 4B · high: 1.8158

### Vals Index v2.2 ⭐

Agrégat de tâches professionnelles (finance, fiscalité, droit…), pas spécifique au code.

Agrégat de tâches agentiques et professionnelles de Vals AI. La version 2.2 (2026-10-19) passe Finance Agent en v2.1, EMB en v1.1, Code Migration en v1.1 et HLAB en HLAB-Vals-1.1, et note Tax Agent Bench en réussite complète : ses scores ne se comparent pas à ceux de la v2.1. Un effort par modèle.

- Claude Fable 5.2 · high: 71.309, $17.939202 par tâche
- Claude Sonnet 5.5 · max: 70.854, $16.183857 par tâche
- Gemini 4 Carbon · high: 70.45, $10.508065 par tâche
- Claude Opus 5.5 · max: 70.143, $24.772748 par tâche
- Gemini 4 Argon · high: 69.389, $13.372731 par tâche
- Muse Wonder Full · max: 66.787, $6.809627 par tâche
- GPT-6 Astra · max: 65.023, $21.277828 par tâche
- Muse Wonder · max: 64.877, $10.647504 par tâche
- GPT-6.1 Sol · max: 63.944, $3.614054 par tâche
- Kimi K3.1 Pro · max: 62.52, $6.440192 par tâche
- DeepSeek V4.1 Flash 1017 · max: 61.257, $0.65747 par tâche
- GPT-6.1 Terra · max: 60.536, $2.939376 par tâche
- Muse Ember · max: 60.475, $0.15305 par tâche
- GLM-5.3 · max: 59.847, $8.524625 par tâche
- HY4 · high: 59.353, $1.720395 par tâche
- Qwen3.8 Max Internal · high: 59.045, $8.729516 par tâche
- Claude Haiku 5.5 · max: 58.727, $3.17475 par tâche
- Grok 4.7 · xhigh: 58.615, $11.625468 par tâche
- MiMo-V2.6-Pro · high: 57.813, $0.42958 par tâche
- Mistral Large 4 · high: 56.527, $3.716552 par tâche
- Inkling 2 Small · high: 56.081, $3.509318 par tâche
- Gemini 3.8 Flash · high: 55.951, $5.025617 par tâche
- MiMo-V2.6-Flash · high: 54.826, $0.221007 par tâche
- Step 5 Preview · high: 54.762, $2.73409 par tâche
- MiniMax-M3.1-Flash · max: 53.781, $0.659684 par tâche
- DeepSeek V4 Pro 0813 · max: 52.974, $2.499691 par tâche
- Kimi K3 · max: 52.955, $7.169465 par tâche
- GPT-6 Luna · max: 52.322, $0.450147 par tâche
- GLM-5.3-Flash · max: 50.861, $2.048666 par tâche
- Muse Spark Open · xhigh: 48.567, $4.71792 par tâche
- Mercury 3 · high: 43.659, $0.477863 par tâche
- Beam 1.0 · high: 43.424
- Nemotron 3.5 Super VL 120B A12B · high: 29.784, $0.627546 par tâche
- Inkling · high: 28.961, $1.847767 par tâche
- Inkling Small · high: 27.588, $0.401307 par tâche

### Terminal-Bench 4.0 (vendor launch charts) ⭐

Chiffres publiés par les éditeurs eux-mêmes au lancement, chacun dans son agent : pas indépendants.

Courbes officielles par effort tirées des annonces d'Opus 5.5, de Sonnet 5.5 et de Haiku 5.5 (Anthropic ; Fable 5.2 : max seulement, d'après sa fiche système, sans coût publié), de GPT-6 Astra et GPT-6.1 Terra (OpenAI ; l'annonce de Terra trace aussi GPT-6.1 Sol) et de Kimi K3.1 Pro (Moonshot, dans Claude Code, high et max seulement), chaque éditeur avec son propre agent sauf mention contraire. Les coûts Claude suivent les prix en vigueur le 2026-10-07 (lectures de cache de Sonnet 5.5 à 0,10 $). À comparer aux mesures indépendantes.

- Claude Sonnet 5.5 · max: 70.6, $10.44 par tâche
- Claude Fable 5.2 · max: 67.6
- Claude Opus 5.5 · xhigh: 66.4, $7.35 par tâche
- Kimi K3.1 Pro · max: 65.7, $5.25 par tâche
- Claude Opus 5.5 · max: 64.8, $11.24 par tâche
- Claude Opus 5.5 · high: 64.2, $3.88 par tâche
- Claude Sonnet 5.5 · xhigh: 61.5, $4.34 par tâche
- GPT-6 Astra · high: 57.88, $7.21 par tâche
- Claude Opus 5.5 · medium: 57.6, $2.94 par tâche
- GPT-6 Astra · xhigh: 57.58, $7.48 par tâche
- GPT-6 Astra · max: 56.67, $10.35 par tâche
- GPT-6.1 Sol · max: 55.9, $1.98 par tâche
- Claude Fable 5.1 · max: 55.8, $19.5 par tâche
- GPT-6 Astra · medium: 53.94, $6.15 par tâche
- GPT-6.1 Sol · xhigh: 53.4, $1.28 par tâche
- GPT-6.1 Sol · high: 53, $1.28 par tâche
- Kimi K3.1 Pro · high: 52.8, $4.16 par tâche
- GPT-6.1 Sol · medium: 52.7, $1.02 par tâche
- Claude Fable 5.1 · xhigh: 51.3, $15.8 par tâche
- GPT-6.1 Terra · max: 50.3, $1.84 par tâche
- GPT-6 Astra · low: 49.7, $4.95 par tâche
- Claude Fable 5.1 · high: 49.4, $10.5 par tâche
- GPT-6.1 Sol · low: 47.1, $0.76 par tâche
- GPT-6.1 Terra · xhigh: 46.4, $0.99 par tâche
- Claude Fable 5.1 · medium: 43.4, $7.8 par tâche
- Claude Sonnet 5.5 · high: 43, $1.46 par tâche
- GPT-6.1 Terra · high: 41.8, $0.65 par tâche
- Claude Fable 5.1 · low: 40.2, $5.7 par tâche
- Claude Haiku 5.5 · max: 39.2, $2.64 par tâche
- Claude Opus 5.5 · low: 38.5, $1.29 par tâche
- Grok 4.7 · xhigh: 38
- GPT-6.1 Terra · medium: 35.8, $0.46 par tâche
- Claude Haiku 5.5 · xhigh: 31.5, $1.75 par tâche
- Claude Sonnet 5.5 · medium: 28.8, $0.68 par tâche
- Claude Haiku 5.5 · high: 24.8, $1.04 par tâche
- GPT-6.1 Terra · low: 24.8, $0.24 par tâche
- Claude Haiku 5.5 · medium: 20.3, $0.68 par tâche
- Grok 4.6 · high: 20.3
- Claude Sonnet 5.5 · low: 20, $0.62 par tâche
- Claude Haiku 5.5 · low: 12.7, $0.42 par tâche

### FrontierCode 1.1 ⭐

Archive remplacée par FrontierCode 2.0 ; les modèles les plus récents n'y figurent pas.

Le mainteneur fusionnerait-il la modification ? Tâches écrites par des mainteneurs open source, exécutées par Cognition avec l'agent de chaque éditeur, à chaque niveau d'effort (sous-ensemble main, 100 tâches).

- Claude Opus 5.5 · medium: 54.64, $0.8016 par tâche
- Claude Opus 5.5 · max: 54.43, $6.191 par tâche
- Claude Opus 5.5 · high: 53.99, $1.0896 par tâche
- Claude Fable 5 · xhigh: 53.48, $13.0938 par tâche
- Claude Opus 5 · medium: 53.38, $4.3127 par tâche
- GPT-6 Astra · max: 53.26, $4.586 par tâche
- Claude Fable 5 · high: 52.73, $9.4805 par tâche
- Claude Sonnet 5.5 · xhigh: 52.09, $1.5881 par tâche
- Claude Fable 5 · max: 51.57, $19.0696 par tâche
- Claude Opus 5.5 · xhigh: 51.42, $2.2545 par tâche
- GPT-6 Astra · high: 50.94, $3.0149 par tâche
- Claude Fable 5.1 · medium: 50.91, $3.2845 par tâche
- GPT-6 Astra · xhigh: 50.62, $3.2755 par tâche
- Claude Fable 5.1 · high: 50.34, $5.2741 par tâche
- Claude Fable 5.1 · max: 50.28, $12.8257 par tâche
- GPT-6.1 Sol · medium: 50.23, $0.3607 par tâche
- SWE-2 · max: 50, $1.1761 par tâche
- Claude Fable 5 · medium: 49.82, $7.1539 par tâche
- Claude Fable 5.1 · low: 49.82, $2.3849 par tâche
- Claude Sonnet 5.5 · high: 49.38, $0.4175 par tâche
- GPT-6.1 Sol · xhigh: 49.29, $0.5599 par tâche
- GPT-6 Sol · max: 49.27, $2.0651 par tâche
- GPT-6 Astra · medium: 48.83, $2.4259 par tâche
- Claude Fable 5.1 · xhigh: 48.73, $9.2738 par tâche
- GPT-6 Sol · xhigh: 48.45, $1.325 par tâche
- Claude Opus 5 · max: 48.04, $11.416 par tâche
- Claude Fable 5 · low: 48.01, $4.9232 par tâche
- Grok 4.6 · high: 48.01, $2.8758 par tâche
- Claude Opus 5 · high: 47.99, $7.2397 par tâche
- GPT-6.1 Sol · high: 47.98, $0.498 par tâche
- GPT-6 Sol · high: 47.7, $1.0393 par tâche
- Grok 4.7 · high: 47.59, $6.6472 par tâche
- GPT-6.1 Sol · max: 47.57, $0.8481 par tâche
- Gemini 4 Argon · medium: 47.55, $6.7425 par tâche
- GPT-5.6 Sol · max: 47.49, $5.1898 par tâche
- Claude Opus 5.5 · low: 47.3, $0.4036 par tâche
- SWE-2 · high: 47.2, $0.7813 par tâche
- Gemini 4 Argon · low: 47.2, $7.3973 par tâche
- GPT-5.6 Sol · xhigh: 46.84, $4.1454 par tâche
- Claude Opus 4.8 · max: 46.5, $9.6225 par tâche
- Claude Haiku 5.5 · max: 46.36, $1.3284 par tâche
- Claude Sonnet 5.5 · max: 46.21, $20.7818 par tâche
- Grok 4.6 · medium: 46.06, $1.9762 par tâche
- GPT-6 Sol · medium: 45.92, $0.7659 par tâche
- Gemini 4 Argon · high: 45.87, $11.1068 par tâche
- Claude Haiku 5.5 · xhigh: 45.83, $0.6297 par tâche
- Grok 4.7 · xhigh: 45.59, $8.2891 par tâche
- Claude Opus 4.8 · xhigh: 45.49, $6.7803 par tâche
- GPT-6.1 Sol · low: 45.46, $0.2457 par tâche
- GPT-6 Astra · low: 45.27, $1.7 par tâche
- GPT-5.6 Sol · high: 45.06, $3.4801 par tâche
- Kimi K3 · none: 44.17, $3.8167 par tâche
- DeepSeek V4.1 Flash · high: 43.87, $0.6202 par tâche
- Claude Opus 5 · xhigh: 43.65, $9.1423 par tâche
- Gemini 3.7 Flash (deprecated) · medium: 43.59, $1.8227 par tâche
- SWE-2 · medium: 43.09, $0.3712 par tâche
- GPT-5.5 · xhigh: 42.96, $4.0348 par tâche
- Claude Sonnet 5 · xhigh: 42.73, $10.0666 par tâche
- Grok 4.5 · high: 42.44, $1.3007 par tâche
- GPT-6 Luna · max: 42.42, $0.1027 par tâche
- Claude Sonnet 5 · max: 42.36, $17.1164 par tâche
- Gemini 3.7 Flash (deprecated) · high: 42.23, $2.1184 par tâche
- SWE-1.7 · none: 41.99, $1.9734 par tâche
- Claude Opus 5 · low: 41.95, $2.678 par tâche
- Grok 4.5 · medium: 41.93, $1.2308 par tâche
- Claude Haiku 5.5 · high: 41.89, $0.256 par tâche
- Claude Haiku 5.5 · medium: 41.63, $0.13 par tâche
- GPT-5.6 Terra · max: 41.31, $1.8735 par tâche
- Gemini 3.8 Flash · medium: 41.19, $2.5954 par tâche
- Claude Opus 4.8 · high: 41.02, $4.2799 par tâche
- GPT-5.5 · high: 40.56, $3.1187 par tâche
- Claude Opus 4.8 · medium: 40.46, $3.7029 par tâche
- GLM-5.3 · max: 40.14, $16.9089 par tâche
- Grok 4.6 · low: 40.11, $0.9474 par tâche
- GPT-5.6 Sol · medium: 39.93, $2.6897 par tâche
- GPT-5.6 Luna · max: 39.81, $0.3704 par tâche
- Claude Sonnet 5 · high: 39.35, $6.0977 par tâche
- GPT-5.6 Luna · xhigh: 38.91, $0.3093 par tâche
- GPT-5.6 Terra · xhigh: 38.75, $1.3832 par tâche
- Claude Opus 4.7 · max: 38.54, $9.0876 par tâche
- Gemini 3.8 Flash · high: 37.96, $2.598 par tâche
- Grok 4.5 · low: 37.86, $0.8368 par tâche
- GPT-6 Sol · low: 37.28, $0.4324 par tâche
- GPT-6 Luna · high: 37.26, $0.0646 par tâche
- GPT-6 Luna · xhigh: 37.1, $0.07 par tâche
- Gemini 3.7 Flash (deprecated) · low: 36.91, $1.7538 par tâche
- GPT-5.6 Terra · high: 36.89, $1.1875 par tâche
- GPT-5.5 · medium: 36.6, $2.3513 par tâche
- Claude Sonnet 5.5 · medium: 36.48, $0.2365 par tâche
- GPT-5.6 Luna · high: 35.89, $0.2321 par tâche
- GPT-6 Luna · medium: 35.53, $0.0512 par tâche
- GPT-5.6 Sol · low: 35.44, $1.8904 par tâche
- Claude Sonnet 5 · medium: 35.2, $3.8149 par tâche
- Claude Opus 4.7 · high: 35.17, $5.0292 par tâche
- Claude Opus 4.8 · low: 35.14, $2.6827 par tâche
- Claude Opus 4.7 · xhigh: 34.91, $6.8688 par tâche
- Claude Haiku 5.5 · low: 34.76, $0.0596 par tâche
- Gemini 3.6 Flash · medium: 34.37, $4.037 par tâche
- GPT-5.6 Terra · medium: 33.88, $0.8189 par tâche
- Gemini 3.6 Flash · high: 33.69, $4.2131 par tâche
- GLM-5.3-Flash · max: 31.83, $1.1466 par tâche
- GPT-5.5 · low: 30.55, $1.6478 par tâche
- Kimi K2.7 Code · none: 30.06, $3.0057 par tâche
- Claude Sonnet 5.5 · low: 29.33, $0.194 par tâche
- Claude Opus 4.7 · medium: 28.91, $3.2194 par tâche
- Claude Sonnet 5 · low: 28.71, $2.3897 par tâche
- DeepSeek V4 Pro 0813 · high: 28.55, $1.812 par tâche
- Claude Opus 4.7 · low: 27.61, $2.4668 par tâche
- GPT-5.4-mini · xhigh: 27.04, $1.5201 par tâche
- Claude Opus 4.6 · high: 26.64, $3.9796 par tâche
- GPT-5.6 Luna · medium: 25.74, $0.1275 par tâche
- GPT-6 Luna · low: 25.66, $0.0199 par tâche
- Composer 2.5 · none: 25.64, $3.0875 par tâche
- GLM-5.2 · none: 24.5, $2.4704 par tâche
- Claude Sonnet 4.6 · max: 24.31, $2.8979 par tâche
- GPT-5.6 Terra · low: 24.11, $0.4961 par tâche
- Claude Opus 4.6 · medium: 23.67, $2.7941 par tâche
- Claude Sonnet 4.6 · high: 23.47, $2.6993 par tâche
- GPT-5.4-mini · high: 23.08, $0.9537 par tâche
- Gemini 3.6 Flash · low: 22.82, $2.2986 par tâche
- Claude Sonnet 4.6 · medium: 21.1, $2.3012 par tâche
- GPT-5.4-mini · medium: 20.78, $0.7833 par tâche
- DeepSeek V4 Flash 0731 · high: 18.8, $1.5337 par tâche
- Claude Opus 4.6 · low: 18.31, $2.101 par tâche
- DeepSeek V4 Pro 0813 · none: 17.64, $1.5548 par tâche
- GPT-5.6 Luna · low: 15.38, $0.0594 par tâche
- Claude Sonnet 4.6 · low: 15.03, $1.6481 par tâche
- MiniMax-M3 · none: 14.7, $0.6756 par tâche
- Inkling · high: 14, $3.6 par tâche
- Nemotron 3 Ultra · none: 13.61, $1.4655 par tâche
- Qwen 3.7 Plus · none: 10.2, $0.2415 par tâche
- SWE-1.6 · none: 9.39, $0.4891 par tâche
- GPT-5.4-mini · low: 9.25, $0.3642 par tâche
- Mistral 3.5 · none: 8, $1.3475 par tâche

### Z.ai Code Bench (vendor) ⭐

Benchmark privé d'un éditeur lu sur un graphique de lancement, pas mis à jour depuis.

Benchmark privé de Z.ai exécuté dans Claude Code, par effort. Lu sur l'image du graphique de lancement (±0,2 pt) ; aucun coût publié, il n'apparaît donc que dans le graphique par effort.

- GLM-5.3 · max: 34.5
- GLM-5.3 · high: 31.4
- GLM-5.3-Flash · max: 29
- GLM-5.3-Flash · high: 28
- GLM-5.3 · low: 24.6
- GLM-5.3-Flash · low: 21.4

## Classements du code

Classements indépendants des agents de code et du développement web. Activez ou désactivez chaque classement ; faites défiler ou zoomez dans un graphique, et cliquez sur un fournisseur dans sa légende pour le masquer.

### Arena Code: WebDev ⭐⭐⭐

L'arène de code la plus citée : un très grand nombre de votes humains à l'aveugle sur de vraies applications web, mise à jour en continu.

Votes humains à l'aveugle, par paires, sur des tâches de développement web (995 980 votes, arrêtés au 2026-11-10). (mis à jour le 2026-11-10)

1. Claude Fable 5.2 (xHigh): 1835.7616 ±22.44
2. Claude Opus 5.5 (Max): 1814.2817 ±11.73
3. Claude Sonnet 5.5 (xHigh): 1772.5385 ±9.94
4. Gemini 4 Carbon (High): 1768.1627 ±15.32
5. GPT-6 Astra (Max): 1764.4344 ±8.61
6. GPT-6.1 Sol (Max): 1743.0164 ±9.84
7. Claude Fable 5.1 (Max): 1742.0808 ±7.94
8. Muse Wonder Full (Max): 1723.437 ±14.4
9. Claude Sonnet 5.5 (High): 1715.3326 ±8.42
10. Claude Opus 5 (Max): 1690.9745 ±6.1
11. Kimi K3.1 Pro (Max): 1687.663 ±9.76
12. Gemini 4 Argon (High): 1682.0626 ±9.74
13. GPT-6.1 Terra (Max): 1678.503 ±10.67
14. Qwen3.8-Max (0902): 1675.8153 ±6.25
15. GPT-6 Sol (Max): 1672.967 ±8.36
16. Qwen3.8-Max: 1670.3248 ±12.11
17. DeepSeek-V4.1-Flash-20261017 (Max): 1663.6469 ±6.8
18. Kimi K3 (Max): 1657.8872 ±5.7
19. Claude Opus 5 (High): 1656.6094 ±5.27
20. Muse Spark 1.3 (Max): 1655.0895 ±7.03
21. Muse Wonder (Max): 1648.5945 ±9.46
22. Inkling 2 Small: 1646.2293 ±19.5
23. Grok 4.7 (xHigh): 1640.9524 ±7.95
24. MiMo-V2.6-Flash: 1637.6334 ±7.73
25. Hy4 preview: 1631.6387 ±9.78
26. Claude Fable 5 (High): 1625.3423 ±5.98
27. MiMo-V2.6-Pro: 1624.2596 ±7.67
28. Qwen3.8-Flash-Next: 1623.5135 ±7.11
29. GLM-5.3 (Max): 1622.2916 ±6.87
30. DeepSeek-V4.1-Flash-20260910 (Max): 1620.6257 ±11.13
31. Muse Spark 1.3 (xHigh): 1620.3621 ±6.98
32. Grok 4.6 (High): 1618.0027 ±6.94
33. GPT-5.6 Sol (xHigh, Codex Harness): 1615.3706 ±5.73
34. U2 Flash: 1610.5525 ±16.84
35. GLM-5.3-Flash: 1608.8679 ±6.17
36. Muse Ember (Max): 1608.597 ±16.83
37. GLM-5.2 (Max): 1607.7766 ±5.88
38. Claude Haiku 5.5 (High): 1593.8366 ±8.5
39. Qwen3.8-27B: 1590.2337 ±6.07
40. Gemini 3.7 Flash (High): 1588.0875 ±6.47
41. MiniMax-M3.1-Flash: 1584.5473 ±9.63
42. Gemini 3.8 Flash (High): 1582.646 ±6.65
43. DeepSeek-V4-Flash (High): 1581.6476 ±9.4
44. DeepSeek-V4-Pro (High, 20260813): 1581.1543 ±9.53
45. GPT-6 Luna (Max): 1577.4745 ±5.94
46. Step 5 Preview (High): 1573.3668 ±8.12
47. Mistral Large 4: 1564.4547 ±15.23
48. Claude Opus 4.7 (High): 1557.1039 ±5.8
49. Claude Opus 4.8 (High): 1555.4686 ±5.8
50. Claude Opus 4.7: 1555.3406 ±5.65
51. Grok 4.5: 1552.423 ±6.73
52. Claude Opus 4.6 (High): 1546.6297 ±5.52
53. Muse Spark 1.1: 1541.4551 ±7.68
54. Claude Sonnet 5 (High): 1538.9652 ±5.81
55. Gemini 3.6 Flash (High): 1537.9065 ±7.57
56. Claude Opus 4.6: 1536.7199 ±5.39
57. Claude Opus 4.8: 1536.2549 ±5.74
58. Muse Spark 1.2 (xHigh): 1533.5177 ±13.81
59. Muse Spark Open (Max): 1526.3072 ±15
60. Claude Sonnet 4.6: 1522.1531 ±5.19
61. GPT-5.6 Terra (xHigh, Codex Harness): 1520.1081 ±6.09
62. GPT-5.6 Luna (xHigh, Codex Harness): 1519.107 ±6.46
63. Seed2.1 Pro Preview: 1518.981 ±5.62
64. Qwen3.7-Max (20260517): 1515.0092 ±7.41
65. GPT-5.5 (xHigh, Codex Harness): 1512.1185 ±6.01
66. Kimi K2.6: 1509.2355 ±7.28
67. GLM-5.1: 1508.055 ±6.82
68. Hy3: 1505.6849 ±7.9
69. gemini-3.5-flash: 1505.6456 ±15.55
70. Gemini 3.5 Flash (High): 1499.6653 ±7.32
71. Claude Opus 4.5 (High, 32K, 20251101): 1492.9852 ±8.35
72. Gemini 3.5 Flash (Medium): 1489.7989 ±6.7
73. GPT-5.5 (High, Codex Harness): 1487.0771 ±5.95
74. Spark-X2.6: 1484.7148 ±19.26
75. MiniMax-M3: 1483.9074 ±5.42
76. Qwen3.6-Max-Preview: 1482.2236 ±12.59
77. MiMo-V2.5-Pro: 1479.1321 ±5.27
78. Kimi K2.7 Code: 1474.2541 ±9.45
79. Claude Opus 4.5 (20251101): 1468.5575 ±7.27
80. DeepSeek-V4-Pro Preview (High): 1463.2821 ±6.36
81. GPT-5.4 (High, Codex Harness): 1461.9245 ±18.95
82. Qwen3.6-Plus: 1461.3301 ±5.62
83. GPT-5.5 (Codex Harness): 1455.4137 ±5.92
84. DeepSeek-V4-Pro: 1448.3831 ±6.37
85. Gemini 3.1 Pro Preview: 1446.4896 ±5.1
86. GPT-5.4 (Medium, Codex Harness): 1442.0846 ±18.37
87. Gemini 3 Pro: 1440.613 ±8.5
88. Gemini 3 Flash: 1439.4978 ±8.67
89. MiMo-V2.5: 1437.6244 ±6.06
90. Beam 1.0 501B A23B: 1436.5697 ±13.68
91. Kimi K2.5 (Thinking): 1436.2127 ±5.26
92. Gemini 3.5 Flash-Lite: 1435.2191 ±41.2
93. GLM-5: 1435.1683 ±8.21
94. GLM-4.7: 1435.0362 ±12.06
95. MiMo-V2-Pro: 1434.1396 ±8.2
96. DeepSeek-V4-Flash Preview (High): 1430.7306 ±7
97. GPT-5.2: 1419.7989 ±22.81
98. GPT-5 (Medium): 1416.6611 ±15.67
99. Inkling: 1414.0805 ±5.98
100. Inkling-Small: 1407.5054 ±9.17
101. GPT-5.3-Codex (Codex Harness): 1405.7032 ±13.73
102. Kimi K2.5 (Instant): 1405.3668 ±12.12
103. NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4): 1401.2795 ±10.77
104. Qwen3.5-397B-A17B: 1400.068 ±5.17
105. GPT-5.4: 1399.3825 ±9.84
106. GLM-5V-Turbo: 1398.945 ±13.3
107. MiniMax-M2.7: 1397.7833 ±5.84
108. GPT-5.4 mini (High): 1397.7215 ±6.57
109. GPT-5.1 (Medium): 1397.3807 ±11.62
110. Claude Sonnet 4.5 (High, 32K, 20250929): 1393.4648 ±7.78
111. Claude Opus 4.1 (20250805): 1389.4433 ±10.79
112. MiniMax-M2.5: 1385.6231 ±8.39
113. Claude Sonnet 4.5 (20250929): 1384.7493 ±7.34
114. MiniMax-M2.1 Preview: 1384.4482 ±9.6
115. Gemini 3 Flash (Minimal): 1384.3058 ±5.27
116. Grok 4.20 Beta (Reasoning, 0309): 1375.3674 ±6.12
117. GPT-5.3-Codex (Codex Harness): 1371.043 ±11.36
118. Gemma 4 31B: 1369.8572 ±6.01
119. Solar Pro 4: 1369.1087 ±10.48
120. DeepSeek-V3.2 (Thinking): 1362.4619 ±9.16
121. Qwen3.5-122B-A10B: 1360.0422 ±7.7
122. Gemma 4 26B A4B: 1358.4685 ±16.96
123. Hy3 preview: 1358.103 ±17.5
124. Grok 4.3: 1357.3728 ±6.29
125. Qwen3.5-27B: 1357.2303 ±8.08
126. Muse Glimmer: 1354.6515 ±15.7
127. Laguna M.1: 1349.5658 ±9.35
128. GLM-4.6: 1342.2434 ±10.87
129. GPT-5.1: 1342.1709 ±8.55
130. GPT-5.2-Codex: 1338.4514 ±8.99
131. GPT-5.1-Codex: 1338.083 ±11.67
132. MiMo-V2-Flash (Non-Thinking): 1331.0298 ±9.81
133. Claude Haiku 4.5 (20251001): 1330.238 ±4.99
134. DeepSeek-V3.2: 1325.6371 ±8.02
135. Kimi K2 Thinking Turbo: 1321.5181 ±7.51
136. Laguna XS.2: 1303.1774 ±10.74
137. MiniMax-M2: 1299.0726 ±11.02
138. MiMo-V2-Flash (Thinking): 1291.8562 ±16.51
139. Qwen3-Coder-480B-A35B-Instruct: 1274.5225 ±7.86
140. DeepSeek-V3.2-Exp: 1270.407 ±13.62
141. Mistral Medium 3.5: 1263.0425 ±14.87
142. KAT-Coder-Pro V1: 1257.6525 ±19.57
143. Gemini 3.1 Flash-Lite Preview: 1255.5567 ±6.89
144. Qwen3.5-35B-A3B: 1252.8204 ±17.48
145. GPT-5.1-Codex-Mini: 1245.0243 ±22.32
146. Qwen3.5-Flash: 1243.536 ±19.7
147. Grok 4.1 Fast (Reasoning): 1241.8101 ±11.17
148. Trinity Large Thinking: 1236.4382 ±20.07
149. Mistral Large 3: 1233.2878 ±25.9
150. Gemini 2.5 Pro: 1227.5433 ±15.94
151. Grok 4.1 (Thinking): 1216.7135 ±24.94
152. Devstral 2: 1195.5313 ±20.82
153. Granite 4.1 8B: 1192.557 ±18.59
154. Mercury 2: 1170.768 ±24.78
155. Grok Code Fast 1: 1163.9665 ±28.71
156. Grok 4 Fast (Reasoning): 1162.1558 ±27.79
157. Devstral Medium (2507): 1071.8895 ±30.78

### Artificial Analysis Coding Agent Index ⭐⭐⭐

Indépendant, mesure les agents eux-mêmes (Claude Code, Codex, Antigravity…) avec leurs modèles, sur les versions actuelles.

Chaque agent de code avec le modèle de son éditeur (Claude Code, Codex, Grok Build, Kimi Code, Antigravity, OpenCode, Muse Code, Devin Fusion, GitHub Copilot, Mistral Vibe, Mirror, DeepSeek Harness) sur FrontierCode v1.1, Terminal-Bench 4.0 et SWE-Atlas-QnA — l'indicateur le plus proche de ce qu'un abonnement vous donne. (mis à jour le 2026-11-10)

1. Claude Code - Claude Opus 5.5 (Max, Default Fallback): 61.6529
2. Devin Fusion CLI - Claude Opus 5.5 Max + GPT-6 Luna High: 61.5117
3. GitHub Copilot - Copilot Fusion (max): 59.8571
4. Antigravity CLI - Gemini 4 Carbon (High): 59.4049
5. Claude Code - Claude Sonnet 5.5 (Max, Default Fallback): 59.3374
6. Muse Code - Muse Wonder Full (Max): 58.8804
7. Devin Fusion CLI - Claude Fable 5.1 XHigh + SWE-2 Medium: 58.6619
8. Claude Code - Claude Fable 5.1 (Max, Default Fallback): 57.62
9. Codex - GPT-6 Astra (Max): 54.6636
10. Codex - GPT-6.1 Sol (Max): 54.128
11. Antigravity CLI - Gemini 4 Argon (High): 53.2463
12. Devin Fusion CLI - GPT-6 Astra XHigh + SWE-2 Medium: 53.077
13. Muse Code - Muse Wonder (Max): 51.9768
14. Opencode - GLM-5.3 (Max): 48.9162
15. Codex - GPT-6.1 Terra (Xhigh): 48.2238
16. Codex - GPT-6.1 Terra (Max): 48.1004
17. Codex - DeepSeek V4.1 Flash (Max): 47.3001
18. Grok Build - Grok 4.7 (Xhigh): 46.5969
19. DeepSeek Harness - DeepSeek V4.1 Flash 1017 (Max): 46.3052
20. Codex - GPT-6.1 Terra (High): 46.2788
21. Muse Code - Muse Ember (Max): 45.9458
22. Muse Code - Muse Spark 1.3 (Max): 45.7078
23. Claude Code - Step 5 Preview: 43.1274
24. Codex - GPT-6.1 Terra (Medium): 42.0492
25. Kimi Code CLI - Kimi K3 (Max): 41.4173
26. Muse Code - Muse Ember (Xhigh): 39.8416
27. Claude Code - Qwen3.8 Max: 39.2199
28. Codex - GPT-6.1 Terra (Non-reasoning): 39.2152
29. Claude Code - Claude Haiku 5.5 (Max): 37.3496
30. Mistral Vibe - Mistral Large 4 (High): 35.4072
31. Codex - GPT-6.1 Terra (Low): 34.8568
32. Antigravity SDK - Gemini 3.8 Flash (High): 33.2723
33. Codex - GPT-6 Luna (Max): 31.2156
34. Muse Code - Muse Spark Open (Xhigh): 26.3007
35. Mirror - Beam 1.0: 20.479

### Scale SWE-Bench Pro V2 (hard) ⭐⭐⭐

Indépendant, vraies issues de dépôts commerciaux et open source re-notées sur une image propre, modèles actuels.

De vrais tickets de dépôts commerciaux et open source, recorrigés sur une image propre, chaque modèle dans l'agent de son éditeur (Claude Code, Codex) ou mini-swe-agent. Le sous-ensemble difficile : l'ensemble complet plafonne vers 99 % pour les modèles de pointe. (mis à jour le 2026-11-06)

1. Opus 5 (Claude Code) xhigh: 98
2. Fable 5.1 (Claude Code) high: 92.2
3. Gemini 4 Argon (mini-swe-agent) high: 92.16
4. GPT-6 Astra (Codex) high: 90.2
5. Muse Wonder 1.0 (mini-swe-agent) xhigh: 90.2
6. Kimi-K3 (mini-swe-agent) max: 88.2
7. Sonnet 5 (Claude Code) xhigh: 88.2
8. GPT-5.6 Terra (Codex) xhigh: 86.3
9. Inkling 2 Small: 86.27
10. Minimax M3p1 Flash (mini-swe-agent) xhigh: 84.31
11. GLM-5.3 (mini-swe-agent) max: 84.3
12. GPT-5.6 Sol (Codex) xhigh: 82.4
13. Muse Spark Open (mini-swe-agent) xhigh: 82.35
14. Sonnet 5.5 (mini-swe-agent) xhigh: 70.59
15. Gemini 3.8 Flash (mini-swe-agent) high: 58.8
16. Inkling (mini-swe-agent) xhigh: 56.9
17. Haiku 5.5 (mini-swe-agent) high: 52.94 ±13.01
18. Haiku 4.5 (Claude Code) xhigh: 25.5

### LiveBench 2.0: long-horizon ⭐⭐⭐

Indépendant, longues tâches à contamination limitée, renouvelées régulièrement, modèles actuels.

LiveBench 2.0 (version du 2026-11-06, mise à jour le 2026-11-09) : 18 tâches agentiques de longue durée en six groupes (applications étendues sur plusieurs tours d'exigences changeantes, opérations déléguées et de longue durée sur une base de code pendant des semaines simulées, travail système et performance), notation déterministe, chaque modèle à son effort maximal pris en charge sauf indication dans son nom, avec le coût par tâche. (mis à jour le 2026-11-09)

1. Claude Fable 5.2 (xhigh): 82.9
2. GPT-6 Astra (max): 75.6
3. Claude Fable 5.1 (max): 74.2
4. Claude Opus 5.5 (max): 72.8
5. GPT-6.1 Sol (max): 65.6
6. Claude Sonnet 5.5 (max): 63.4
7. Gemini 4 Argon (high): 58.5
8. GPT-6.1 Terra (max): 56.2
9. Claude Haiku 5.5 (max): 47.9
10. Muse Spark 1.3 (max): 47.9
11. Muse Wonder 1.0 (max): 46.2
12. Grok 4.7 (xhigh): 45.3
13. DeepSeek V4.1 Flash 1017 (max): 38.8
14. Kimi K3.1 Pro (max): 38.7
15. MiMo V2.6 Pro (high): 36.4
16. Kimi K3 (max): 36
17. Qwen3.8 Max (max): 26.6
18. GPT-5.6 Terra (max): 25.9
19. MiniMax M3.1 Flash (max): 25.7
20. GPT-6 Luna (max): 24.7
21. Mistral Large 4 1029 (high): 24.7
22. GLM-5.3 Flash (max): 20.7
23. Step 5 (Preview) (max): 19.4
24. Grok 4.6 (xhigh): 18.7
25. Gemini 3.8 Flash (high): 16.5
26. Qwen3.8 27B (max): 15.9
27. Muse Spark Open (max): 12.1
28. Nemotron 3.5 Super VL (max): 12
29. Smaug-Nemotron-3.5-NVFP4 (max): 11.3
30. Nemotron 3.5 Super VL (NVFP4) (max): 11
31. Inkling (max): 9.8
32. Mistral Large 4 (high): 9.2
33. Gemma 4 31B (max): 8.5

### Arena Agent Arena: code ⭐⭐⭐

De vraies sessions d'agents de code notées par leurs utilisateurs, près d'un million de sessions, modèles actuels.

De vraies sessions de code d'utilisateurs d'Arena avec chaque modèle dans un agent, jugées sur des signaux comme la réussite confirmée, les compliments et plaintes, l'effort de pilotage et les erreurs d'outils (909 397 sessions de code). Des sessions réelles, pas un jeu de tâches fixe. (mis à jour le 2026-11-08)

1. Claude Opus 5.5 (Max): 0.2292 ±0.031
2. Claude Sonnet 5.5 (Max): 0.1699 ±0.0382
3. Gemini 4 Carbon (High): 0.1557 ±0.0097
4. GPT-6 Astra (Max): 0.143 ±0.0287
5. Claude Fable 5.1 (Max): 0.1426 ±0.0301
6. GPT-6.1 Terra (Max): 0.1398 ±0.0185
7. GPT-6.1 Sol (Max): 0.1252 ±0.0165
8. GPT-6 Sol (Max): 0.1018 ±0.022
9. Muse Wonder Full (Max): 0.0917 ±0.0137
10. Gemini 4 Argon (High): 0.0857 ±0.0118
11. Claude Fable 5 (High): 0.0836 ±0.0166
12. Claude Opus 5 (Max): 0.0769 ±0.0182
13. Kimi K3.1 Pro (Max): 0.0657 ±0.0154
14. Hy4: 0.0504 ±0.0204
15. GPT-5.6 Sol (xHigh): 0.0413 ±0.0148
16. Claude Haiku 5.5 (High): 0.0397 ±0.0139
17. DeepSeek-V4.1-Flash-20261017 (Max): 0.0331 ±0.0075
18. Grok 4.7 (xHigh): 0.0315 ±0.0203
19. Claude Sonnet 5 (High): 0.0297 ±0.0164
20. Muse Spark 1.3 (Max): 0.0268 ±0.0121
21. Muse Wonder (Max): 0.0262 ±0.0179
22. GPT-6 Luna (Max): 0.0247 ±0.0065
23. MiMo-V2.6-Pro: 0.0176 ±0.0124
24. Hy4 preview: 0.0161 ±0.0105
25. GLM-5.2 (Max): 0.0159 ±0.0109
26. GLM-5.3 (Max): 0.0127 ±0.0112
27. Grok 4.6 (xHigh): 0.0074 ±0.0165
28. Inkling 2 Small: 0.0034 ±0.0354
29. MiMo-V2.6-Flash: 0.0005 ±0.0139
30. Kimi K3 (Max): -0.0026 ±0.0081
31. Qwen3.8-Max: -0.0027 ±0.0092
32. GPT-6 Luna (Medium): -0.0067 ±0.0069
33. MiniMax-M3.1-Flash: -0.0099 ±0.0207
34. Gemini 3.8 Flash (High): -0.0142 ±0.0119
35. GPT-5.6 Terra (xHigh): -0.0193 ±0.012
36. Step 5 Preview: -0.0225 ±0.0208
37. GLM-5.3-Flash: -0.0258 ±0.0094
38. Qwen3.8-Flash-Next: -0.0389 ±0.0107
39. Qwen3.8-27B: -0.0408 ±0.0122
40. Gemini 3.7 Flash (High): -0.0469 ±0.0126
41. GPT-6 Luna (Low): -0.0495 ±0.0104
42. Mistral Large 4: -0.0656 ±0.0279
43. Hy3: -0.0679 ±0.0217
44. Beam 1.0 501B A23B: -0.0814 ±0.0374
45. Gemini 3.1 Pro Preview: -0.0828 ±0.0207
46. Qwen3.7-Max: -0.0832 ±0.0162
47. Muse Spark 1.2 (xHigh): -0.0915 ±0.012
48. Spark-X2.6: -0.0928 ±0.0177
49. Muse Spark 1.1: -0.0996 ±0.0099
50. MiniMax-M3: -0.1055 ±0.0156
51. Qwen3.7-Plus: -0.1096 ±0.0214
52. Mistral Medium 3.5: -0.1547 ±0.0245
53. Nemotron 3 Ultra: -0.1555 ±0.0476
54. NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4): -0.1666 ±0.0112
55. Inkling: -0.1795 ±0.0227
56. Inkling-Small: -0.2094 ±0.0302
57. Solar Pro 4: -0.259 ±0.031

### FrontierSWE V2 ⭐⭐⭐

Indépendant, tâches de génie logiciel difficiles notées sur la moyenne de cinq essais, modèles actuels.

34 tâches d'ingénierie très difficiles avec 20 heures de budget chacune — l'extrême du long horizon. (mis à jour le 2026-11-09)

1. Claude Fable 5.2: 69.9402
2. GPT-6 Astra: 65.5076
3. Claude Opus 5.5: 62.331
4. Claude Sonnet 5.5: 61.8893
5. Gemini 4 Carbon: 61.1995
6. Claude Fable 5.1: 56.2908
7. Gemini 4 Argon: 54.9612
8. Claude Opus 5: 52.0118
9. Claude Fable 5: 46.9645
10. Claude Haiku 5.5: 43.7687
11. GPT-5.6 Sol: 32.2025
12. GLM-5.3: 30.1819
13. Grok 4.7: 29.5048
14. Kimi K3: 25.865
15. Muse Spark 1.3: 25.8021
16. Grok 4.6: 25.2862
17. Gemini 3.7 Flash: 20.2606
18. Gemini 3.8 Flash: 19.6269
19. GLM-5.3 Flash: 18.1252
20. Qwen3.8-Max-0902: 17.8096
21. Qwen3.8-Max: 15.8094
22. DeepSeek V4 Flash Vision Exp: 14.8313
23. Muse Spark 1.2: 11.9703
24. Inkling: 4.1189

### SWE-Marathon v1.1 ⭐⭐⭐

Longues tâches indépendantes avec de nombreux essais par modèle, récent et couvrant les modèles actuels.

20 tâches d'ingénierie de plusieurs heures, 8 essais chacune, chaque modèle dans un agent (surtout Claude Code) à l'effort publié, avec le coût de chaque essai. (mis à jour le 2026-11-07)

1. Antigravity CLI - Gemini 4 Carbon (high): 53.75
2. Muse Code - Muse Wonder Full (max): 53.125
3. Muse Code - Muse Wonder (max): 52.5
4. Claude Code - Claude Sonnet 5.5 (max): 51.25
5. Claude Code - Claude Haiku 5.5 (max): 50
6. Claude Code - Kimi K3 (max): 48.125
7. Muse Code - Muse Spark 1.3 (max): 46.25
8. Claude Code - Claude Opus 5.5 (max): 46.25
9. Claude Code - Claude Fable 5.1 (max): 45.625
10. Grok Build - Grok 4.7 (high): 45.625
11. Claude Code - Claude Opus 5.5 (xhigh): 45.625
12. Gemini CLI - Gemini 4 Argon (high): 43.75
13. Codex - GPT-6-astra (medium): 43.1373
14. Codex - GPT-6-astra (max): 42.5
15. Claude Code - GLM 5.3 (max): 42.5
16. Codex - GPT-6.1 Sol (max): 42.5
17. Codex - GPT-6-astra (low): 41.4474
18. Claude Code - GLM 5.3 (high): 40.625
19. Codex - GPT-6-astra (high): 39.2157
20. Claude Code - Inkling 2 Small (xhigh): 38.75
21. Claude Code - GLM 5.3 Flash (max): 38.75
22. Codex - GPT-6-astra (xhigh): 36.1842
23. Claude Code - GLM 5.3 (low): 29.375
24. Codex - GPT-6 Luna (max): 28.125
25. OpenCode - Gemini 3.7 Flash (max): 22.5
26. Mini-SWE-Agent - DeepSeek V4 Pro (max): 10.625

### LiveBench v1: agentic coding ⭐⭐

Indépendant et reconnu, mais la suite v1 est désormais remplacée par LiveBench 2.0.

LiveBench v1 (version du 2026-06-25, désormais archivée par LiveBench 2.0) : questions conçues pour limiter la contamination ; code agentique en JavaScript, TypeScript et Python. (mis à jour le 2026-10-16)

1. deepseek-v4.1-flash-max: 77.2727
2. claude-opus-5-5-max-effort: 71.717
3. claude-fable-5-1-max-effort: 66.0607
4. claude-opus-5-5-xhigh-effort: 65.3533
5. claude-opus-5-max-effort: 65.202
6. deepseek-v4-flash-vision-exp: 65.101
7. smaug-agentic: 64.6467
8. qwen3.8-max: 64.6467
9. muse-spark-1.3-xhigh: 64.091
10. muse-wonder-1.0-max: 62.7273
11. claude-fable-5-max-effort: 62.1717
12. kimi-k3: 62.1717
13. qwen3.8-flash-next: 61.6163
14. qwen3.8-27b: 61.3637
15. smaug-flash: 61.0607
16. glm-5.3: 60.909
17. smaug-mini: 60.808
18. claude-sonnet-5-xhigh-effort: 59.394
19. muse-spark-1.1-xhigh: 58.5353
20. gemini-3.7-flash-high: 58.283
21. muse-spark-1.2-xhigh: 57.5757
22. gpt-6-astra-max: 57.323
23. mistral-large-4-high: 57.1717
24. claude-haiku-5-5-max-effort: 57.1717
25. grok-4.6: 57.02
26. gpt-6.1-sol-xhigh: 56.7677
27. glm-5.3-flash: 56.7677
28. grok-4.5: 56.4647
29. claude-sonnet-5-5-max-effort: 56.3133
30. gpt-5.6-sol-max: 56.212
31. gpt-5.6-terra-max: 54.9497
32. deepseek-v4-pro-0813: 54.9497
33. gpt-6.1-sol-max: 54.5453
34. gemini-3.8-flash-high: 54.2423
35. gpt-5.5-xhigh: 53.9897
36. grok-4.7-xhigh: 53.9897
37. gpt-5.4-xhigh: 53.8383
38. gpt-6-sol-max: 52.8787
39. ox-alpha-max: 52.626
40. glm-5.2: 51.7677
41. claude-haiku-5-5-xhigh-effort: 51.3637
42. gpt-6-luna-max: 51.212
43. claude-opus-4-7-xhigh-effort: 50.6563
44. claude-opus-4-8-max-effort: 50.505
45. gpt-5.2-2025-12-11-high: 50.2527
46. gpt-5.2-codex: 49.394
47. inkling-xhigh: 49.394
48. gemini-3.5-flash-high: 48.9897
49. claude-opus-4-6-thinking-auto-high-effort: 48.9897
50. gpt-5.6-luna-max: 48.4343
51. kimi-k2.6-thinking: 46.9193
52. deepseek-v4-flash-0731: 46.7677
53. gpt-5.4-nano-xhigh: 46.7677
54. grok-build-0.1: 45.808
55. kimi-k2.7-code: 45.6563
56. gemini-3.5-flash-lite-high: 45.2527
57. gemini-3.1-pro-preview-high: 44.1413
58. qwen3.7-max: 43.586
59. gemini-3.6-flash-high: 43.4343
60. claude-sonnet-4-6-thinking-auto-medium-effort: 42.626
61. deepseek-v4-pro: 42.626
62. gpt-5.4-mini-xhigh: 41.6667
63. qwen3.6-plus: 41.3637
64. minimax-m3: 40.6563
65. claude-opus-4-5-20251101-thinking-64k-high-effort: 39.697
66. claude-sonnet-5-5-xhigh-effort: 39.3437
67. qwen3.6-27b: 39.2927
68. nemotron-3-ultra-550b-a55b: 38.7373
69. deepseek-v4-flash: 37.626
70. nemotron-3.5-lightning-30b-a3b: 19.9497
71. grok-4.3: 18.5353

### Design Arena: code overall ⭐⭐

Votes humains à l'aveugle sur du code généré, indépendant, mais moins de votes qu'Arena et jugé d'abord sur le rendu.

Toutes les catégories de code de Design Arena dans un seul classement (1 950 799 votes) : sites, composants, jeux, SVG, graphiques et plus. Aucune erreur type n'est publiée : des Elo proches ne se départagent pas. (mis à jour le 2026-11-11)

1. GPT-6 Astra (xhigh): 1387
2. Muse Wonder (max): 1383
3. Claude Opus 5.5: 1381
4. Inkling 2 Small: 1379
5. GPT-6 Astra (max): 1370
6. GPT-6.1 Sol: 1354
7. Kimi K3.1 Pro: 1350
8. Kimi K3: 1348
9. Claude Fable 5.2: 1347
10. Muse Spark 1.3 (xhigh): 1346
11. Claude Sonnet 5.5: 1346
12. Muse Spark 1.3 Max: 1345
13. Muse Ember: 1345
14. GPT-5.6 Sol (xhigh): 1335
15. Claude Fable 5.1: 1329
16. Gemini 4 Argon: 1324
17. Claude Opus 5: 1319
18. DeepSeek-V4.1-Flash: 1314
19. MiMo-V2.6-Pro: 1311
20. GPT-5.6 Sol (Medium): 1309
21. Muse Spark 1.2: 1307
22. Claude Fable 5: 1304
23. Gemini 3.7 Flash: 1302
24. GPT-6.1 Terra: 1300
25. Ling-3.1-flash: 1299
26. Muse Spark Open (xhigh): 1298
27. Gemini 3.8 Flash: 1297
28. MiniMax M3.1 Flash: 1293
29. GPT-6 Sol: 1292
30. GLM-5.3: 1290
31. DeepSeek-V4.1-Flash (1017): 1289
32. Qwen3.8 Max: 1288
33. Grok 4.6: 1285
34. Gemini 3.6 Flash: 1284
35. Claude Opus 4.6: 1283
36. GLM 5.2: 1280
37. Claude Opus 4.6 (Thinking): 1279
38. Claude Haiku 5.5: 1278
39. GLM-5.3-Flash: 1274
40. Deca 2.6 Ultra: 1271
41. Claude Sonnet 4.6: 1270
42. Muse Spark 1.1: 1270
43. Claude Sonnet 5: 1269
44. Qwen3.7 Max: 1269
45. Grok 4.5: 1269
46. Grok 4.7: 1268
47. Kimi K2.6: 1265
48. Deca 2.5 Mini: 1265
49. MiMo-V2.5-Pro: 1264
50. GLM 5.1: 1263
51. Qwen3.7 Plus: 1263
52. Gemini 3.5 Flash: 1262
53. GPT-6 Luna: 1262
54. Deca 2.5 Ultra: 1257
55. Hy4: 1256
56. MiMo-V2.5: 1256
57. GLM 5 Turbo: 1255
58. GPT-5.5: 1254
59. Mistral Large 4: 1253
60. Claude Opus 4.8: 1250
61. Kimi K2.7 Code: 1247
62. Muse Spark: 1246
63. Deca 2.6 Pro: 1245
64. MiniMax M3: 1241
65. GLM 5: 1240
66. Gemini 3 Pro Preview: 1238
67. Claude Opus 4.5: 1236
68. GPT-5.6 Terra: 1235
69. DeepSeek-V4-Pro: 1234
70. Beam 1.0 (max): 1233
71. Mercury 3: 1232
72. Qwen3.6 Plus: 1230
73. Kimi K2.5 (Thinking): 1230
74. MiniMax M2.7: 1227
75. Nex N2 Pro: 1226
76. Gemini 3.1 Pro Preview: 1225
77. GPT-5.6 Luna: 1225
78. DeepSeek-V4-Flash-0731: 1224
79. GLM 5V Turbo: 1222
80. Hy3: 1221
81. Grok 4.20 Beta (Reasoning): 1215
82. GLM 4.7: 1211
83. GPT-5.4 (Design Skill, Medium): 1206
84. GPT-5.4 (Medium): 1204
85. Inkling: 1201
86. MiniMax M2.5: 1201
87. Grok 4.20 Beta: 1200
88. DeepSeek-V4-Flash: 1200
89. Deca 2.6 Mini: 1189
90. MiniMax M2.1: 1185
91. Gemini 3 Flash Preview: 1184
92. Grok 4.3: 1181
93. Claude Sonnet 4.5: 1177
94. Step 3.7 Flash: 1176
95. Claude Sonnet 4.5 (Thinking): 1176
96. Solar Pro 4: 1176
97. GPT-5.4 (Low): 1174
98. Qwen3.5 397B A17B: 1174
99. GLM 4.7 Flash: 1172
100. GPT-5.4 (None): 1172
101. Claude 3.7 Sonnet: 1171
102. Hy3 Low: 1171
103. DeepSeek-V3.1 (Thinking): 1169
104. DeepSeek-V3.2-Exp: 1165
105. GPT-5.1 (High): 1165
106. Claude Opus 4.1 (Thinking): 1165
107. GPT-5.2 (Medium): 1164
108. GPT-5.2 (None): 1163
109. GPT-5 (High): 1162
110. Qwen3.5 Plus 02-15: 1161
111. GLM 4.6: 1160
112. GPT-5.2 (Low): 1160
113. GLM 4.5: 1159
114. GPT-5 (Minimal): 1159
115. Claude Opus 4.1: 1159
116. DeepSeek-V3.2: 1158
117. Muse Glimmer 30B (xhigh): 1157
118. GPT-5.1 (Medium): 1155
119. Claude Opus 4: 1155
120. MiMo-V2-Flash: 1150
121. GPT-5.1 (Low): 1150
122. Nemotron 3.5 Super VL: 1150
123. Gemini 2.5 Pro: 1147
124. GPT-5.1 Codex: 1147
125. GPT-5.1 (None): 1145
126. GPT-5.2 (High): 1145
127. Flint: 1143
128. Nemotron 3 Ultra: 1142
129. GPT-5.3 Codex: 1139
130. v0-1.5-lg: 1138
131. Qwen3 Coder 480B A35B Instruct: 1137
132. Mistral Large 3 (2512): 1136
133. Claude Sonnet 4: 1136
134. Solar Mini 4: 1134
135. DeepSeek-R1-0528: 1133
136. Claude Sonnet 4 (Thinking): 1131
137. AGI-01 Swift: 1131
138. GLM 4.5 Air: 1131
139. MiniMax M2 Stable: 1129
140. AesCoder-4B: 1119
141. Mistral Medium 3.5: 1116
142. Mistral Medium 3.1 (2508): 1114
143. Trinity Large Thinking: 1111
144. GPT-5 mini (Default): 1109
145. Claude Haiku 4.5: 1109
146. DeepSeek-V3.1: 1106
147. Qwen3 Max: 1104
148. DeepSeek-V3-0324: 1102
149. Prime Intellect: INTELLECT-3: 1101
150. Gemini 2.5 Flash Preview 09-2025: 1098
151. Grok 4 Fast: 1095
152. Kimi K2 0905 Preview: 1092
153. GPT-5.1 Codex Mini: 1088
154. Grok 4.1 Fast: 1086
155. Grok 4.1 Fast (Reasoning): 1081
156. GPT-5 nano (Default): 1078
157. Kimi K2 Turbo Preview: 1078
158. Gemini 2.5 Flash Lite Preview 09-2025: 1075
159. Gemini 3.1 Flash-Lite Preview: 1066
160. Mistral Medium 3 (2505): 1063
161. Ministral 3 14B (2512): 1059
162. Gemini 2.5 Flash: 1053
163. v0-1.5-md: 1051
164. Grok 3: 1047
165. Ministral 3 8B (2512): 1047
166. Grok 4 Fast (Reasoning): 1044
167. Qwen3-235B-A22B-Instruct-2507: 1033
168. Kimi K2: 1028
169. Qwen3-235B-A22B-Thinking-2507: 1027
170. Magistral Medium 1.2 (2509): 1027
171. GPT-4.1: 1020
172. Mercury 2: 1015
173. o3: 1014
174. Grok 4: 1010
175. Devstral Medium: 1007
176. Ministral 3 3B (2512): 1004
177. Codestral 2508: 1001
178. Qwen3-235B-A22B: 996
179. Grok Code Fast 1: 993
180. GPT-4.1 mini: 988
181. Magistral Small 1.2 (2509): 980
182. o4-mini: 970
183. Olmo 3.1 32B Think: 969
184. GPT OSS 120B: 957
185. GPT-4.1 nano: 957
186. Qwen3 30B-A3B: 936
187. Grok 3 Mini: 925
188. Llama 3.1 Nemotron Ultra 253B: 923
189. Mistral Small 3.2: 901
190. Llama 4 Maverick: 874
191. Mistral Large 2.1 (2411): 857
192. GPT-4o: 855
193. Codestral 2 (2501): 828
194. Devstral Small 1.1: 801
195. Llama 4 Scout: 784

### Design Arena: agentic web app, full-stack ⭐⭐

Votes humains à l'aveugle sur des applications full-stack construites par des agents ; indépendant, mais un vote plus restreint et axé design.

Deux agents construisent la même application full-stack (React, Supabase, déployée sur Vercel) dans un bac à sable avec 23 outils ; des personnes votent pour la meilleure. (mis à jour le 2026-11-11)

1. Claude Opus 5.5: 1408
2. GPT-6 Astra (xhigh): 1342
3. Kimi K3.1 Pro: 1330
4. Claude Fable 5.1: 1306
5. Kimi K3: 1296
6. Muse Spark 1.3 Max: 1294
7. Claude Opus 5: 1285
8. Qwen3.8 Max: 1285
9. Muse Spark 1.3 (xhigh): 1275
10. Claude Fable 5: 1261
11. Grok 4.6: 1244
12. GPT-5.6 Sol (xhigh): 1241
13. Claude Opus 4.8: 1230
14. Claude Sonnet 5: 1229
15. Grok 4.5: 1228
16. GLM 5.2: 1221
17. Gemini 3.8 Flash: 1221
18. GPT-6 Sol: 1218
19. Claude Opus 4.6: 1200
20. Claude Sonnet 4.6: 1193
21. Muse Spark 1.2: 1191
22. Gemini 3.7 Flash: 1188
23. MiniMax M3: 1181
24. Muse Spark 1.1: 1178
25. Gemini 3.5 Flash: 1178
26. Qwen3.7 Max: 1174
27. Gemini 3.6 Flash: 1162
28. Kimi K2.7 Code: 1156
29. GLM 5.1: 1148
30. GPT-6 Luna: 1143
31. GPT-5.6 Sol (Medium): 1139
32. Claude Opus 4.5: 1137
33. Kimi K2.6: 1136
34. GLM 5V Turbo: 1130
35. GLM 5: 1103
36. Kimi K2.5 (Thinking): 1094
37. GPT-5.5: 1070
38. Gemini 3 Pro Preview: 1055
39. Gemini 3.1 Pro Preview: 1048
40. Gemini 3 Flash Preview: 1044
41. GPT-5.6 Terra: 1043
42. Grok 4.20 Reasoning: 1035
43. Claude Sonnet 4.5: 1031
44. GLM 4.7: 1030
45. GPT 5.2: 1023
46. GLM 4.6: 1010
47. GPT-5.4: 998
48. Grok Code Fast 1: 990
49. Grok 4.3: 988
50. GPT-5.2 Codex: 973
51. GPT-5.3 Codex: 964

### Design Arena: agentic web app, frontend ⭐⭐

Votes humains à l'aveugle sur des front-ends construits par des agents ; indépendant, mais un vote plus restreint et axé design.

Même arène pour des front-ends React multi-fichiers (13 outils). (mis à jour le 2026-11-11)

1. GPT-6 Astra (max): 1343
2. Claude Opus 5.5: 1319
3. Claude Fable 5.1: 1318
4. GPT-6 Astra (xhigh): 1315
5. Kimi K3.1 Pro: 1298
6. Inkling 2 Small: 1288
7. Qwen3.8 Max: 1286
8. Muse Spark 1.3 Max: 1284
9. Muse Spark 1.3 (xhigh): 1282
10. Kimi K3: 1282
11. Claude Sonnet 5.5: 1281
12. MiMo-V2.6-Pro: 1276
13. GLM-5.3: 1272
14. GPT-6.1 Sol: 1266
15. Claude Opus 5: 1255
16. Claude Fable 5: 1245
17. Grok 4.6: 1233
18. Ling 3.2 Flash: 1233
19. GPT-5.6 Sol (xhigh): 1227
20. Gemini 3.8 Flash: 1225
21. Claude Sonnet 5: 1224
22. Claude Opus 4.8: 1218
23. GPT-6 Sol: 1216
24. Gemini 3.7 Flash: 1213
25. GLM 5.2: 1207
26. Muse Spark 1.2: 1206
27. Grok 4.5: 1202
28. MiniMax M3: 1194
29. Qwen3.7 Max: 1191
30. Muse Spark 1.1: 1190
31. Claude Opus 4.6: 1189
32. Gemini 3.5 Flash: 1185
33. Gemini 3.6 Flash: 1182
34. Inkling: 1179
35. GPT-5.6 Sol (Medium): 1175
36. Claude Sonnet 4.6: 1174
37. GPT-6 Luna: 1161
38. Kimi K2.7 Code: 1160
39. GLM 5.1: 1160
40. Claude Opus 4.5: 1143
41. Grok 4.20 Reasoning: 1128
42. Kimi K2.5 (Thinking): 1120
43. Gemini 3.1 Pro Preview: 1110
44. Grok 4.3: 1110
45. GLM 5V Turbo: 1109
46. GPT-5.6 Terra: 1103
47. GPT-5.5: 1101
48. Gemini 3 Pro Preview: 1098
49. Gemini 3 Flash Preview: 1094
50. Solar Pro 4: 1089
51. GPT 5.2: 1070
52. Claude Sonnet 4.5: 1044
53. GPT-5.4: 1043
54. GPT-5.2 Codex: 1035
55. GPT-5.3 Codex: 1016
56. GPT-5.1 Codex: 1002

### Design Arena: website ⭐⭐

Votes humains à l'aveugle sur des sites web ; indépendant, mais étroit et jugé sur le rendu.

Des sites générés en une fois par chaque modèle, jugés par votes à l'aveugle (1 190 870 votes, le plus grand classement web de Design Arena). Aucune erreur type n'est publiée : des Elo proches ne se départagent pas. (mis à jour le 2026-11-11)

1. Muse Wonder (max): 1367
2. Muse Spark 1.3 (xhigh): 1352
3. Muse Spark 1.3 Max: 1343
4. Inkling 2 Small: 1333
5. GPT-6 Astra (max): 1332
6. GPT-6 Astra (xhigh): 1331
7. Kimi K3: 1331
8. Muse Ember: 1330
9. Claude Opus 5.5: 1324
10. Kimi K3.1 Pro: 1320
11. GPT-5.6 Sol (xhigh): 1317
12. Gemini 4 Argon: 1314
13. Claude Sonnet 5.5: 1314
14. Muse Spark 1.2: 1310
15. GPT-6.1 Sol: 1309
16. DeepSeek-V4.1-Flash: 1305
17. Claude Fable 5.1: 1305
18. Claude Opus 5: 1305
19. GPT-5.6 Sol (Medium): 1304
20. MiMo-V2.6-Pro: 1304
21. Claude Fable 5.2: 1303
22. Muse Spark Open (xhigh): 1302
23. Gemini 3.7 Flash: 1300
24. Gemini 3.8 Flash: 1296
25. DeepSeek-V4.1-Flash (1017): 1295
26. Gemini 3.6 Flash: 1294
27. Claude Fable 5: 1291
28. GPT-6.1 Terra: 1288
29. Claude Opus 4.6: 1287
30. GPT-6 Sol: 1285
31. GLM-5.3: 1285
32. Ling-3.1-flash: 1285
33. Grok 4.6: 1283
34. Claude Opus 4.6 (Thinking): 1282
35. Claude Sonnet 4.6: 1281
36. GLM 5.2: 1280
37. Grok 4.5: 1276
38. MiniMax M3.1 Flash: 1275
39. Deca 2.5 Mini: 1274
40. Deca 2.6 Ultra: 1273
41. Qwen3.7 Max: 1271
42. Qwen3.8 Max: 1271
43. Claude Sonnet 5: 1269
44. GLM-5.3-Flash: 1266
45. Muse Spark 1.1: 1266
46. Kimi K2.6: 1265
47. GPT-6 Luna: 1265
48. Gemini 3.5 Flash: 1265
49. Deca 2.5 Ultra: 1265
50. GPT-5.6 Terra: 1264
51. MiMo-V2.5-Pro: 1264
52. Qwen3.7 Plus: 1264
53. MiMo-V2.5: 1263
54. GLM 5.1: 1262
55. Kimi K2.7 Code: 1260
56. GLM 5 Turbo: 1257
57. Claude Haiku 5.5: 1257
58. Muse Spark: 1257
59. Hy4: 1256
60. Claude Opus 4.8: 1255
61. MiniMax M3: 1253
62. Mistral Large 4: 1253
63. GPT-5.5: 1252
64. GPT-5.6 Luna: 1251
65. Gemini 3 Pro Preview: 1249
66. Grok 4.7: 1245
67. Beam 1.0 (max): 1245
68. Kimi K2.5 (Thinking): 1244
69. Claude Opus 4.5: 1243
70. GLM 5: 1243
71. Qwen3.6 Plus: 1238
72. MiniMax M2.7: 1238
73. Mercury 3: 1235
74. Deca 2.6 Pro: 1234
75. DeepSeek-V4-Flash-0731: 1233
76. DeepSeek-V4-Pro: 1230
77. Gemini 3.1 Pro Preview: 1230
78. Hy3: 1226
79. Grok 4.20 Beta (Reasoning): 1225
80. GLM 5V Turbo: 1225
81. GLM 4.7: 1222
82. Inkling: 1221
83. MiniMax M2.5: 1218
84. Nex N2 Pro: 1217
85. Grok 4.20 Beta: 1216
86. GPT-5.4 (Design Skill, Medium): 1216
87. GPT-5.4 (Medium): 1211
88. Deca 2.6 Mini: 1208
89. DeepSeek-V4-Flash: 1203
90. MiniMax M2.1: 1197
91. GPT-5.4 (None): 1195
92. GPT-5.4 (Low): 1194
93. Step 3.7 Flash: 1193
94. Grok 4.3: 1192
95. Gemini 3 Flash Preview: 1192
96. GPT-5.2 (xhigh): 1191
97. GLM 4.7 Flash: 1190
98. Claude 3.7 Sonnet: 1189
99. Qwen3.5 397B A17B: 1187
100. Claude Sonnet 4.5 (Thinking): 1186
101. Claude Sonnet 4.5: 1185
102. DeepSeek-V3.1 (Thinking): 1183
103. Qwen3.5 Plus 02-15: 1183
104. GPT-5.1 (High): 1183
105. GPT-5.2 (None): 1180
106. GPT-5.2 (Medium): 1180
107. GPT-5 (Minimal): 1180
108. Muse Glimmer 30B (xhigh): 1178
109. GPT-5 (High): 1178
110. Hy3 Low: 1178
111. DeepSeek-V3.2-Exp: 1175
112. GPT-5.1 (Medium): 1174
113. Claude Opus 4.1 (Thinking): 1173
114. GPT-5.2 (Low): 1173
115. Solar Pro 4: 1172
116. DeepSeek-V3.2: 1171
117. GLM 4.6: 1170
118. GPT-5.1 (Low): 1168
119. Nemotron 3.5 Super VL: 1166
120. GLM 4.5: 1166
121. GPT-5.1 (None): 1163
122. Gemini 2.5 Pro: 1163
123. MiMo-V2-Flash: 1163
124. Claude Opus 4: 1161
125. Claude Opus 4.1: 1160
126. GPT-5.3 Codex: 1159
127. Mistral Large 3 (2512): 1158
128. Flint: 1158
129. GPT-5.1 Codex: 1158
130. Qwen3 Coder 480B A35B Instruct: 1155
131. GPT-5.2 (High): 1151
132. Solar Mini 4: 1147
133. DeepSeek-R1-0528: 1145
134. v0-1.5-lg: 1142
135. GLM 4.5 Air: 1142
136. Nemotron 3 Ultra: 1142
137. Claude Sonnet 4: 1142
138. MiniMax M2 Stable: 1139
139. Mistral Medium 3.5: 1138
140. AesCoder-4B: 1137
141. Claude Sonnet 4 (Thinking): 1135
142. Trinity Large Thinking: 1133
143. Mistral Medium 3.1 (2508): 1129
144. GPT-5 mini (Default): 1121
145. DeepSeek-V3.1: 1118
146. Claude Haiku 4.5: 1118
147. DeepSeek-V3-0324: 1116
148. Qwen3 Max: 1115
149. Prime Intellect: INTELLECT-3: 1113
150. Gemini 2.5 Flash Preview 09-2025: 1111
151. Grok 4 Fast: 1110
152. Kimi K2 Thinking: 1109
153. GPT-5.1 Codex Mini: 1107
154. AGI-01 Swift: 1105
155. Kimi K2 0905 Preview: 1103
156. Grok 4.1 Fast: 1100
157. Grok 4.1 Fast (Reasoning): 1099
158. GPT-5 nano (Default): 1097
159. Gemini 2.5 Flash Lite Preview 09-2025: 1095
160. Kimi K2 Turbo Preview: 1085
161. Kimi K2 Instruct 0905: 1085
162. Qwen3 Coder 30B A3B Instruct: 1083
163. Gemini 3.1 Flash-Lite Preview: 1079
164. Ministral 3 14B (2512): 1077
165. Mistral Medium 3 (2505): 1075
166. Gemini 2.5 Flash: 1070
167. Ministral 3 8B (2512): 1061
168. v0-1.5-md: 1056
169. Grok 3: 1055
170. Qwen3-235B-A22B-Instruct-2507: 1054
171. Grok 4 Fast (Reasoning): 1051
172. Qwen3-235B-A22B-Thinking-2507: 1049
173. Kimi K2: 1046
174. Magistral Medium 1.2 (2509): 1036
175. GPT-4.1: 1035
176. Mercury 2: 1034
177. o3: 1032
178. Qwen3-235B-A22B: 1026
179. Ministral 3 3B (2512): 1024
180. Devstral Medium: 1015
181. Grok 4: 1010
182. Codestral 2508: 1009
183. GPT-4.1 mini: 993
184. Grok Code Fast 1: 992
185. Magistral Small 1.2 (2509): 988
186. o4-mini: 981
187. Olmo 3.1 32B Think: 974
188. GPT-4.1 nano: 969
189. GPT OSS 120B: 964
190. Qwen3 30B-A3B: 951
191. Llama 3.1 Nemotron Ultra 253B: 931
192. Qwen3 30B-A3B Thinking 2507: 926
193. Grok 3 Mini: 925
194. Magistral Small (2507): 908
195. Mistral Small 3.2: 892
196. Llama 4 Maverick: 867
197. Mistral Large 2.1 (2411): 854
198. Grok 2: 853
199. GPT OSS 20B: 848
200. Amazon Nova Premier: 831
201. GPT-4o: 827
202. Codestral 2 (2501): 805
203. Devstral Small 1.1: 798
204. Amazon Nova Pro: 792
205. Gemini 1.5 Pro: 780
206. Llama 4 Scout: 746

### Arena Code: Image-to-WebDev ⭐⭐

Votes à l'aveugle d'Arena, mais étroit : transformer une capture d'écran en page web.

Votes à l'aveugle, par paires, sur des pages web construites à partir d'une image, comme une maquette ou une capture (210 832 votes, arrêtés au 2026-11-10). (mis à jour le 2026-11-10)

1. Claude Opus 5.5 (Max): 1751.9386 ±19.18
2. Claude Sonnet 5.5 (xHigh): 1744.1073 ±14.02
3. Claude Fable 5.1 (Max): 1723.5578 ±11.68
4. GPT-6 Astra (Max): 1722.1349 ±11.26
5. GPT-6.1 Sol (Max): 1695.8773 ±12.91
6. Claude Opus 5 (Max): 1663.9108 ±9.52
7. GPT-6 Sol (Max): 1655.4762 ±10.74
8. Qwen3.8-Max (0902): 1638.1673 ±18.99
9. Muse Spark 1.3 (Max): 1637.3836 ±8.63
10. Claude Fable 5 (High): 1620.5345 ±8.65
11. Qwen3.8-Max: 1615.5279 ±10.18
12. DeepSeek-V4.1-Flash-20260910 (Max): 1610.3578 ±22.57
13. DeepSeek-V4.1-Flash-20261017 (Max): 1609.1731 ±10.45
14. Grok 4.6 (High): 1607.0519 ±10.19
15. GPT-5.6 Sol (xHigh, Codex Harness): 1606.3611 ±9.06
16. Gemini 3.7 Flash (High): 1600.2617 ±11.59
17. Muse Spark 1.3 (xHigh): 1598.2047 ±11.12
18. MiMo-V2.6-Pro: 1596.7082 ±10.77
19. Gemini 3.8 Flash (High): 1593.7005 ±11.25
20. MiMo-V2.6-Flash: 1593.1826 ±11.03
21. Grok 4.7 (xHigh): 1588.7556 ±13.98
22. Kimi K3 (Max): 1586.0086 ±9.6
23. GLM-5.3-Flash: 1582.2689 ±8.08
24. Claude Opus 4.7 (High): 1579.4766 ±9.28
25. Qwen3.8-27B: 1574.3882 ±7.83
26. GPT-6 Luna (Max): 1565.9058 ±8.18
27. Claude Opus 4.7: 1562.1901 ±9
28. Grok 4.5: 1561.6018 ±9.48
29. Step 5 Preview (High): 1551.3546 ±10.35
30. Gemini 3.6 Flash (High): 1544.9113 ±14.56
31. Claude Opus 4.6 (High): 1543.9422 ±9
32. GPT-5.6 Terra (xHigh, Codex Harness): 1539.1346 ±9.08
33. Muse Spark 1.1: 1539.0476 ±11.5
34. Claude Sonnet 5 (High): 1538.8179 ±7.53
35. Claude Opus 4.6: 1538.0466 ±9.11
36. GPT-5.5 (xHigh, Codex Harness): 1530.9548 ±9.27
37. Claude Sonnet 4.6: 1529.5776 ±8.94
38. Kimi K2.6: 1522.1569 ±11.55
39. GPT-5.5 (High, Codex Harness): 1519.441 ±8.97
40. GPT-5.6 Luna (xHigh, Codex Harness): 1517.3625 ±9.94
41. Kimi K2.7 Code: 1512.2969 ±20.42
42. Gemini 3.5 Flash (Medium): 1505.5859 ±11.92
43. Seed2.1 Pro Preview: 1504.8108 ±9.4
44. gemini-3.5-flash: 1504.0808 ±27.07
45. GPT-5.5 (Codex Harness): 1503.5753 ±9.04
46. Gemini 3.5 Flash (High): 1500.2087 ±14.02
47. Gemini 3.1 Pro Preview: 1480.1285 ±8.82
48. MiniMax-M3: 1473.4613 ±8.39
49. Qwen3.6-Plus: 1472.8914 ±10.48
50. Gemini 3 Flash: 1450.9482 ±9.37
51. Gemini 3.5 Flash-Lite: 1449.4359 ±15.59
52. GPT-5.3-Codex (Codex Harness): 1443.7947 ±14.21
53. GPT-5.4: 1441.2416 ±11.55
54. Gemini 3 Pro: 1440.9639 ±22.42
55. Kimi K2.5 (Thinking): 1438.6044 ±17.43
56. Gemini 3 Flash (Minimal): 1431.0489 ±9.3
57. GLM-5V-Turbo: 1427.1935 ±16.2
58. GPT-5.1 (High): 1419.2553 ±21.81
59. Kimi K2.5 (Instant): 1411.2511 ±22.2
60. Inkling-Small: 1409.6306 ±19.52
61. NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4): 1391.7801 ±15.15
62. Grok 4.3: 1375.5027 ±9.78
63. Mistral Large 3: 1362.2807 ±17.68
64. GPT-5.1: 1349.0098 ±21.46
65. Gemini 3.1 Flash-Lite Preview: 1338.1526 ±10.97
66. Gemini 2.5 Pro: 1285.2153 ±21.28

### WeirdML v3 (agentic) ⭐⭐

Indépendant avec des passages répétés, mais des tâches d'apprentissage automatique plutôt que du développement courant.

Des problèmes d'apprentissage automatique inhabituels résolus de bout en bout par un agent (Claude Code, Codex CLI, Gemini CLI, Kimi Code, OpenCode), avec le coût de chaque essai. Données d'Epoch AI. (mis à jour le 2026-11-11)

1. Codex - gpt-6-astra (xhigh): 42.2202
2. Codex - gpt-6.1-sol (xhigh): 38.2536
3. Claude Code - claude-opus-5-5 (xhigh): 31.2003
4. Codex - gpt-6.1-terra (xhigh): 28.0863
5. Claude Code - claude-fable-5-1 (xhigh): 25.9702
6. Gemini CLI - gemini-4-argon (high): 20.2617
7. Claude Code - claude-sonnet-5-5 (xhigh): 19.9403
8. Codex - gpt-6-sol (xhigh): 19.7318
9. Claude Code - claude-opus-5 (xhigh): 19.0112
10. Claude Code - claude-fable-5 (xhigh): 15.5869
11. Codex - muse-wonder-1.0 (xhigh): 15.1717
12. Codex - gpt-5.6-sol (xhigh): 14.9922
13. Claude Code - claude-haiku-5-5 (xhigh): 11.6952
14. Kimi Code - kimi-k3.1-pro (xhigh): 9.89
15. Codex - deepseek-v4.1-flash-1017 (high): 9.1909
16. Codex - grok-4.7 (xhigh): 8.4527
17. Codex - gpt-6-luna (xhigh): 7.8741
18. Kimi Code - kimi-k3 (high): 7.5444
19. Gemini CLI - gemini-3.8-flash (high): 7.3787
20. Codex - muse-spark-1.3 (xhigh): 6.655
21. Claude Code - claude-opus-4-5-20251101 (high): 6.5149
22. OpenCode - deepseek-v4.1-flash (high): 5.9463
23. Codex - gpt-5.6-luna (xhigh): 5.158
24. Codex - gpt-5.2-2025-12-11 (xhigh): 5.0079
25. OpenCode - mistral-large-4-0 (high): 4.4459
26. OpenCode - Inkling (xhigh): 3.903

### GSO (software optimization) ⭐⭐

Indépendant, corrigé des tricheries, mais étroit (optimisation des performances) et mis à jour moins souvent.

Rendre de vrais dépôts plus rapides sans les casser, dans OpenHands, noté après retrait des triches. Seul GPT-6 Astra parmi les modèles actuels. (mis à jour le 2026-09-27)

1. Claude Fable 5.1 (xhigh): 87.25
2. GPT-6 Astra (xhigh): 77.45
3. Claude Fable 5 (xhigh): 76.47
4. GPT-5.6 Sol (xhigh): 70.59
5. Claude Opus 4.8 (xhigh): 47.06
6. Claude Opus 4.7 (high): 42.16
7. Claude Opus 4.6 (high): 37.25
8. GPT 5.5 (xhigh): 37.25
9. Claude Sonnet 5 (xhigh): 36.27
10. Claude Opus 4.6: 30.39
11. GPT 5.4 (xhigh): 30.39
12. GPT 5.2 (high): 26.47
13. Claude Opus 4.5: 24.5
14. GPT 5.4 (high): 22.55
15. Gemini 3.1 Pro: 21.57
16. Gemini 3 Pro: 17.65
17. GPT 5.1 (high): 12.75
18. Claude Sonnet 4.5: 12.74
19. Gemini 3 Flash: 7.84
20. GPT 5 (high): 5.88
21. Claude Opus 4: 4.9
22. Claude Sonnet 4: 4.9
23. Claude Sonnet 3.5 V2: 4.6
24. O3 (high): 3.92
25. Qwen3 Coder: 3.92
26. Claude Sonnet 3.7: 3.8
27. O4 Mini (high): 3.6
28. Kimi K2 Instruct: 1.96
29. O3 Mini (high): 1.3
30. GLM 4.5 Air: 0.98
31. Gemini 2.5 Pro: 0
32. GPT 4o: 0

### Scale SWE Atlas: codebase Q&A ⭐⭐

Indépendant (Scale), mais une compétence étroite (répondre aux questions sur une base de code) et pas renouvelé récemment.

Répondre à des questions pointues sur une vraie base de code en l'explorant et en l'exécutant, dans l'agent de l'éditeur — un tiers de l'indice d'agents de code d'Artificial Analysis. (mis à jour le 2026-09-09)

1. Opus 5 (Claude Code) xHigh: 63.17 ±5.01
2. Fable-5.1 (Claude Code) xHigh: 59.95 ±4.85
3. GPT 6 Astra (Codex) xHigh: 59.14 ±4.88
4. Opus 4.8 (Claude Code) xhigh: 57.26 ±4.93
5. GLM 5.2 (Mini-SWE-Agent): 48.12 ±5.07
6. Gemini 3.8 Flash (Mini-SWE-Agent): 47.04 ±5.08
7. GPT-5.6-Sol (Codex) xHigh: 46 ±5
8. GPT 5.5 (Codex) xHigh: 45.43 ±5.08
9. Muse Spark 1.1 (Mini-SWE-Agent) xHigh: 42.2 ±5.08
10. GPT 5.4 (Codex) xHigh: 40.8 ±5.1
11. Opus 4.7 (Claude Code): 40.32 ±5.06
12. Fable-5 (Claude Code) xHigh: 39 ±5
13. Gpt 5.4 xHigh (Mini-SWE-Agent): 36.3 ±4.9
14. Opus 4.6 (Claude Code): 33.3 ±5
15. GPT 5.3 (Codex) xHigh: 32.6 ±4.9
16. Sonnet 4.6 (Claude Code): 31.2 ±5
17. Opus 4.6 (Mini-SWE-Agent): 30 ±4.9
18. DeepSeek V4 Pro (Mini-SWE-Agent): 27.15 ±4.74
19. Muse Spark: 24.2 ±4.6
20. Glm 5 (Mini-SWE-Agent): 20.5 ±4.5
21. Gemini 3.1 Pro (Mini-SWE-Agent): 13.5 ±3.9
22. Kimi K2.5 (Mini-SWE-Agent): 13.1 ±4.1
23. Minimax M2.5 (Mini-SWE-Agent): 10.3 ±3.5
24. Gemini 3 Flash (Mini-SWE-Agent): 8.2 ±3.3

### Scale SWE Atlas: test writing ⭐⭐

Indépendant (Scale), mais une compétence étroite (écrire des tests) et pas renouvelé récemment.

Écrire des tests qui détectent de vrais bugs dans une base de code existante, dans l'agent de l'éditeur. (mis à jour le 2026-09-09)

1. Fable-5.1 (Claude Code) xHigh: 67.04 ±5.33
2. Opus 5 (Claude Code) xHigh: 62.22 ±5.58
3. Fable-5 (Claude Code) xHigh: 55.6 ±5.8
4. Gemini 3.8 Flash (Mini-SWE-Agent): 53.7 ±5.86
5. GPT 6 Astra (Codex) xHigh: 50.74 ±5.91
6. Opus 4.8 (Claude Code) xhigh: 49.63 ±5.93
7. GPT-5.6-Sol (Codex) xHigh: 45.9 ±6
8. GPT-5.4 (Codex) xHigh: 44.36 ±6.04
9. GPT-5.5 (Codex) xHigh: 42.59 ±5.96
10. GLM 5.2 (Mini-SWE-Agent): 41.48 ±5.96
11. Muse Spark 1.1 (Mini-SWE-Agent) xHigh: 41.48 ±5.96
12. GPT-5.4 (Mini-SWE) xHigh: 40 ±6
13. GPT 5.3 (Codex) xHigh: 38.98 ±6.12
14. Opus 4.7 (Claude Code): 38.52 ±5.93
15. Opus-4.6 (Claude Code): 36.67 ±6.63
16. Opus-4.6 (Mini-SWE): 36.08 ±6.02
17. Sonnet-4.6 (Claude Code): 31.76 ±6.24
18. Muse Spark: 31.11 ±5.76
19. Gemini-3-Flash (Mini-SWE): 30.3 ±5.8
20. Gemini-3.1-Pro (Mini-SWE): 29.84 ±5.86
21. Glm-5 (Mini-SWE): 28.74 ±5.76
22. Deepseek V4 Pro (Mini-SWE-Agent): 27.05 ±5.59
23. Kimi-K2.5 (Mini-SWE): 25.77 ±5.63
24. Minimax-M2.5 (Mini-SWE): 18.6 ±5.2

### Scale SWE Atlas: refactoring ⭐⭐

Indépendant (Scale), mais une compétence étroite (refactoring) et pas renouvelé récemment.

Refactoriser du vrai code sans en casser le comportement, dans l'agent de l'éditeur. (mis à jour le 2026-09-09)

1. GPT 6 Astra (Codex) xHigh: 59.05 ±6.43
2. Fable-5.1 (Claude Code) xHigh: 56.67 ±6.52
3. Fable-5 (Claude Code) xHigh: 54.76 ±6.76
4. Opus-4.7 (Claude Code): 48.57 ±6.73
5. Opus 4.8 (Claude Code): 46.67 ±6.75
6. GPT-5.5 (Codex) xHigh: 44.79 ±6.76
7. Gemini 3.8 Flash (Mini-SWE-Agent): 44.76 ±6.76
8. GPT 5.4 (Codex) xHigh: 44.29 ±6.76
9. GLM 5.2 (Mini-SWE-Agent): 42.38 ±6.76
10. GPT 5.3 (Codex) xHigh: 42.38 ±6.76
11. Opus-4.6 (Claude Code): 35.58 ±6.82
12. Gemini-3.1-Pro (Gemini CLI): 33.81 ±6.64
13. Sonnet-4.6 (Claude Code): 32.21 ±6.77
14. Glm-5 (Mini-SWE-Agent): 24.24 ±6.27
15. Kimi-K2.5 (Mini-SWE-Agent): 20.95 ±6
16. Minimax-M2.5 (Mini-SWE-Agent): 19.52 ±5.89
17. Gemini-3-Flash (Mini-SWE-Agent): 10 ±4.8

### Snorkel Agentic Coding 2.0 ⭐⭐

Tâches de code agentique indépendantes avec les coûts, mais aucun effort indiqué et moins de modèles.

Des tâches agentiques en terminal sans accès réseau, 5 tentatives chacune, avec le coût par essai. Mesuré par Snorkel AI (un fournisseur de données) ; aucun effort indiqué. (mis à jour le 2026-10-23)

1. GPT-6 Astra: 47.6
2. Muse Wonder: 43.6
3. GPT-6.1 Sol: 42.8
4. Gemini 4 Argon: 41.8
5. Opus 5.5: 40.4
6. Fable 5.1: 39.6
7. Opus 5: 38.9
8. Grok 4.6: 33.6
9. Gemini Flash 3.8: 32.6
10. Grok 4.7: 31.9
11. Kimi K3: 26.1
12. Muse Spark 1.3: 25
13. GLM 5.3: 24.9
14. DeepSeek V4 Pro: 14.8
15. Qwen 3.8 Max: 14.7
16. Nemotron 3 Ultra 550B: 5.1

### Snorkel SWE-bench CLI ⭐⭐

Modifications de dépôt multi-fichiers indépendantes, mais aucun effort indiqué et moins de modèles.

Des modifications de dépôt qui touchent au moins deux fichiers, résolues en ligne de commande, avec le coût par essai. Mesuré par Snorkel AI ; aucun effort indiqué. (mis à jour le 2026-10-23)

1. Opus 5.5: 16.6
2. Gemini 4 Argon: 16.3
3. Fable 5.1: 14.5
4. Opus 5: 14
5. GPT-6 Astra: 12.4
6. Muse Wonder: 11.4
7. GPT-6.1 Sol: 9.8
8. Gemini Flash 3.8: 6.3
9. Grok 4.7: 6.1
10. Grok 4.6: 5.7
11. Qwen 3.8 Max: 4.9
12. Kimi K3: 4.1
13. GLM 5.3: 3.5
14. DeepSeek V4 Pro: 2.3
15. Muse Spark 1.3: 2.2
16. Nemotron 3 Ultra 550B: 0.5

### Vals AI: ProgramBench ⭐⭐

Indépendant, construire un programme de zéro, mais un effort par modèle et une tâche étroite.

Reconstruire de vrais programmes à partir de zéro, mesuré par Vals AI avec un effort par modèle, avec le coût par test. (mis à jour le 2026-11-09)

1. Claude Fable 5.2 (high): 19
2. Claude Opus 5.5 (max): 18.5
3. Claude Fable 5.1 (max): 7
4. Claude Sonnet 5.5 (max): 6.5
5. GPT-6 Astra (max): 5.5
6. GPT-6.1 Sol (max): 3
7. Claude Opus 5 (max): 3
8. Gemini 4 Argon (high): 2.5
9. Claude Haiku 5.5 (max): 2.5
10. Muse Spark 1.3 (max): 2.5
11. Claude Fable 5 (max): 2
12. GPT-6 Sol (max): 2
13. Kimi K3: 2
14. GPT-5.6 Sol (max): 1.5
15. GLM-5.3 (max): 1.5
16. Grok 4.6 (high): 1
17. Claude Opus 4.8 (max): 1
18. Gemini 3.8 Flash (high): 1
19. Grok 4.7 (xhigh): 0.5
20. MiMo-V2.6-Flash: 0.5
21. DeepSeek V4.1 Flash (max): 0.5
22. GPT-5.6 Terra (max): 0.5
23. Muse Spark 1.3 (xhigh): 0.5
24. MiMo-V2.6-Pro: 0.5
25. Inkling 2 Small: 0.5
26. GPT-5.5 (xhigh): 0.5
27. GLM-5.2 (max): 0.5
28. GPT-6 Luna (max): 0.5
29. Muse Wonder Full (max): 0.5
30. GPT-5.4 (high): 0.5
31. Muse Spark 1.2 (xhigh): 0.5
32. Claude Sonnet 4.6 (max): 0.5
33. Inkling Small: 0.5
34. HY4: 0
35. DeepSeek V4 Pro 0813 (max): 0
36. Claude Sonnet 5 (max): 0
37. Qwen3.8 Max (max): 0
38. Gemini 3.7 Flash (high): 0
39. Claude Opus 4.7 (max): 0
40. GPT-5.6 Luna (max): 0
41. DeepSeek V4 Flash 0731 (high): 0
42. GPT-5.4 (xhigh): 0
43. GLM-5.3-Flash (max): 0
44. Grok 4.5 (high): 0
45. GPT-5.4-mini (xhigh): 0
46. Gemini 3.6 Flash (high): 0
47. Muse Spark 1.1 (xhigh): 0
48. Gemini 3.5 Flash (high): 0
49. GLM-5.1: 0
50. Gemini 3.1 Pro Preview (high): 0
51. Qwen3.6 Plus: 0
52. Qwen3.8 27B (xhigh): 0
53. Kimi K2.7 Code: 0
54. Kimi K2.6: 0
55. Nemotron 3 Ultra 550B A55B: 0
56. DeepSeek V4 Pro 0813 (max): 0
57. Gemini 3 Flash (high): 0
58. Gemini 3.5 Flash-Lite (high): 0
59. Claude Haiku 4.5: 0
60. Grok 4.3 (high): 0
61. Nemotron Lightning 3p5 30B A3B: 0
62. Laguna Xs.2: 0
63. Inkling: 0
64. Laguna M.1: 0
65. Gemini 3.1 Flash Lite (high): 0
66. MiniMax-M2.7: 0

### Vals AI: SRE-bench ⭐⭐

Indépendant et non contaminé, mais une compétence étroite (rétro-ingénierie) et un effort par modèle.

Rétro-ingénierie de vrais binaires, non contaminés, mesurée par Vals AI avec un effort par modèle, avec le coût par test. (mis à jour le 2026-11-05)

1. GPT-6 Astra (max): 56.87
2. GPT-6.1 Sol (max): 50.763
3. Gemini 4 Argon (high): 44.275
4. Claude Opus 5.5 (max): 33.588
5. GPT Daybreak Blue (max): 31.679
6. GPT-5.6 Sol (max): 30.534
7. GPT-6 Sol (max): 30.534
8. Claude Sonnet 5.5 (max): 30.153
9. Kimi K3.1 Pro (max): 27.099
10. Claude Fable 5.1 (max): 22.901
11. Claude Opus 5.5 Range (max): 21.756
12. Claude Opus 5 (max): 12.214
13. Muse Wonder Full (max): 11.832
14. Gemini 3.8 Flash (high): 11.069
15. GPT-5.6 Terra (max): 9.542
16. GLM-5.3 (max): 9.16
17. Claude Haiku 5.5 (max): 5.725
18. Gemini 3.7 Flash (high): 4.58
19. MiMo-V2.6-Flash: 4.198
20. Grok 4.7 (xhigh): 3.817
21. GPT-5.5 (xhigh): 3.817
22. Muse Spark 1.3 (max): 3.817
23. MiMo-V2.6-Pro: 3.053
24. GPT-6 Luna (max): 2.672
25. HY4: 2.29
26. DeepSeek V4 Pro 0813 (max): 1.908
27. Inkling 2 Small: 1.908
28. GPT-5.6 Luna (max): 1.527
29. DeepSeek V4.1 Flash (max): 0.763
30. GLM-5.3-Flash (max): 0.763
31. Grok 4.5 (high): 0.763
32. Claude Sonnet 5 (max): 0.382
33. Step 5 Preview: 0.382
34. GLM-5.2 (max): 0
35. Muse Spark 1.2 (xhigh): 0
36. Gemini 3.1 Pro Preview (high): 0
37. Inkling: 0

### CWE-bench v2 ⭐⭐

Tâches de correction de sécurité indépendantes, récent, mais étroit (vulnérabilités).

Trouver et corriger de vraies vulnérabilités dans de vraies bases de code (250 tâches d'audit et de correctif sur 185 CWE : 100 publiques, 150 réservées), chaque modèle dans son propre agent en raisonnement high, noté par des vérificateurs déterministes (pass@1 sur 4 essais), avec le coût moyen par essai. Mesuré par Collinear AI. (mis à jour le 2026-11-02)

1. Claude Opus 5.5 (Claude Code): 67.1 ±5.1
2. Muse Wonder (opencode): 66.1 ±5
3. Gemini 4 Argon (Antigravity): 65 ±5.1
4. GPT-6 Astra (Codex): 64.2 ±5.4
5. DeepSeek-V4.1-Flash (1017) (opencode): 57.6 ±5.1
6. Grok 4.7 (opencode): 54.7 ±5.2
7. Hy4 Preview (opencode): 47.3 ±5.3
8. Mistral Large 4 (opencode): 45.6 ±5.3
9. Qwen3.8-Max (0902) (opencode): 45.4 ±4.9
10. Kimi K3.1 Pro (opencode): 45.3 ±5.1
11. GLM-5.3 (opencode): 42 ±4.9

### Endor Labs Agent Security League ⭐⭐

Indépendant, code sûr et correct, mais étroit (sécurité) et moins de modèles.

Le code écrit par un agent passe-t-il à la fois les tests fonctionnels et les tests de sécurité ? Part des tâches correctes et sûres, par agent × modèle (Claude Code, Codex, Cursor, Muse Code). Mesuré par Endor Labs (un éditeur de sécurité). (mis à jour le 2026-10-24)

1. Claude Code - Claude Fable 5.1: 36.9
2. Codex - GPT-6 Astra: 34.6
3. Codex - GPT-6.1 Sol: 34.1
4. Claude Code - Claude Opus 5.0: 32.4
5. Claude Code - Claude Opus 5.5: 30.7
6. Cursor - Gemini 4 Argon: 27.4
7. Muse Code - Muse Wonder: 25.1
8. Codex - GPT-6 Sol: 25.1
9. Cursor - Claude Fable 5.0: 25.1
10. Cursor - GPT-5.5: 22.3
11. Codex - GPT-5.6 Sol: 20.1
12. Codex - GPT-5.5: 20.1
13. Codex - GPT-5.4: 18.4
14. Claude Code - Claude Fable 5.0: 18.4
15. Claude Code - Claude Sonnet 5.0: 17.3
16. Cursor - Claude Opus 4.7: 16.8
17. Cursor - Gemini 3.5 Flash: 15.6
18. Cursor - Claude Opus 4.8: 15.1
19. Claude Code - Claude Opus 4.7: 14.5
20. Cursor - Gemini 3.1 Pro: 12.8
21. Cursor - GLM-5.2: 12.3
22. Claude Code - Claude Opus 4.8: 11.7
23. Cursor - Composer 2.5: 11.2
24. Cursor - GPT-5.3: 10.6
25. Claude Code - Claude Sonnet 4.6: 8.9
26. Cursor - Claude Opus 4.6: 8.4
27. Claude Code - Claude Opus 4.5: 8.4
28. SWE-Agent - Claude Sonnet 4: 7.8
29. Claude Code - Claude Opus 4.6: 7.3
30. Claude Code - Gemini 3 Pro: 7.3
31. Claude Code - Claude Sonnet 4: 6.1
32. Claude Code - Gemini 2.5 Pro: 5
33. Cursor - Gemini 3 Pro: 4.5
34. SWE-Agent - Gemini 2.5 Pro: 4.5

### Terminal-Bench-Science (Artificial Analysis run) ⭐⭐

Passage indépendant avec le même harnais pour chaque modèle, mais des tâches scientifiques en terminal plutôt que du développement.

L'exécution de Terminal-Bench-Science par Artificial Analysis avec le même harnais pour tous les modèles, à plusieurs efforts (moyenne de 3 répétitions). (mis à jour le 2026-11-09)

1. Claude Fable 5.2 (Max, Default Fallback): 73.3333
2. Claude Fable 5.2 (High, Default Fallback): 70
3. Claude Fable 5.2 (Xhigh, Default Fallback): 67.619
4. Gemini 4 Carbon (High): 64.7619
5. GPT-6 Astra (Max): 63.3333
6. Gemini 4 Carbon (Medium): 62.381
7. Claude Opus 5.5 (Xhigh, Default Fallback): 61.9048
8. Gemini 4 Carbon (Low): 61.9048
9. Claude Fable 5.2 (Medium, Default Fallback): 60.4762
10. GPT-6 Astra (High): 59.5238
11. Claude Opus 5.5 (Max, Default Fallback): 59.0476
12. GPT-6.1 Sol (Max): 58.0952
13. GPT-6.1 Terra (Max): 57.619
14. GPT-6 Astra (Xhigh): 54.7619
15. Claude Fable 5.2 (Low, Default Fallback): 53.8095
16. Claude Sonnet 5.5 (Max, Default Fallback): 53.3333
17. GPT-6 Astra (Medium): 53.3333
18. Gemini 4 Argon (High): 52.8571
19. Claude Sonnet 5.5 (Xhigh, Default Fallback): 52.381
20. GPT-6.1 Sol (Xhigh): 50.4762
21. Claude Opus 5.5 (High, Default Fallback): 49.0476
22. GPT-6.1 Sol (High): 46.1905
23. Claude Fable 5.1 (Max, Default Fallback): 43.3333
24. Claude Opus 5.5 (Medium, Default Fallback): 43.3333
25. GPT-6.1 Terra (Xhigh): 41.9048
26. Claude Fable 5.1 (Xhigh, Default Fallback): 40.4762
27. Claude Fable 5.1 (High, Default Fallback): 39.5238
28. GPT-6 Astra (Low): 37.1429
29. GPT-6.1 Sol (Medium): 37.1429
30. Muse Wonder Full (Max): 37.1429
31. Claude Sonnet 5.5 (High, Default Fallback): 34.2857
32. Kimi K3.1 Pro: 34.2857
33. GPT-6.1 Terra (High): 33.3333
34. GPT-6 Sol (Max): 30
35. Claude Fable 5.1 (Medium, Default Fallback): 29.0476
36. Claude Opus 5 (Max): 28.5714
37. Muse Wonder (Max): 25.7143
38. GPT-6.1 Terra (Medium): 24.7619
39. Claude Opus 5.5 (Low, Default Fallback): 24.2857
40. GPT-6.1 Terra (Non-reasoning): 24.2857
41. GPT-5.6 Sol (Max): 22.381
42. Muse Wonder (High): 21.9048
43. Claude Fable 5.1 (Low, Default Fallback): 21.4286
44. Claude Haiku 5.5 (Max): 20
45. Muse Ember (Max): 20
46. Claude Haiku 5.5 (Xhigh): 18.0952
47. GPT-6 Sol (Xhigh): 17.619
48. Muse Ember (Xhigh): 17.619
49. GPT-6 Sol (High): 17.1429
50. Claude Sonnet 5.5 (Medium, Default Fallback): 16.1905
51. GPT-5.6 Terra (Max): 13.8095
52. DeepSeek V4.1 Flash 1017 (Max): 12.8571
53. Tencent Hy4: 12.8571
54. Qwen3.8 Max (0902): 11.9048
55. Grok 4.7 (Xhigh): 11.4286
56. GPT-6.1 Sol (Low): 10.9524
57. Muse Spark 1.3 (Max): 10.9524
58. Claude Sonnet 5.5 (Low, Default Fallback): 10.4762
59. DeepSeek V4.1 Flash 1017 (High): 10.4762
60. Gemini 3.8 Flash (Medium): 10.4762
61. Claude Haiku 5.5 (High): 10
62. Gemini 3.8 Flash (High): 10
63. GLM-5.3 (Max): 9.5238
64. Grok 4.7 (High): 9.5238
65. DeepSeek V4.1 Flash (Max): 9.0476
66. GPT-6 Luna (Max): 8.5714
67. GPT-6 Sol (Medium): 8.5714
68. Gemini 3.8 Flash (Low): 8.0952
69. Kimi K3 (Max): 8.0952
70. GPT-6.1 Terra (Low): 7.619
71. Claude Haiku 5.5 (Medium): 7.1429
72. Grok 4.6 (High): 6.1905
73. DeepSeek V4 Pro 0813 (Max): 5.7143
74. GPT-6 Sol (Non-reasoning): 5.7143
75. Inkling 2 Small: 5.7143
76. MiMo-V2.6-Pro: 5.7143
77. GPT-6 Luna (Xhigh): 5.2381
78. GLM-5.3-Flash: 4.7619
79. Grok 4.7 (Low): 4.7619
80. Mistral Large 4 Preview: 4.7619
81. Ling 3.1 Flash 1019: 4.2857
82. MiMo-V2.6-Flash: 4.2857
83. Mistral Large 4 (High): 4.2857
84. Agnes 2.5 Pro Theta: 3.8095
85. GLM-5.3 (Low): 3.8095
86. Muse Spark 1.3 (Xhigh): 3.8095
87. GPT-5.6 Luna (Max): 3.3333
88. GPT-6 Sol (Low): 3.3333
89. MiniMax-M3.1-Flash: 3.3333
90. Mistral Large 4 (Medium): 3.3333
91. GPT-6 Luna (High): 2.8571
92. Grok 4.6 (Xhigh): 2.8571
93. DeepSeek V4.1 Flash 1017 (Non-reasoning): 2.381
94. Step 5 Preview: 2.381
95. Claude Haiku 5.5 (Low): 1.9048
96. Muse Spark Open (Xhigh): 1.9048
97. GPT-6 Luna (Medium): 1.4286
98. GPT-6 Luna (Low): 0.9524
99. GPT-6 Luna (Non-reasoning): 0.9524
100. Kimi K3 (Low): 0.9524
101. Nanbeige4.3-33B: 0.9524
102. Qwen3.8 27B (Medium): 0.9524
103. Apodex 1.1: 0.4762
104. Beam 1.0: 0.4762
105. MiniMax-M3: 0.4762
106. Qwen3.8 27B (Low): 0.4762
107. Qwen3.8 27B (Xhigh): 0.4762
108. Claude 4.5 Haiku (Reasoning): 0
109. Command A+: 0
110. DeepSeek V4 Pro 0813 (Non-reasoning): 0
111. DeepSeek V4.1 Flash (Non-reasoning): 0
112. Gemini 3.1 Flash-Lite: 0
113. Gemini 3.5 Flash-Lite: 0
114. Gemma 4 31B (Reasoning): 0
115. Granite 4.2 30B: 0
116. Granite 4.2 3B: 0
117. Granite 4.2 8B: 0
118. Inkling (Xhigh): 0
119. Inkling Small: 0
120. K-EXAONE 2.0: 0
121. K2 Horizon 3.7B: 0
122. K2 Horizon 375B A23B: 0
123. K2 Horizon 7B: 0
124. K2 Horizon MoVA 36B A4B: 0
125. Mistral Medium 3.5: 0
126. Mistral Small 4 (Reasoning): 0
127. Muse Glimmer (High): 0
128. NVIDIA Nemotron 3 Nano 4B: 0
129. Nemotron 3 Ultra 550B A55B (Reasoning): 0
130. Nemotron 3.5 Lightning: 0
131. Nemotron 3.5 Super VL: 0
132. North Mini Code: 0
133. Qwen3.8 27B (Non-reasoning): 0
134. Solar Pro 4: 0
135. gpt-oss-120b (High): 0

### Design Arena: UI components ⭐⭐

Votes humains à l'aveugle sur des composants d'interface ; indépendant, mais étroit et jugé sur le rendu.

Votes à l'aveugle sur des composants d'interface écrits en code (114 714 votes). Aucune erreur type n'est publiée : des Elo proches ne se départagent pas. (mis à jour le 2026-11-11)

1. GPT-6 Astra (xhigh): 1399
2. Kimi K3.1 Pro: 1393
3. Claude Sonnet 5.5: 1386
4. Muse Wonder (max): 1376
5. Claude Opus 5.5: 1370
6. GPT-6 Astra (max): 1365
7. Ling-3.1-flash: 1349
8. Muse Spark 1.3 (xhigh): 1347
9. Muse Spark 1.3 Max: 1345
10. GPT-6.1 Sol: 1343
11. Kimi K3: 1341
12. Claude Opus 5: 1340
13. MiMo-V2.6-Pro: 1334
14. Qwen3.8 Max: 1332
15. Claude Fable 5.1: 1332
16. Claude Fable 5.2: 1332
17. Gemini 4 Argon: 1331
18. GPT-5.6 Sol (xhigh): 1325
19. GPT-5.6 Sol (Medium): 1318
20. Claude Fable 5: 1312
21. Muse Spark Open (xhigh): 1310
22. Muse Ember: 1308
23. DeepSeek-V4.1-Flash: 1308
24. Gemini 3.8 Flash: 1307
25. GPT-6.1 Terra: 1302
26. GLM-5.3-Flash: 1300
27. Muse Spark 1.2: 1299
28. Gemini 3.7 Flash: 1292
29. Gemini 3.6 Flash: 1292
30. DeepSeek-V4.1-Flash (1017): 1290
31. GLM 5.2: 1289
32. GLM-5.3: 1289
33. GPT-6 Luna: 1289
34. MiniMax M3.1 Flash: 1288
35. Grok 4.6: 1287
36. GPT-6 Sol: 1284
37. Muse Spark 1.1: 1280
38. Beam 1.0 (max): 1278
39. Claude Opus 4.6: 1277
40. Claude Haiku 5.5: 1276
41. Claude Opus 4.6 (Thinking): 1274
42. Gemini 3 Pro Preview: 1273
43. Grok 4.5: 1273
44. Deca 2.5 Mini: 1272
45. Claude Sonnet 5: 1272
46. Grok 4.7: 1271
47. Mistral Large 4: 1268
48. Gemini 3.5 Flash: 1265
49. Qwen3.7 Max: 1265
50. Claude Sonnet 4.6: 1265
51. GLM 5.1: 1262
52. Kimi K2.6: 1260
53. Deca 2.6 Ultra: 1259
54. GLM 5 Turbo: 1257
55. Qwen3.7 Plus: 1257
56. GPT-5.5: 1254
57. Claude Opus 4.8: 1253
58. GPT-5.6 Terra: 1252
59. Kimi K2.7 Code: 1252
60. MiMo-V2.5: 1252
61. MiMo-V2.5-Pro: 1245
62. GPT-5.6 Luna: 1243
63. MiniMax M3: 1239
64. Muse Spark: 1238
65. Mercury 3: 1235
66. GPT-5.4 (Medium): 1233
67. Deca 2.6 Pro: 1233
68. Claude Opus 4.5: 1232
69. GPT-5.1 Codex: 1231
70. Kimi K2.5 (Thinking): 1230
71. DeepSeek-V4-Flash-0731: 1228
72. Qwen3.6 Plus: 1225
73. GLM 5: 1224
74. Gemini 3.1 Pro Preview: 1220
75. MiniMax M2.1: 1217
76. DeepSeek-V4-Pro: 1215
77. Nex N2 Pro: 1212
78. GPT-5.4 (Low): 1209
79. Deca 2.5 Ultra: 1207
80. GLM 5V Turbo: 1205
81. MiniMax M2.7: 1204
82. Hy3: 1201
83. GLM 4.7 Flash: 1201
84. Muse Glimmer 30B (xhigh): 1199
85. Inkling: 1195
86. GPT-5.4 (None): 1193
87. GLM 4.7: 1193
88. Grok 4.20 Beta (Reasoning): 1193
89. Grok 4.3: 1187
90. GPT-5.2 (Medium): 1184
91. Grok 4.20 Beta: 1182
92. Hy4: 1180
93. DeepSeek-V3.1 (Thinking): 1176
94. GPT-5.2 (High): 1175
95. GPT-5 (High): 1173
96. Step 3.7 Flash: 1173
97. Qwen3.5 Plus 02-15: 1171
98. GPT-5.2 (None): 1169
99. Claude Sonnet 4.5 (Thinking): 1166
100. MiniMax M2.5: 1166
101. GPT-5.1 (Medium): 1160
102. DeepSeek-V3.2-Exp: 1160
103. DeepSeek-V4-Flash: 1158
104. v0-1.5-lg: 1158
105. Claude Opus 4.1 (Thinking): 1158
106. Qwen3.5 397B A17B: 1157
107. Hy3 Low: 1157
108. Claude Sonnet 4.5: 1155
109. GPT-5.2 (Low): 1152
110. Nemotron 3.5 Super VL: 1152
111. GPT-5.1 (High): 1151
112. Claude Opus 4.1: 1149
113. Flint: 1149
114. GPT-5.1 (Low): 1148
115. Claude Opus 4: 1147
116. Claude 3.7 Sonnet: 1145
117. AGI-01 Swift: 1143
118. DeepSeek-V3.2: 1143
119. Solar Pro 4: 1143
120. GLM 4.6: 1141
121. MiMo-V2-Flash: 1138
122. GLM 4.5: 1138
123. GPT-5 (Minimal): 1138
124. Nemotron 3 Ultra: 1137
125. GPT-5.1 (None): 1137
126. Gemini 2.5 Pro: 1133
127. GPT-5.3 Codex: 1131
128. MiniMax M2 Stable: 1130
129. Claude Sonnet 4: 1122
130. Claude Sonnet 4 (Thinking): 1119
131. GLM 4.5 Air: 1117
132. Qwen3 Coder 480B A35B Instruct: 1106
133. GPT-5 mini (Default): 1100
134. Solar Mini 4: 1099
135. Mistral Large 3 (2512): 1096
136. DeepSeek-R1-0528: 1096
137. Claude Haiku 4.5: 1093
138. Mistral Medium 3.1 (2508): 1093
139. DeepSeek-V3-0324: 1087
140. Gemini 2.5 Flash Preview 09-2025: 1086
141. AesCoder-4B: 1080
142. DeepSeek-V3.1: 1079
143. GPT-5.1 Codex Mini: 1075
144. Mistral Medium 3.5: 1072
145. Qwen3 Max: 1072
146. Prime Intellect: INTELLECT-3: 1071
147. Grok 4 Fast: 1066
148. Gemini 3.1 Flash-Lite Preview: 1065
149. GPT-5 nano (Default): 1060
150. Grok 4.1 Fast (Reasoning): 1047
151. Qwen3 Coder 30B A3B Instruct: 1040
152. Trinity Large Thinking: 1039
153. Grok 4.1 Fast: 1030
154. Grok 3: 1030
155. Kimi K2: 1024
156. Grok 4 Fast (Reasoning): 1021
157. Gemini 2.5 Flash Lite Preview 09-2025: 1019
158. Mistral Medium 3 (2505): 1018
159. Magistral Medium 1.2 (2509): 1017
160. Codestral 2508: 1011
161. o3: 1010
162. v0-1.5-md: 1003
163. Gemini 2.5 Flash: 999
164. GPT-4.1: 994
165. Mercury 2: 991
166. Grok Code Fast 1: 984
167. Grok 4: 980
168. o4-mini: 977
169. Devstral Medium: 973
170. Qwen3-235B-A22B-Instruct-2507: 959
171. GPT-4.1 mini: 955
172. Qwen3-235B-A22B: 953
173. Qwen3 30B-A3B: 939
174. Qwen3-235B-A22B-Thinking-2507: 939
175. Magistral Small 1.2 (2509): 924
176. GPT OSS 120B: 920
177. GPT-4.1 nano: 910
178. Mistral Small 3.2: 900
179. Llama 4 Maverick: 893
180. Grok 3 Mini: 883
181. GPT-4o: 879
182. Olmo 3.1 32B Think: 852
183. Codestral 2 (2501): 846
184. Devstral Small 1.1: 832
185. Mistral Large 2.1 (2411): 818
186. Llama 4 Scout: 761

### Design Arena: game dev ⭐⭐

Votes humains à l'aveugle sur de petits jeux ; indépendant, mais étroit.

Votes à l'aveugle sur des jeux pour navigateur écrits en code (318 370 votes) — le classement le plus proche de la 3D et du creative coding. Aucune erreur type n'est publiée : des Elo proches ne se départagent pas. (mis à jour le 2026-11-11)

1. GPT-6 Astra (max): 1466
2. GPT-6 Astra (xhigh): 1457
3. Claude Opus 5.5: 1429
4. Inkling 2 Small: 1424
5. GPT-6.1 Sol: 1409
6. Muse Wonder (max): 1407
7. Kimi K3.1 Pro: 1406
8. Claude Fable 5.2: 1404
9. Claude Sonnet 5.5: 1394
10. Claude Fable 5.1: 1368
11. Gemini 4 Argon: 1361
12. GPT-5.6 Sol (xhigh): 1360
13. Kimi K3: 1348
14. Muse Spark 1.3 Max: 1338
15. Claude Opus 5: 1338
16. Claude Fable 5: 1329
17. Muse Ember: 1329
18. GPT-6.1 Terra: 1328
19. Muse Spark 1.3 (xhigh): 1325
20. DeepSeek-V4.1-Flash: 1324
21. GPT-5.6 Sol (Medium): 1317
22. Claude Haiku 5.5: 1315
23. Gemini 3.7 Flash: 1313
24. MiMo-V2.6-Pro: 1310
25. Grok 4.7: 1308
26. MiniMax M3.1 Flash: 1308
27. Qwen3.8 Max: 1308
28. Ling-3.1-flash: 1306
29. GPT-6 Sol: 1304
30. Gemini 3.8 Flash: 1298
31. Muse Spark 1.2: 1294
32. GLM-5.3: 1293
33. Grok 4.6: 1289
34. GPT-5.5: 1284
35. Claude Opus 4.6 (Thinking): 1271
36. Claude Sonnet 5: 1271
37. GLM-5.3-Flash: 1270
38. MiMo-V2.5-Pro: 1266
39. Claude Opus 4.6: 1265
40. Muse Spark 1.1: 1263
41. DeepSeek-V4.1-Flash (1017): 1261
42. GLM 5.2: 1260
43. Qwen3.7 Max: 1259
44. GLM 5.1: 1259
45. Gemini 3.5 Flash: 1258
46. Grok 4.5: 1257
47. Gemini 3.6 Flash: 1257
48. Claude Opus 4.8: 1257
49. Hy4: 1255
50. Qwen3.7 Plus: 1255
51. GPT-6 Luna: 1254
52. Muse Spark Open (xhigh): 1254
53. Deca 2.5 Mini: 1253
54. Claude Sonnet 4.6: 1252
55. Deca 2.5 Ultra: 1250
56. Deca 2.6 Ultra: 1250
57. MiMo-V2.5: 1247
58. Kimi K2.6: 1244
59. GLM 5 Turbo: 1241
60. Deca 2.6 Pro: 1235
61. GPT-5.4 (Medium): 1232
62. GLM 5: 1228
63. GPT-5.6 Terra: 1223
64. DeepSeek-V4-Pro: 1223
65. Claude Opus 4.5: 1223
66. Mistral Large 4: 1219
67. Nex N2 Pro: 1219
68. Muse Spark: 1218
69. Kimi K2.7 Code: 1215
70. Mercury 3: 1214
71. GLM 5V Turbo: 1210
72. Qwen3.6 Plus: 1206
73. Hy3: 1205
74. MiniMax M3: 1203
75. MiniMax M2.7: 1202
76. Beam 1.0 (max): 1202
77. DeepSeek-V4-Flash-0731: 1201
78. Kimi K2.5 (Thinking): 1200
79. Gemini 3.1 Pro Preview: 1196
80. DeepSeek-V4-Flash: 1191
81. Gemini 3 Pro Preview: 1190
82. GPT-5.2 (Low): 1189
83. GPT-5.6 Luna: 1188
84. GPT-5.4 (None): 1188
85. Grok 4.20 Beta (Reasoning): 1186
86. GPT-5.4 (Low): 1185
87. GLM 4.7: 1182
88. GPT-5.2 (High): 1180
89. GPT-5 (High): 1179
90. GPT-5.2 (Medium): 1177
91. GPT-5.1 (High): 1172
92. AGI-01 Swift: 1171
93. MiniMax M2.5: 1170
94. GPT-5.2 (None): 1169
95. Grok 4.20 Beta: 1167
96. Grok 4.3: 1165
97. Claude Opus 4.1 (Thinking): 1165
98. Claude Opus 4: 1164
99. Solar Pro 4: 1163
100. Inkling: 1161
101. Claude Sonnet 4.5: 1160
102. Gemini 3 Flash Preview: 1160
103. Claude Sonnet 4.5 (Thinking): 1157
104. Claude Opus 4.1: 1157
105. GPT-5.3 Codex: 1155
106. GPT-5.1 (Medium): 1153
107. Step 3.7 Flash: 1151
108. GPT-5 (Minimal): 1148
109. GPT-5.1 (Low): 1145
110. GLM 4.6: 1144
111. GLM 4.5: 1138
112. DeepSeek-V3.2-Exp: 1138
113. Nemotron 3 Ultra: 1134
114. Qwen3.5 397B A17B: 1134
115. Claude 3.7 Sonnet: 1132
116. GPT-5.1 Codex: 1132
117. Claude Sonnet 4 (Thinking): 1132
118. Deca 2.6 Mini: 1130
119. Hy3 Low: 1129
120. GLM 4.7 Flash: 1128
121. MiniMax M2.1: 1128
122. Claude Sonnet 4: 1127
123. GPT-5.1 (None): 1126
124. DeepSeek-V3.2: 1125
125. MiMo-V2-Flash: 1124
126. DeepSeek-V3.1 (Thinking): 1124
127. GPT-5 mini (Default): 1123
128. v0-1.5-lg: 1122
129. Muse Glimmer 30B (xhigh): 1113
130. MiniMax M2 Stable: 1111
131. Solar Mini 4: 1107
132. Gemini 2.5 Pro: 1105
133. Nemotron 3.5 Super VL: 1103
134. Qwen3.5 Plus 02-15: 1099
135. Qwen3 Coder 480B A35B Instruct: 1093
136. DeepSeek-R1-0528: 1091
137. Claude Haiku 4.5: 1091
138. GLM 4.5 Air: 1088
139. Qwen3 Max: 1088
140. GPT-5.1 Codex Mini: 1086
141. Flint: 1080
142. Kimi K2 Turbo Preview: 1079
143. DeepSeek-V3.1: 1078
144. AesCoder-4B: 1075
145. Mistral Large 3 (2512): 1074
146. Mistral Medium 3.5: 1073
147. Trinity Large Thinking: 1073
148. GPT-4.1: 1073
149. Prime Intellect: INTELLECT-3: 1070
150. Mistral Medium 3.1 (2508): 1068
151. GPT-4.1 mini: 1064
152. Grok 4.1 Fast: 1061
153. Grok 4 Fast: 1060
154. Gemini 2.5 Flash Preview 09-2025: 1059
155. Grok 4.1 Fast (Reasoning): 1054
156. DeepSeek-V3-0324: 1047
157. Gemini 2.5 Flash Lite Preview 09-2025: 1041
158. GPT-5 nano (Default): 1038
159. Ministral 3 14B (2512): 1032
160. o3: 1028
161. Gemini 3.1 Flash-Lite Preview: 1023
162. Grok 3: 1020
163. v0-1.5-md: 1017
164. Grok 4 Fast (Reasoning): 1015
165. Mistral Medium 3 (2505): 1011
166. Gemini 2.5 Flash: 998
167. o4-mini: 997
168. Grok 4: 995
169. Magistral Medium 1.2 (2509): 989
170. GPT OSS 120B: 986
171. Ministral 3 8B (2512): 984
172. Grok Code Fast 1: 982
173. Devstral Medium: 979
174. Mercury 2: 974
175. Kimi K2: 968
176. GPT-4.1 nano: 964
177. Codestral 2508: 961
178. Olmo 3.1 32B Think: 960
179. Qwen3-235B-A22B-Thinking-2507: 951
180. Qwen3-235B-A22B-Instruct-2507: 945
181. Grok 3 Mini: 943
182. Ministral 3 3B (2512): 942
183. Magistral Small 1.2 (2509): 936
184. Qwen3-235B-A22B: 921
185. GPT-4o: 900
186. Qwen3 30B-A3B: 892
187. Mistral Small 3.2: 882
188. Mistral Large 2.1 (2411): 881
189. Llama 3.1 Nemotron Ultra 253B: 863
190. Llama 4 Maverick: 831
191. Codestral 2 (2501): 805
192. Devstral Small 1.1: 774
193. Llama 4 Scout: 766

### Design Arena: mobile apps (agents) ⭐⭐

Votes humains à l'aveugle sur des applications mobiles construites par des agents ; indépendant, mais étroit et un vote plus restreint.

Deux agents construisent la même application mobile et des personnes votent pour la meilleure (45 185 votes) : on compare des agents, pas des modèles seuls. Aucune erreur type n'est publiée : des Elo proches ne se départagent pas. (mis à jour le 2026-11-11)

1. Claude Fable 5.2: 1338
2. Claude Opus 5.5: 1298
3. GPT-6 Astra (xhigh): 1289
4. Kimi K3.1 Pro: 1273
5. Claude Sonnet 5.5: 1263
6. Claude Fable 5: 1259
7. Kimi K3: 1258
8. Claude Fable 5.1: 1258
9. Grok 4.7: 1252
10. GPT-5.6 Sol (xhigh): 1230
11. Gemini 3.7 Flash: 1229
12. Gemini 3.8 Flash: 1229
13. GPT-6.1 Sol: 1228
14. Grok 4.6: 1227
15. Qwen3.8 Max: 1224
16. MiniMax M3.1 Flash: 1220
17. Muse Spark 1.3 Max: 1214
18. Claude Opus 4.8: 1212
19. Muse Spark 1.3 (xhigh): 1210
20. Grok 4.5: 1209
21. Claude Sonnet 4.6: 1207
22. Claude Sonnet 5: 1206
23. Claude Opus 4.6: 1203
24. GPT-6 Sol: 1197
25. Gemini 3.6 Flash: 1194
26. Ling-3.1-flash: 1193
27. GLM-5.3: 1187
28. Claude Opus 4.5: 1184
29. Muse Spark 1.2: 1178
30. GPT-6.1 Terra: 1178
31. Muse Spark 1.1: 1172
32. Gemini 3.5 Flash: 1172
33. MiniMax M3: 1172
34. GLM 5.2: 1157
35. GLM 5.1: 1156
36. Qwen3.7 Max: 1153
37. Kimi K2.6: 1151
38. Kimi K2.5 (Thinking): 1143
39. GPT-5.5: 1138
40. Kimi K2.7 Code: 1138
41. Claude Sonnet 4.5: 1134
42. GLM 5: 1132
43. GLM 5V Turbo: 1131
44. GPT-6 Luna: 1121
45. GPT-5.6 Terra: 1101
46. GLM 4.7: 1101
47. GPT-5.6 Sol (Medium): 1100
48. GLM 4.6: 1092
49. Gemini 3.1 Pro Preview: 1090
50. GPT 5.2: 1089
51. Gemini 3 Flash Preview: 1086
52. Grok 4.20 Reasoning: 1085
53. GPT-5.2 Codex: 1085
54. GPT-5.4: 1082
55. Gemini 3 Pro Preview: 1071
56. Grok 4.3: 1053
57. GPT-5.3 Codex: 1049
58. Grok Code Fast 1: 1029

### Design Arena: SVG ⭐⭐

Votes humains à l'aveugle sur des dessins SVG ; indépendant, mais une compétence très étroite.

Votes à l'aveugle sur des icônes, illustrations et logos SVG écrits en code (211 612 votes). Inclut des modèles spécialisés en SVG qu'aucun abonnement ne propose. (mis à jour le 2026-11-11)

1. Arrow 2 Telos: 1500
2. GPT-6 Astra (xhigh): 1421
3. GPT-6 Astra (max): 1411
4. Arrow 2: 1373
5. Gemini 4 Argon: 1329
6. Kimi K3.1 Pro: 1325
7. Claude Opus 5.5: 1320
8. Muse Spark 1.3 Max: 1319
9. Claude Opus 5: 1306
10. GPT-5.6 Sol (xhigh): 1305
11. MiMo-V2.6-Pro: 1303
12. GPT-6 Sol: 1302
13. Claude Sonnet 5.5: 1302
14. Muse Spark 1.3 (xhigh): 1300
15. Kimi K3: 1300
16. Claude Fable 5: 1296
17. Claude Fable 5.1: 1294
18. GPT-5.6 Sol (Medium): 1294
19. Gemini 3.8 Flash: 1290
20. MiniMax M3.1 Flash: 1285
21. Gemini 3.7 Flash: 1280
22. Gemini 3.1 Pro Preview: 1279
23. Muse Spark 1.2: 1275
24. GLM-5.3-Flash: 1273
25. Grok 4.7: 1272
26. Arrow 1.1 Max: 1270
27. Ling-3.1-flash: 1270
28. Arrow-1.0: 1268
29. GLM-5.3: 1255
30. DeepSeek-V4.1-Flash (1017): 1252
31. Gemini 3.5 Flash: 1249
32. GPT-6 Luna: 1241
33. Gemini 3 Pro Preview: 1239
34. DeepSeek-V4.1-Flash: 1239
35. GPT-5.5: 1230
36. Grok 4.6: 1229
37. Mistral Large 4: 1228
38. Muse Spark 1.1: 1227
39. Claude Opus 4.6 (Thinking): 1222
40. Recraft V4.1 Vector Pro: 1221
41. Muse Spark: 1221
42. Recraft V4 Vector: 1214
43. GPT-5.6 Terra: 1213
44. GLM 5.1: 1212
45. Recraft V4 Vector Pro: 1212
46. Qwen3.7 Max: 1211
47. Claude Opus 4.6: 1210
48. Qwen3.7 Plus: 1207
49. Grok 4.5: 1204
50. GLM 5.2: 1204
51. Arrow 1.1: 1199
52. GLM 5 Turbo: 1199
53. Claude Haiku 5.5: 1196
54. Hy3: 1194
55. Nex N2 Pro: 1191
56. Claude Sonnet 4.6: 1191
57. Claude Sonnet 5: 1191
58. GPT-5.4 (Medium): 1189
59. Claude Opus 4.8: 1189
60. GPT-5.6 Luna: 1188
61. MiMo-V2.5-Pro: 1187
62. GPT-5 (High): 1183
63. MiMo-V2.5: 1180
64. DeepSeek-V4-Flash-0731: 1177
65. Kimi K2.6: 1176
66. Claude Opus 4.5: 1175
67. Mercury 3: 1172
68. Kimi K2.7 Code: 1170
69. GLM 5: 1163
70. Grok 4.20 Beta (Reasoning): 1158
71. Qwen3.6 Plus: 1156
72. MiniMax M3: 1154
73. DeepSeek-V4-Flash: 1150
74. Claude Opus 4.1 (Thinking): 1147
75. GLM 5V Turbo: 1145
76. Kimi K2.5 (Thinking): 1144
77. MiniMax M2.5: 1144
78. GPT-5.1 (High): 1143
79. GLM 4.7: 1137
80. GPT-5.4 (Low): 1136
81. Qwen3.5 397B A17B: 1134
82. DeepSeek-V4-Pro: 1134
83. GPT-5.2 (Medium): 1133
84. GPT-5.2 (Low): 1130
85. MiniMax M2.7: 1130
86. MiniMax M2.1: 1126
87. GPT-5.1 (Medium): 1125
88. GPT-5.2 (None): 1125
89. GPT-5.3 Codex: 1123
90. GPT-5 (Minimal): 1122
91. Claude Opus 4: 1122
92. GPT-5.4 (None): 1121
93. GPT-5.1 (Low): 1112
94. Claude Sonnet 4.5 (Thinking): 1110
95. Inkling: 1108
96. Claude Opus 4.1: 1104
97. GLM 4.6: 1103
98. Claude Sonnet 4.5: 1102
99. Qwen3.5 Plus 02-15: 1102
100. GPT-5.1 (None): 1099
101. MiniMax M2 Stable: 1094
102. GLM 4.5: 1091
103. GPT-5 mini (Default): 1086
104. Claude 3.7 Sonnet: 1082
105. Step 3.7 Flash: 1079
106. Grok 4.3: 1076
107. Claude Sonnet 4 (Thinking): 1073
108. GLM 4.5 Air: 1066
109. Nemotron 3 Ultra: 1064
110. DeepSeek-V3.1 (Thinking): 1059
111. Claude Sonnet 4: 1058
112. v0-1.5-md: 1056
113. Grok 4.20 Beta: 1052
114. Gemini 3.1 Flash-Lite Preview: 1047
115. DeepSeek-R1-0528: 1033
116. GLM 4.7 Flash: 1032
117. DeepSeek-V3.2: 1027
118. DeepSeek-V3.2-Exp: 1026
119. MiMo-V2-Flash: 1024
120. Claude Haiku 4.5: 1020
121. Grok 4: 1015
122. Gemini 2.5 Flash Preview 09-2025: 1014
123. Trinity Large Thinking: 1011
124. Qwen3 Max: 1006
125. Grok 4.1 Fast (Reasoning): 1003
126. Mercury 2: 1000
127. Mistral Large 3 (2512): 987
128. Mistral Medium 3.1 (2508): 987
129. Prime Intellect: INTELLECT-3: 986
130. Grok 3: 977
131. GPT-5.1 Codex Mini: 972
132. DeepSeek-V3-0324: 971
133. Grok 4 Fast (Reasoning): 970
134. DeepSeek-V3.1: 961
135. Mistral Medium 3.5: 944
136. Grok 4.1 Fast: 938
137. Grok 4 Fast: 933
138. AesCoder-4B: 926
139. Olmo 3.1 32B Think: 866

### Design Arena: data visualization ⭐⭐

Votes humains à l'aveugle sur des graphiques ; indépendant, mais une compétence très étroite.

Votes à l'aveugle sur des graphiques et tableaux de bord écrits en code (90 018 votes ; aucune erreur type publiée). (mis à jour le 2026-11-11)

1. Claude Opus 5.5: 1390
2. Claude Sonnet 5.5: 1362
3. Kimi K3: 1348
4. Claude Fable 5.1: 1342
5. Muse Spark 1.3 (xhigh): 1340
6. MiMo-V2.6-Pro: 1336
7. Gemini 4 Argon: 1333
8. Claude Opus 5: 1327
9. Muse Spark 1.2: 1326
10. GPT-6 Astra (max): 1325
11. GPT-6 Astra (xhigh): 1325
12. GPT-5.6 Sol (xhigh): 1320
13. Gemini 3.7 Flash: 1314
14. Muse Ember: 1310
15. Muse Spark 1.3 Max: 1307
16. Kimi K3.1 Pro: 1306
17. Muse Wonder (max): 1305
18. Claude Fable 5: 1302
19. GPT-5.6 Sol (Medium): 1290
20. Gemini 3.6 Flash: 1288
21. DeepSeek-V4.1-Flash: 1288
22. Ling-3.1-flash: 1286
23. Qwen3.8 Max: 1284
24. Claude Haiku 5.5: 1284
25. GLM 5.2: 1283
26. GPT-6.1 Sol: 1281
27. Grok 4.6: 1281
28. Claude Opus 4.6: 1277
29. Claude Sonnet 4.6: 1276
30. Qwen3.7 Plus: 1276
31. Gemini 3.8 Flash: 1273
32. Mistral Large 4: 1272
33. Qwen3.7 Max: 1272
34. GPT-6 Sol: 1271
35. Deca 2.5 Ultra: 1270
36. Claude Opus 4.6 (Thinking): 1267
37. Muse Spark 1.1: 1265
38. Grok 4.5: 1265
39. DeepSeek-V4.1-Flash (1017): 1264
40. GLM 5 Turbo: 1261
41. GPT-5.5: 1260
42. GLM-5.3-Flash: 1259
43. GLM 5.1: 1259
44. Muse Spark: 1258
45. MiMo-V2.5-Pro: 1256
46. GLM-5.3: 1252
47. Claude Sonnet 5: 1250
48. MiMo-V2.5: 1248
49. Kimi K2.6: 1247
50. Claude Opus 4.5: 1241
51. Gemini 3.5 Flash: 1238
52. Gemini 3 Pro Preview: 1237
53. GPT-5.6 Terra: 1237
54. Claude Opus 4.8: 1236
55. GPT-5.4 (Medium): 1233
56. Deca 2.5 Mini: 1233
57. MiniMax M3: 1231
58. MiniMax M2.7: 1230
59. Grok 4.7: 1228
60. GLM 5: 1226
61. Qwen3.6 Plus: 1225
62. Nex N2 Pro: 1223
63. Kimi K2.7 Code: 1221
64. Gemini 2.5 Pro: 1220
65. GPT-5 (High): 1219
66. Kimi K2.5 (Thinking): 1217
67. MiniMax M3.1 Flash: 1215
68. Grok 4.20 Beta (Reasoning): 1215
69. Mercury 3: 1212
70. GPT-5.1 Codex: 1211
71. GPT-6 Luna: 1210
72. GPT-5.6 Luna: 1207
73. Gemini 3.1 Pro Preview: 1207
74. MiniMax M2.1: 1204
75. GPT-5.1 (Low): 1202
76. DeepSeek-V4-Pro: 1200
77. GLM 5V Turbo: 1200
78. Grok 4.20 Beta: 1197
79. Claude 3.7 Sonnet: 1194
80. GPT-5.4 (Low): 1194
81. GLM 4.7: 1193
82. GPT-5.1 (None): 1193
83. GPT-5.1 (High): 1192
84. GPT-5.1 (Medium): 1190
85. GLM 4.5 Air: 1184
86. GPT-5.2 (Low): 1184
87. GPT-5.2 (None): 1182
88. DeepSeek-R1-0528: 1180
89. GPT-5.4 (None): 1179
90. DeepSeek-V4-Flash-0731: 1178
91. Grok 4.3: 1178
92. GPT-6.1 Terra: 1176
93. Solar Pro 4: 1175
94. GPT-5 (Minimal): 1174
95. Qwen3.5 397B A17B: 1173
96. Solar Mini 4: 1173
97. Step 3.7 Flash: 1171
98. MiniMax M2.5: 1170
99. DeepSeek-V3.1 (Thinking): 1166
100. Claude Sonnet 4.5: 1165
101. Hy3: 1164
102. Claude Opus 4.1 (Thinking): 1164
103. GPT-5.3 Codex: 1162
104. Claude Opus 4.1: 1159
105. GLM 4.6: 1159
106. GLM 4.5: 1157
107. DeepSeek-V3.2: 1156
108. Inkling: 1156
109. Claude Sonnet 4.5 (Thinking): 1156
110. Claude Sonnet 4 (Thinking): 1155
111. GPT-5.2 (Medium): 1154
112. DeepSeek-V3.2-Exp: 1150
113. Claude Opus 4: 1144
114. Nemotron 3 Ultra: 1143
115. Mistral Medium 3.1 (2508): 1142
116. MiniMax M2 Stable: 1138
117. MiMo-V2-Flash: 1135
118. Mistral Large 3 (2512): 1134
119. Qwen3.5 Plus 02-15: 1133
120. Gemini 2.5 Flash Preview 09-2025: 1132
121. GPT-5 mini (Default): 1129
122. DeepSeek-V4-Flash: 1125
123. Hy3 Low: 1123
124. Claude Haiku 4.5: 1122
125. GLM 4.7 Flash: 1121
126. Mistral Medium 3.5: 1118
127. Claude Sonnet 4: 1110
128. AesCoder-4B: 1108
129. Nemotron 3.5 Super VL: 1099
130. Qwen3 Max: 1098
131. Trinity Large Thinking: 1096
132. Grok 4 Fast: 1095
133. GPT-5.1 Codex Mini: 1095
134. DeepSeek-V3.1: 1094
135. DeepSeek-V3-0324: 1087
136. Grok 4.1 Fast (Reasoning): 1086
137. AGI-01 Swift: 1082
138. Prime Intellect: INTELLECT-3: 1076
139. Qwen3-235B-A22B-Instruct-2507: 1068
140. Grok 4.1 Fast: 1062
141. Gemini 2.5 Flash: 1058
142. GPT-5 nano (Default): 1054
143. Gemini 3.1 Flash-Lite Preview: 1043
144. Grok 4 Fast (Reasoning): 1037
145. Mistral Medium 3 (2505): 1032
146. Grok 4: 1029
147. Grok 3: 1028
148. Codestral 2508: 1015
149. Mercury 2: 1011
150. o4-mini: 989
151. GPT OSS 120B: 985
152. v0-1.5-md: 983
153. Devstral Medium: 933
154. Olmo 3.1 32B Think: 901
155. GPT-4.1 nano: 889
156. Grok 3 Mini: 875

### llm-stats: Best AI for coding ⭐

Un agrégat qui mélange de nombreux scores, pour la plupart déclarés par les éditeurs : un contexte utile, pas une mesure.

Score agrégé sur 68 benchmarks de code, en majorité déclarés par les éditeurs. (mis à jour le 2026-11-11)

1. Claude Fable 5.2: 50.7
2. Claude Opus 5.5: 48.8
3. Claude Sonnet 5.5: 47.1
4. Claude Mythos 5.2: 45.1
5. GPT-6 Astra: 45.1
6. Claude Mythos Preview: 43.2
7. Claude Fable 5: 43
8. Muse Wonder Full: 43
9. Gemini 4 Argon: 42.3
10. Muse Wonder Full: 42
11. Kimi K3.1 Pro: 41.7
12. GPT-5.6 Sol: 41.6
13. Muse Wonder: 40.4
14. DeepSeek-V4.1-Flash: 40.1
15. Kimi K3: 40
16. DeepSeek-V4.1-Flash-1017: 39.8
17. Muse Wonder: 39.3
18. GLM-5.3: 39.1
19. Muse Spark 1.3: 39
20. GPT-6.1 Sol: 38.8
21. Claude Opus 5: 38.8
22. Claude Opus 4.8: 38.4
23. Claude Haiku 5.5: 38.4
24. MiMo-V2.6-Pro: 38.3
25. GPT-5.6 Terra: 38.3
26. DeepSeek-V4-Pro-0813: 38.1
27. LongCat-2.5: 38
28. MiniMax M3.1 Flash: 38
29. SWE-2: 38
30. Qwen3.8 Max: 37.2
31. Ember-1: 36.8
32. Hy4 preview: 36.6
33. Mistral Large 4: 36.4
34. Inkling 2 Small: 36.2
35. GPT-6.1 Terra: 35.9
36. GPT-5.5: 35.5
37. Claude Mythos 5.1: 35.2
38. Grok 4.7: 34.7
39. Claude Opus 4.7: 34.7
40. Claude Fable 5.1: 34.6
41. Gemini 3.8 Flash: 34.3
42. Qwen3.7 Max: 34.1
43. Claude Sonnet 5: 33.9
44. MiMo-V2.6-Flash: 33.8
45. Muse Spark Open: 33.5
46. GPT-5.6 Luna: 33.3
47. Beam 1.0: 33.3
48. GPT-6 Sol: 33.3
49. GLM-5.2: 33.1
50. Qwen3.8-Flash-Next: 32.9
51. Qwen3.8 Flash: 32.8
52. DeepSeek-V4-Flash-Vision-Exp: 32.7
53. Kimi K2.6: 32.6
54. Grok 4.6: 32.6
55. Muse Spark 1.1: 32.1
56. Seed 2.1 Pro: 31.9
57. Gemini 3.7 Flash: 31.7
58. Grok 4.5: 31.7
59. GLM-5.3-Flash: 31.5
60. MiMo-V2.5-Pro: 31.2
61. Hy3: 31.1
62. Claude Opus 4.6: 31
63. DeepSeek-V4-Pro-Max: 30.9
64. DeepSeek-V4-Flash-0731: 30.6
65. MiniMax M3: 30.1
66. Gemini 3.1 Pro: 29.8
67. Qwen3.7-Plus: 29.4
68. Gemini 3.5 Flash: 29.3
69. Seed 2.1 Turbo: 29.3
70. GPT-5.4: 29.3
71. Qwen3.8-27B: 29.1
72. GPT-5.3 Codex: 29.1
73. GPT-6 Luna: 29
74. GLM-5.1: 29
75. Kimi K2.7 Code: 28.5
76. DeepSeek-V4-Flash-Max: 28.3
77. Inkling-Small: 28.3
78. Laguna S 2.1: 28.2
79. MiMo-V2.5: 27.6
80. Claude Opus 4.5: 27.2
81. Muse Spark 1.2: 27.1
82. MiniMax M2.7: 26.9
83. Qwen3.6 Plus: 26.7
84. Gemini 3.6 Flash: 26.6
85. MiniMax M2.5: 26.5
86. DeepSeek-V4-Flash-0423: 26.4
87. GPT-5: 26.2
88. Inkling: 26
89. GLM-5: 25.4
90. Qwen3.6-27B: 24.8
91. GPT-5.2 Codex: 24.5
92. Kimi K2.5: 24.4
93. MiMo-V2-Pro: 24.4
94. Claude Sonnet 4.6: 24.2
95. Ling 3.0 Flash: 24.1
96. Mistral Medium 3.5: 23.6
97. GPT-5.2: 23
98. DeepSeek-V3.2: 22.7
99. Muse Glimmer-30B: 22.7
100. Muse Spark: 22.7
101. Qwen3.5-397B-A17B: 22.7
102. DeepSeek-V3.2 (Thinking): 22.6
103. Seed 2.0 Pro: 22
104. MiniMax M2.1: 21.9
105. Gemini 3 Flash: 21.8
106. Claude Opus 4.1: 21.4
107. GPT-5.1 Instant: 21.3
108. GPT-5.4 mini: 21.2
109. GPT-5.1: 21.1
110. Nemotron 3.5 Super VL (120B A12B): 21.1
111. Claude Sonnet 4.5: 20.9
112. K2 Horizon 375B-A23B: 20.9
113. MiniCPM-SALA: 20.8
114. Kimi K2-Thinking-0905: 20.5
115. Solar Pro 4: 20.4
116. Step-3.5-Flash: 20.3
117. Qwen3.5-122B-A10B: 20.1
118. Nemotron 3 Ultra (550B A55B): 19.8
119. Claude Haiku 4.5: 19.5
120. Kimi K2 0905: 19.3
121. Nova 2 Pro: 19.2
122. MAI-Code-1-Flash: 18.9
123. LongCat-Flash-Thinking-2601: 18.8
124. Qwen3.6-35B-A3B: 18.8
125. Grok-3 Mini: 18.6
126. MiniMax M2: 18.1
127. Grok 4 Fast: 18
128. Solar Mini 4: 18
129. Grok-4 Heavy: 17.6
130. Grok-3: 17.5
131. Claude Opus 4: 17.4
132. GLM-4.7: 17.3
133. MiMo-V2-Flash: 17.3
134. DeepSeek-V3.2-Exp: 17.2
135. Grok-4: 17.2
136. Gemini 2.5 Pro Preview 06-05: 16.7
137. Qwen3.5-27B: 16.7
138. Claude Sonnet 4: 16.6
139. GLM-4.5: 15.9
140. Gemini 3.5 Flash-Lite: 15.5
141. GPT-5.4 nano: 15.4
142. GLM-4.6: 14.8
143. Nemotron 3.5 Bolt (74B A9B 24GB): 14.8
144. Nemotron Nano 9B v2: 14.3
145. o1-mini: 14.2
146. K2 Horizon MoVA 36B-A4B: 13.8
147. LongCat-Flash-Thinking: 13.7
148. Claude 3.7 Sonnet: 13.5
149. Nemotron 3 Super (120B A12B): 13
150. K2 Horizon 32B: 12.9
151. Mistral Large 2: 12.9
152. Grok Code Fast 1: 12.8
153. Claude 3.5 Sonnet: 12.8
154. Mercury 2: 12.7
155. Gemini 2.5 Pro: 12.6
156. DeepSeek-V3.1: 12.4
157. Llama 3.1 Nemotron Ultra 253B v1: 12.3
158. Qwen2.5 VL 32B Instruct: 12.2
159. LongCat-Flash-Chat: 12.2
160. Kimi K2 Instruct: 12.1
161. Qwen3 235B A22B: 12.1
162. Qwen3-Coder 480B A35B Instruct: 12.1
163. GPT-4o: 11.6
164. Qwen3.5-35B-A3B: 11.5
165. Qwen3 Max: 11.5
166. Llama 3.1 405B Instruct: 11.3
167. GLM-4.5-Air: 11.1
168. Claude 3.5 Sonnet: 11.1
169. Nova 2 Lite: 11.1
170. Granite 3.3 8B Instruct: 11
171. Granite 3.3 8B Base: 10.9
172. North Mini Code 1.0: 10.8
173. Mistral Small 4: 10.6
174. Nova Pro: 10
175. Qwen2.5-Coder 32B Instruct: 9.8
176. Qwen3 30B A3B: 9.7
177. Kimi K2-Instruct-0905: 9.6
178. Mistral Small 3.1 24B Instruct: 9.5
179. Qwen2.5 32B Instruct: 9.2
180. MiniMax M1 80K: 9.2
181. Llama 3.3 70B Instruct: 9.1
182. Grok-2: 9
183. Qwen3 32B: 8.8
184. IBM Granite 4.2 30B: 8.4
185. Gemini 2.5 Flash: 8.2
186. DeepSeek-R1-0528: 7.8
187. Command A+: 7.6
188. GPT-4 Turbo: 7.1
189. LongCat-Flash-Lite: 6.9
190. Qwen2.5-Coder 7B Instruct: 6.3
191. DeepSeek-V2.5: 5.9
192. Sarvam-30B: 5.4
193. GPT-4.5: 5.3
194. Gemma 3 27B: 5.2
195. GPT-4.1: 4.7
196. o1: 4
197. Qwen3-235B-A22B-Instruct-2507: 4
198. Claude 3.5 Haiku: 3.6
199. IBM Granite 4.2 8B: 3.5
200. Gemini Diffusion: 2.4
201. Mistral Large 3 (675B Instruct 2512): 1.4
202. Nemotron 3 Nano (30B A3B): 0.9
203. GPT-4o mini: -1
204. GPT-4o: -1.1
205. GPT-4.1 mini: -3.9
206. GPT-3.5 Turbo: -4.6
207. GPT-4.1 nano: -12.2

### SWE-rebench ⭐

Méthode reconnue, mais sa dernière fenêtre précède la plupart des modèles actuels.

Issues GitHub récentes et décontaminées — mais la dernière fenêtre s'arrête au 2026-07-01, avant la plupart des modèles actuels. (mis à jour le 2026-07-24)

1. Fable 5 [high]: 64.5045
2. Grok 4.5 [high]: 63.7838
3. Opus 5 [high]: 63.4234
4. GLM-5.2 [high]: 62.8829
5. GPT-5.6 Sol [medium]: 62.3423
6. Junie: 61.8018
7. Claude Code: 60.3604
8. Codex: 58.018
9. Sonnet 5 [high]: 56.7568
10. Cursor: 51.7117
11. MiniMax M3: 47.2072
12. MiMo V2.5 Pro: 46.4865
13. GPT-5.6 Luna [medium]: 43.6036
14. DeepSeek-V4 Pro [high]: 40.1802
15. Qwen3.6-27B: 31.1712
16. Qwen3.6-35B-A3B: 24.6847
17. Qwen3.5-35B-A3B: 17.1171

### KiloBench (Terminal-Bench 2.0 in Kilo) ⭐

Fait tourner l'ancien Terminal-Bench 2.0 dans un seul agent, et n'est pas renouvelé souvent.

Terminal-Bench 2.0 exécuté dans l'agent Kilo ; le coût est par passage complet de la suite, pas par tâche. (mis à jour le 2026-09-28)

1. OpenAI: GPT-6 Astra ($$$$): 79.3258
2. OpenAI: GPT-5.6 Sol: 76.1798
3. Anthropic: Claude Fable 5.1 ($$$$): 76.1798
4. DeepSeek: DeepSeek V4.1 Flash: 75.2809
5. Google: Gemini 3.8 Flash (50% off): 75.2809
6. OpenAI: GPT-5.5: 74.1573
7. SpaceXAI: Grok 4.6: 73.0337
8. MoonshotAI: Kimi K3: 72.809
9. Anthropic: Claude Opus 5: 71.4607
10. Anthropic: Claude Fable 5 ($$$$): 71.0112
11. SpaceXAI: Grok 4.5: 70.7865
12. Anthropic: Claude Opus 4.7: 70.1124
13. Anthropic: Claude Opus 4.8: 67.6404
14. Google: Gemini 3.5 Flash: 64.7191
15. MoonshotAI: Kimi K2.7 Code: 60.6742
16. Meta: Muse Spark 1.1: 59.7753
17. Anthropic: Claude Sonnet 5: 59.5506
18. Anthropic: Claude Sonnet 4.6: 55.0562
19. Qwen: Qwen3.7 Max: 54.6067
20. MoonshotAI: Kimi K2.6: 54.382
21. Qwen: Qwen3.8 Max: 54.1573
22. Z.ai: GLM 5.2: 53.0337
23. Meta: Muse Spark 1.2: 51.4607
24. SpaceXAI: Grok Build 0.1: 50.5618
25. Kwaipilot: KAT-Coder-Pro V2.5: 50.3371
26. Z.ai: GLM 5.1: 49.4382
27. Google: Gemini 3.6 Flash: 47.8652
28. Tencent: Hy3 (free): 47.6404
29. Xiaomi: MiMo-V2.5-Pro: 47.6404
30. MiniMax: MiniMax M3: 47.6404
31. kilo-auto/efficient: 46.7416
32. DeepSeek: DeepSeek V4 Pro 0423: 44.0449
33. Thinking Machines: Inkling: 43.5955
34. Poolside: Laguna S 2.1: 31.0112
35. inclusionAI: Ling-2.6-1T (retires Aug 24): 28.0742
36. Poolside: Laguna XS 2.1: 26.7416
37. NVIDIA: Nemotron 3 Ultra: 19.1011
38. NVIDIA: Nemotron 3 Super (free): 15.5056

### Terminal-Bench-Science 0.1 ⭐

Miroir de la version 0.1, supplanté par le passage d'Artificial Analysis du même benchmark.

Du travail scientifique en terminal (sciences de la vie, physiques, de la Terre, de l'ingénieur et mathématiques) réalisé par des agents de code, chaque modèle dans l'agent de son éditeur à un effort indiqué. Classement officiel, lignes reprises du miroir de Snorkel. (mis à jour le 2026-09-24)

1. GPT-6 Astra (Codex, max): 68.1 ±3.2
2. Opus 5.5 (Claude Code, max): 63.3 ±3.3
3. Fable 5.1 (Claude Code, max): 40 ±3.4
4. Opus 5 (Claude Code, max): 30 ±3.2
5. GPT-5.6 Sol (Codex, max): 22.4 ±2.9
6. Fable 5 (Claude Code, max): 21.4 ±2.8
7. DeepSeek V4.1 Flash (Codex, max): 15.7 ±2.5
8. Grok 4.7 (Grok Build, xhigh): 14.3 ±2.4
9. Gemini 3.8 Flash (mini-SWE-agent, high): 12.4 ±2.3
10. Opus 4.8 (Claude Code, max): 10.5 ±2.1
11. GPT-5.6 Terra (Codex, max): 8.6 ±1.9
12. GLM 5.3 (Claude Code, max): 8.1 ±1.9
13. Kimi K3 (Claude Code, max): 7.1 ±1.8
14. Grok 4.6 (Grok Build, xhigh): 7.1 ±1.8
15. Gemini 3.7 Flash (mini-SWE-agent, high): 5.7 ±1.6
16. DeepSeek V4 Pro (Codex, max): 3.8 ±1.3
17. GPT-5.6 Luna (Codex, max): 3.3 ±1.2

### Snorkel LibraryDesignBench ⭐

Étroit (conception d'API de bibliothèque), peu de modèles, pas renouvelé récemment.

Le modèle sait-il concevoir une bibliothèque que d'autre code utilise ensuite ? Taux de réussite des problèmes en aval multiplié par la simplicité de l'API, par modèle et harnais. Mesuré par Snorkel AI. (mis à jour le 2026-10-01)

1. Opus 5.5 (mini-SWE): 48.9 ±0.9
2. Fable 5.1 (mini-SWE): 47.5 ±1.1
3. GPT-6 Astra (mini-SWE): 45.1 ±0.7
4. GPT-6 Astra (Codex): 44.1 ±0.8
5. Kimi K3 (mini-SWE): 44 ±1
6. Fable 5.1 (Claude Code): 42.6 ±2.5
7. GLM 5.3 (mini-SWE): 41.9 ±1.1
8. Grok 4.6 (mini-SWE): 39.7 ±1.1
9. GPT-5.6 Sol (Codex): 39.5 ±1
10. GPT-6 Sol (mini-SWE): 38.5 ±0.7
11. DeepSeek V4 Pro (mini-SWE): 31.2 ±0.8

## Chiffres officiels de lancement

Ce que chaque éditeur a publié pour son propre modèle à sa sortie, avec l'effort utilisé. Chaque éditeur choisit son agent, son harnais et ses réglages : ces chiffres sont en général plus élevés que les mesures indépendantes. Servez-vous-en pour connaître les annonces de chacun, et des graphiques ci-dessus pour comparer.

- Claude Fable 5.2 · max · SWE-bench Pro: 93. [Claude Fable 5.2 and Claude Mythos 5.2 System Card](https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card) (2026-11-11)
- Claude Fable 5.2 · max · Terminal-Bench 4.0: 67.6. [Claude Fable 5.2 and Claude Mythos 5.2 System Card](https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card) (2026-11-11)
- Claude Fable 5.2 · max · DeepSWE v1.1: 74.3. [Claude Fable 5.2 and Claude Mythos 5.2 System Card](https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card) (2026-11-11)
- Claude Fable 5.2 · xhigh · FrontierCode 2.0: 49.1. [Introducing Claude Fable 5.2 and Claude Mythos 5.2](https://www.anthropic.com/claude-fable-and-mythos-5-2) (2026-11-11) · [Claude Fable 5.2 and Claude Mythos 5.2 System Card](https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card) (2026-11-11)
- Claude Opus 5.5 · max · SWE-bench Pro: 89.9. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Opus 5.5 · xhigh · Terminal-Bench 4.0: 66.4. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Opus 5.5 · max · DeepSWE v1.1: 74.2. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Opus 5.5 · max · FrontierCode 1.1: 54.4. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Fable 5.1 · max · SWE-bench Pro: 81.2. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Fable 5.1 · max · Terminal-Bench 4.0: 55.8. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Fable 5.1 · max · FrontierCode 1.1: 50.3. [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) (2026-09-28)
- Claude Sonnet 5.5 · max · SWE-bench Pro: 81.3. [Introducing Claude Sonnet 5.5](https://www.anthropic.com/claude-sonnet-5-5) (2026-09-29)
- Claude Sonnet 5.5 · max · Terminal-Bench 4.0: 70.6. [Introducing Claude Sonnet 5.5](https://www.anthropic.com/claude-sonnet-5-5) (2026-09-29)
- Claude Sonnet 5.5 · max · DeepSWE v1.1: 71. [Claude Sonnet 5.5 System Card](https://www.anthropic.com/claude-sonnet-5-5-system-card) (2026-09-29)
- Claude Sonnet 5.5 · xhigh · FrontierCode 1.1: 52.1. [Introducing Claude Sonnet 5.5](https://www.anthropic.com/claude-sonnet-5-5) (2026-09-29)
- Claude Haiku 5.5 · max · SWE-bench Pro: 64.8. [Claude Haiku 5.5 System Card](https://www.anthropic.com/claude-haiku-5-5-system-card) (2026-10-10)
- Claude Haiku 5.5 · max · Terminal-Bench 4.0: 39.2. [Introducing Claude Haiku 5.5](https://www.anthropic.com/claude-haiku-5-5) (2026-10-10)
- Claude Haiku 5.5 · max · FrontierCode 1.1: 46.4. [Introducing Claude Haiku 5.5](https://www.anthropic.com/claude-haiku-5-5) (2026-10-10)
- Claude Sonnet 5 · max · SWE-bench Verified: 85.2. [Claude Sonnet 5 System Card](https://www-cdn.anthropic.com/480e0bb54327b9622282e9c39a83a4f490ed377e/Claude%20Sonnet%205%20System%20Card.pdf) (2026-09-28)
- Claude Sonnet 5 · max · SWE-bench Pro: 63.2. [Claude Sonnet 5 System Card](https://www-cdn.anthropic.com/480e0bb54327b9622282e9c39a83a4f490ed377e/Claude%20Sonnet%205%20System%20Card.pdf) (2026-09-28)
- Claude Sonnet 5 · xhigh · Terminal-Bench 2.x: 80.4 (2.1). [Claude Sonnet 5 System Card](https://www-cdn.anthropic.com/480e0bb54327b9622282e9c39a83a4f490ed377e/Claude%20Sonnet%205%20System%20Card.pdf) (2026-09-28)
- Claude Haiku 4.5 · — · SWE-bench Verified: 73.3. [Introducing Claude Haiku 4.5](https://www.anthropic.com/news/claude-haiku-4-5) (2026-09-28)
- GPT-6 Astra · high · Terminal-Bench 4.0: 57.88. [GPT-6 Astra](https://openai.com/index/gpt-6-astra/) (2026-09-28)
- GPT-6 Astra · xhigh · DeepSWE v1.1: 74.12. [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) (2026-10-10)
- GPT-6 Astra · max · FrontierCode 1.1: 53.3. [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) (2026-10-10)
- GPT-6.1 Sol · high · DeepSWE v1.1: 75.22. [Introducing GPT-6.1 Sol](https://openai.com/index/introducing-gpt-6-1-sol/) (2026-10-10)
- GPT-6.1 Terra · max · Terminal-Bench 4.0: 50.3. [Introducing GPT-6.1 Terra](https://openai.com/index/introducing-gpt-6-1-terra/) (2026-10-27)
- GPT-6 Sol · max · DeepSWE v1.1: 68.81. [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) (2026-10-10)
- GPT-6 Sol · max · FrontierCode 1.1: 49.27. [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) (2026-10-10)
- GPT-6 Luna · max · DeepSWE v1.1: 66.59. [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) (2026-10-10)
- GPT-6 Luna · max · FrontierCode 1.1: 42.42. [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) (2026-10-10)
- Gemini 4 Carbon · high · Terminal-Bench 4.0: 65.2. [Gemini 4 Carbon model evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_model_evaluation.pdf) (2026-11-11) · [Gemini 4 Carbon model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Carbon-Model-Card.pdf) (2026-11-11)
- Gemini 4 Argon · high · DeepSWE v1.1: 77.9. [Gemini 4 Argon model evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_4_argon_model_evaluation.pdf) (2026-10-10) · [Gemini 4 Argon model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Argon-Model-Card.pdf) (2026-10-17)
- Gemini 4 Argon · high · Terminal-Bench 4.0: 57.4. [Gemini 4 Argon model evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_4_argon_model_evaluation.pdf) (2026-10-10) · [Gemini 4 Argon model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Argon-Model-Card.pdf) (2026-10-17)
- Gemini 3.8 Flash · medium · Terminal-Bench 2.x: 89.4 (2.1). [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) (2026-09-28)
- Gemini 3.8 Flash · — · Terminal-Bench 4.0: 19.1. [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) (2026-09-28)
- Gemini 3.8 Flash · high · DeepSWE v1.1: 73.7. [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) (2026-09-28)
- Gemini 3.7 Flash (deprecated) · medium · Terminal-Bench 2.x: 85.8 (2.1). [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) (2026-09-28)
- Gemini 3.7 Flash (deprecated) · — · Terminal-Bench 4.0: 11.2. [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) (2026-09-28)
- Gemini 3.7 Flash (deprecated) · — · DeepSWE v1.1: 65.3. [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) (2026-09-28)
- Gemini 3.1 Pro (preview) · high · SWE-bench Verified: 80.6. [Gemini 3.1 Pro model card](https://deepmind.google/models/model-cards/gemini-3-1-pro/) (2026-09-28)
- Gemini 3.1 Pro (preview) · high · SWE-bench Pro: 54.2. [Gemini 3.1 Pro model card](https://deepmind.google/models/model-cards/gemini-3-1-pro/) (2026-09-28)
- Gemini 3.1 Pro (preview) · high · Terminal-Bench 2.x: 68.5 (2.0). [Gemini 3.1 Pro model card](https://deepmind.google/models/model-cards/gemini-3-1-pro/) (2026-09-28)
- Grok 4.7 · xhigh · Terminal-Bench 4.0: 38. [Grok 4.7 model card](https://media.x.ai/v1/website/4p7card-5eccc980.pdf) (2026-09-28)
- Grok 4.7 · high · DeepSWE v1.1: 71. [Grok 4.7](https://x.ai/news/grok-4-7) (2026-09-28)
- Grok 4.6 · high · Terminal-Bench 4.0: 20.3. [Grok 4.7 model card](https://media.x.ai/v1/website/4p7card-5eccc980.pdf) (2026-09-28)
- Grok 4.6 · high · DeepSWE v1.1: 65.9. [Grok 4.6](https://x.ai/news/grok-4-6) (2026-09-28)
- Kimi K3 · max · Terminal-Bench 2.x: 88.3 (2.1). [Kimi K3](https://github.com/MoonshotAI/Kimi-K3) (2026-09-28)
- Kimi K3 · max · DeepSWE v1.1: 67.5. [Kimi K3](https://github.com/MoonshotAI/Kimi-K3) (2026-09-28)
- Kimi K3.1 Pro · max · Terminal-Bench 4.0: 65.7. [Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence](https://www.kimi.ai/blog/kimi-k3-1-pro) (2026-10-27)
- Kimi K3.1 Pro · max · DeepSWE v1.1: 75.5. [Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence](https://www.kimi.ai/blog/kimi-k3-1-pro) (2026-10-27)
- GLM-5.3 · max · Terminal-Bench 2.x: 88.2 (2.1). [GLM-5.3 model card](https://huggingface.co/zai-org/GLM-5.3) (2026-09-28)
- GLM-5.3 · max · DeepSWE v1.1: 66.9. [GLM-5.3 model card](https://huggingface.co/zai-org/GLM-5.3) (2026-09-28)
- GLM-5.3-Flash · — · Terminal-Bench 2.x: 84.3 (2.1). [GLM-5.3-Flash](https://z.ai/blog/glm-5.3-flash) (2026-09-28)
- GLM-5.3-Flash · — · DeepSWE v1.1: 63.4. [GLM-5.3-Flash](https://z.ai/blog/glm-5.3-flash) (2026-09-28)
- Mistral Large 4 · — · Terminal-Bench 4.0: 41.4. [Mistral Large 4 (Le Chonk): Built for Coders, Trusted by Defenders](https://mistral.ai/news/mistral-large-4-oss/) (2026-11-11)
- Mistral Large 4 · high · FrontierCode 2.0: 19.7. [Mistral Large 4 (Le Chonk): Built for Coders, Trusted by Defenders](https://mistral.ai/news/mistral-large-4-oss/) (2026-11-11)
- Mistral Large 4 · — · DeepSWE v1.1: 61.7 (preview). [Introducing Mistral Large 4](https://mistral.ai/news/mistral-large-4/) (2026-10-10)
## Distant ou local ?

Quand faire tourner un modèle sur sa propre machine a du sens : matériel, performances et limites face aux agents distants.


- **GPU 24 Go (RTX 4090 / 3090)**: Qwen3.8-27B Q4_K_M, 16.5 GB, 38–46 tok/s, AA 33.7 · TB4 5.6%
- **GPU 32 Go (RTX 5090)**: Qwen3.8-27B Q6 / NVFP4, 22–25 GB, 23–75 tok/s · MTP 98–134, AA 33.7 · TB4 5.6%
- **128 Go de mémoire unifiée (Strix Halo, DGX Spark, M5 Max)**: Qwen3.8-Flash-Next IQ4_XS, 93.7 GB, 11–37 tok/s · MTP 47–84, AA 39.8 · TB4 25.3%
- **256 Go de mémoire unifiée (M5 Ultra, M3 Ultra)**: GLM-5.3-Flash MLX 4-bit, 204 GB, 26–41 tok/s, AA 41.8 · TB4 32.8%

## FAQ

Des réponses ciblées pour choisir un modèle, arbitrer l’effort et gérer le quota de vos abonnements.

### Qu'est-ce qu'un agent de code IA ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-what-is-a-coding-agent)

Une IA qui travaille dans un projet logiciel : elle lit les fichiers, modifie le code, lance des commandes et des tests, et itère jusqu'à ce que la tâche soit terminée, sous le contrôle du développeur. Les plus utilisés en 2026 sont Claude Code, GitHub Copilot, Codex et Cursor.

L'endroit et la façon dont on utilise un agent : un terminal (CLI), une application desktop, une extension d'IDE, un service web hébergé, à distance depuis un téléphone ou un autre navigateur, dans GitHub et la CI/CD, depuis les outils d'équipe (Slack, Teams, Linear, Jira) ou via un SDK dans vos propres scripts. Le même agent en a souvent plusieurs, chacune avec son nom : Codex CLI, l'app de bureau ChatGPT, l'extension IDE Codex, Codex cloud, Codex Remote, Codex code review et le Codex SDK.

Sources : [AI coding agent adoption 2026](https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/) · [Codex glossary](https://learn.chatgpt.com/codex/glossary)

### Quel agent, quel modèle et quel effort pour « Planification avancée et architecture » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-planning)

Claude Code · Claude Fable 5.2 · high, avec Claude Max (100 $) ou Ultra (200 $) : Fable peut utiliser jusqu'à 50 % de la limite hebdomadaire (sur Pro, crédits payants uniquement). ≈ 2,9 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Max 5x (estimation centrale). Ou : Claude Code · Claude Opus 5.5 (défaut) · xhigh, avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 1,7 heures-agent par fenêtre de 5 h · ≈ 13 par semaine avec Claude Pro (estimation centrale).

Combien de temps : Seulement pour le plan : une session, jusqu'à ce que le plan ou le `SPEC.md` soit écrit, relu et validé. Ensuite : Arrêtez-vous là. Implémentez dans une nouvelle session avec Opus 5.5 en medium (défaut) — voir Code au quotidien — ou confiez le plan à une longue session avec `/goal`. Rester en xhigh pour implémenter coûte 2,5 fois plus par tâche (indice AA : 6,05 $ contre 2,45 $), et implémenter avec Fable 5.2 dépenserait son plafond hebdomadaire sur la partie qu'un modèle moins cher fait bien.

Pourquoi : Un plan, c'est une longue passe de raisonnement : l'effort y rapporte. Opus 5.5 obtient 57,4 à l'indice d'intelligence d'AA (v5) en xhigh, devant Claude Sonnet 5.5 en max (54,5 pour 10,02 $) et juste sous son propre max (59,1), pour 40 % de moins que max (6,05 $ contre 10,04 $ par tâche). Il fonctionne avec Claude Pro.

Sources : [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) · [Snorkel LibraryDesignBench 1.0.0](https://snorkel.ai/leaderboard/librarydesignbench/) · [CWE-bench v2](https://cwe-bench.com/) · [LiveBench](https://livebench.ai/)

### Quel agent, quel modèle et quel effort pour « Code au quotidien » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-daily)

Claude Code · Claude Opus 5.5 (défaut) · medium (défaut), avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).

Combien de temps : Toute la journée : medium, le réglage par défaut de Claude Code, est celui à laisser. Une session par tâche (`/clear` entre deux tâches), et arrêtez une session après deux corrections ratées. Ensuite : Une tâche qui résiste (une modification subtile, deux tentatives ratées) : `/effort high` pour cette tâche seulement, ou `ultrathink` pour un tour, puis retour en medium. Un bug que vous n'expliquez pas : Débogage. Une modification qui ne tient pas en une phrase : planifiez-la d'abord (Planification avancée). Beaucoup de petites retouches mécaniques : Gros volume.

Pourquoi : La meilleure qualité pour le quota sur le travail courant. Les benchmarks sont faits de tâches difficiles : là, high ajoute environ 4 points à medium (CursorBench 4.0 52,5 % → 56,0 %, Terminal-Bench 4.0 (AA) 52,5 % → 56,6 %, FrontierCode 2.0 30,1 % → 34,5 %) pour environ 35 % de quota en plus, donc environ un quart d'heures d'agent en moins. Sur les tâches courantes que medium résout déjà, ce gain ne se voit pas : gardez high pour les tâches qui résistent.

Sources : [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) · [FrontierCode leaderboard data](https://cognition.com/data/frontiercode-leaderboard/data.json) · [Arena Code: WebDev leaderboard](https://arena.ai/leaderboard/code/webdev) · [Design Arena: Code overall](https://www.designarena.ai/leaderboard/code)

### Quel agent, quel modèle et quel effort pour « Débogage » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-debug)

Claude Code · Claude Opus 5.5 (défaut) · high, avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 1,8 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Pro (estimation centrale).

Combien de temps : Jusqu'à ce que la cause soit trouvée et la correction prouvée par un test, puis `/effort medium` à nouveau : high coûte environ 27 % de plus par tâche que medium, trop pour le laisser toute la journée. Ensuite : Toujours bloqué : ajoutez `ultrathink` au prompt suivant (un tour en xhigh). Bloqué après deux tentatives : `/clear`, puis Claude Fable 5.2 en xhigh (Max ou Ultra) avec ce que vous avez appris. Une fois corrigé : retour au Code au quotidien.

Pourquoi : Le diagnostic est une tâche difficile, où l'effort se voit. Terminal-Bench, c'est surtout du diagnostic en terminal (builds cassés, services en panne, données à récupérer) ; sur le passage d'Artificial Analysis, Opus 5.5 gagne 4 points de medium à high (52,5 % → 56,6 %) pour 4,04 $ → 5,12 $ par tâche, environ 27 % de quota en plus.

Sources : [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) · [CursorBench 4.0](https://cursor.com/cursorbench) · [Vals AI benchmarks](https://www.vals.ai/benchmarks) · [Terminal-Bench 4.1 leaderboard](https://www.tbench.ai/)

### Quel agent, quel modèle et quel effort pour « Front-end et interfaces web » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-web)

Claude Code · Claude Opus 5.5 (défaut) · medium (défaut), avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).

Combien de temps : Pour les pages, les composants et les retouches : medium, le réglage par défaut, mène déjà Design Arena, dont les entrées Opus 5.5 tournent à un effort proche du défaut. Ensuite : Pour la page qui doit marquer (une landing page, une vitrine) : `/effort max` pendant sa construction, le réglage derrière l'avance sur Arena WebDev, puis retour en medium. Max consomme environ 35 % de quota en plus par heure (facteur d'effort 1 contre 0,74).

Pourquoi : En tête d'Arena WebDev (1814,3 ±11,7, votes humains à l'aveugle, arrêtés au 2026-11-10), à égalité avec Claude Fable 5.2 en xhigh (1835,8 ±22,4 sur seulement 994 votes, rangs 1 à 2), et nettement devant Claude Sonnet 5.5 en xhigh (1772,5), Gemini 4 Carbon en high (1768,2, préversion), GPT-6 Astra en max (1764,4) et GPT-6.1 Sol en max (1743,0). Premier aussi d'Arena Image-to-WebDev (1751,9 ±19,2), au niveau de Claude Sonnet 5.5 (1744,1).

Sources : [Arena Code: WebDev leaderboard](https://arena.ai/leaderboard/code/webdev) · [Arena Code: Image-to-WebDev](https://arena.ai/leaderboard/code/image-to-webdev) · [Design Arena: Code overall](https://www.designarena.ai/leaderboard/code) · [Design Arena: Website](https://www.designarena.ai/leaderboard/website)

### Quel agent, quel modèle et quel effort pour « Longues sessions d'agent autonome » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-long-runs)

Claude Code · Claude Opus 5.5 (défaut) · xhigh, avec Claude Max (100 $) ou Ultra (200 $) pour les longues sessions. Un agent seul n'atteint jamais la limite de 5 h (≈ 8,6 heures-agent par fenêtre) · ≈ 82,2 heures-agent par semaine avec Claude Max 5x (estimation centrale). Ou : Codex · GPT-6.1 Sol (défaut) · xhigh, avec ChatGPT Plus (20 $) ou Pro. ≈ 3,7 heures-agent par fenêtre de 5 h · ≈ 26,3 par semaine avec ChatGPT Plus (Codex) (estimation centrale).

Combien de temps : Pendant toute la session, jusqu'à ce que la condition de `/goal` soit remplie — des heures s'il le faut. Vérifiez les étapes clés plutôt que chaque action. Ensuite : Une fois l'objectif atteint, arrêtez la session, faites relire en contexte vierge (`/code-review`), puis revenez en medium (Code au quotidien) pour la suite. Si la session échoue deux fois sur la même erreur, arrêtez-la et replanifiez plutôt que de la laisser consommer du quota.

Pourquoi : Sur l'indice d'agents de code d'AA, qui fait tourner chaque modèle dans l'agent de son éditeur, Opus 5.5 en max dans Claude Code est premier (61,7 pour 11,42 $ par tâche), devant Gemini 4 Carbon (59,4) et Claude Sonnet 5.5 (59,3) ; GPT-6.1 Sol en max dans Codex obtient 54,1 pour 1,50 $, moins bien mais pour environ un huitième du coût. Sur le classement officiel tbench.ai (Terminal-Bench 4.1, la renotation de la 4.0 du 2026-11-09), Opus 5.5 en max est premier (65,76 %, 14,30 $ par essai) et GPT-6.1 Sol en max (60,91 %) devance de peu GPT-6 Astra (60,30 %) pour un cinquième de son coût par essai (1,92 $ contre 9,90 $).

Sources : [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) · [Terminal-Bench 4.1 leaderboard](https://www.tbench.ai/) · [Artificial Analysis Coding Agent Index](https://artificialanalysis.ai/agents/coding-agents) · [Introducing Claude Sonnet 5.5](https://www.anthropic.com/claude-sonnet-5-5)

### Quel agent, quel modèle et quel effort pour « Gros volume, sous-agents, retouches rapides » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-volume)

Codex · GPT-6.1 Terra · medium (défaut), avec ChatGPT Plus (20 $). Un agent seul n'atteint jamais la limite de 5 h (≈ 6,6 heures-agent par fenêtre) · ≈ 47,4 heures-agent par semaine avec ChatGPT Plus (Codex) (estimation centrale). Ou : Claude Code · Claude Haiku 5.5 · medium (défaut), avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). Un agent seul n'atteint jamais la limite de 5 h (≈ 16,1 heures-agent par fenêtre) · ≈ 122,3 heures-agent par semaine avec Claude Pro (estimation centrale).

Combien de temps : Tant que les tâches restent mécaniques et entièrement spécifiées : renommages, types, docstrings, tests sur un modèle clair. Testez le prompt sur 2 ou 3 fichiers, puis parallélisez. Ensuite : Dès qu'une tâche demande du jugement (un choix de conception, un bug flou), revenez au Code au quotidien. Seulement quand le quota de Terra s'épuise sur des retouches triviales, GPT-6 Luna en max coûte un peu moins, mais fait bien moins bien (Terminal-Bench 4.0 (AA) 12,6 % contre 32,3 %). Jamais Claude Fable 5.2 pour le travail en masse ou les sous-agents : il viderait son plafond de 50 % de la semaine sur des retouches qu'un petit modèle fait aussi bien.

Pourquoi : La qualité d'abord, puis le prix, pour des tâches faciles : les retouches en masse sont mécaniques et entièrement spécifiées, donc l'effort par défaut suffit. En medium, GPT-6.1 Terra obtient 32,3 % sur Terminal-Bench 4.0 (AA) pour 0,28 $ par tâche, 38,2 à l'indice AA pour 0,17 $ et 42,0 à l'indice d'agents de code d'AA pour 0,39 $ : devant Claude Haiku 5.5 en medium (15,2 %, 24,6) et loin devant GPT-6 Luna en max (12,6 %, 27,9, 31,2).

Sources : [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) · [Introducing GPT-6.1 Sol](https://openai.com/index/introducing-gpt-6-1-sol/) · [Introducing GPT-6.1 Terra](https://openai.com/index/introducing-gpt-6-1-terra/) · [Codex pricing](https://learn.chatgpt.com/docs/pricing)

### Quel agent, quel modèle et quel effort pour « Algorithmique, preuves et programmation compétitive » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-math)

Codex · GPT-6 Astra · max, avec ChatGPT Pro (100 $ / 200 $ / 500 $). ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale). Ou : Codex · GPT-6.1 Sol (défaut) · max, avec ChatGPT Plus (20 $) ou Pro. ≈ 3,7 heures-agent par fenêtre de 5 h · ≈ 26,3 par semaine avec ChatGPT Plus (Codex) (estimation centrale).

Combien de temps : Seulement pour le cœur difficile — l'algorithme, la preuve, l'optimisation : une session ciblée. Ensuite : Une fois le cœur correct et testé, revenez au Code au quotidien pour le code autour, les entrées-sorties et les tests.

Pourquoi : La qualité d'abord : GPT-6 Astra en max mène ALE-Bench (2951, contre 2147 pour Opus 5.5 en high), obtient 100 % sur Vals IOI (Opus 5.5 95,1 % ±4,9) et mène WeirdML v3 (42,2 en xhigh, Opus 5.5 31,2).

Sources : [Vals AI benchmarks](https://www.vals.ai/benchmarks) · [ALE-Bench (Epoch AI Benchmarking Hub)](https://epoch.ai/data/benchmark_data.zip) · [WeirdML v3 (Epoch AI Benchmarking Hub)](https://epoch.ai/data/benchmark_data.zip) · [LiveBench](https://livebench.ai/)

### Quel agent, quel modèle et quel effort pour « Code scientifique et numérique » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-science)

Claude Code · Claude Fable 5.2 · high, avec Claude Max (100 $) ou Ultra (200 $) : Fable peut utiliser jusqu'à 50 % de la limite hebdomadaire (sur Pro, crédits payants uniquement). ≈ 2,9 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Max 5x (estimation centrale). Ou : Claude Code · Claude Opus 5.5 (défaut) · xhigh, avec Claude Max (100 $) ou Ultra (200 $) pour les longues sessions. Un agent seul n'atteint jamais la limite de 5 h (≈ 8,6 heures-agent par fenêtre) · ≈ 82,2 heures-agent par semaine avec Claude Max 5x (estimation centrale).

Combien de temps : Pour le cœur numérique : le modèle, les formules, le noyau, jusqu'à ce qu'il corresponde à un résultat de référence. Ensuite : Une fois le cœur conforme à sa référence, revenez au Code au quotidien (Opus 5.5 en medium) pour les entrées-sorties, les graphiques et le packaging : Fable 5.2 dépenserait son plafond hebdomadaire sur du code qu'un modèle moins cher écrit aussi bien.

Pourquoi : La qualité d'abord : Claude Fable 5.2 mène Terminal-Bench Science (AA) en high (70,0 % ; 73,3 % en max), nettement devant Gemini 4 Carbon (64,8 %), GPT-6 Astra (63,3 % en max) et Opus 5.5 en xhigh (61,9 %). High plutôt que xhigh (67,6 %) ou max, qui coûte bien plus pour 3 points.

Sources : [Artificial Analysis evaluation details](https://artificialanalysis.ai/evaluations/terminalbench-4-0) · [Artificial Analysis: Terminal-Bench-Science](https://artificialanalysis.ai/evaluations/terminal-bench-science) · [Terminal-Bench-Science 0.1 (Snorkel mirror of the official board)](https://snorkel.ai/leaderboard/terminal-bench-science/) · [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models)

### Quel agent, quel modèle et quel effort pour « Illustrations et icônes SVG en code » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-svg-diagrams)

Codex · GPT-6 Astra · xhigh, avec ChatGPT Plus (20 $, 5 à 45 messages Astra par 5 heures) ou Pro (100 $ / 200 $ / 500 $). ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale). Ou : Claude Code · Claude Opus 5.5 (défaut) · high, avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 1,8 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Pro (estimation centrale).

Combien de temps : Pendant la création des éléments — un jeu d'icônes, une illustration, un logo — en itérant avec des rendus jusqu'à ce que ce soit juste. Ensuite : Pour de petites retouches d'un SVG existant (couleurs, tailles), votre agent du quotidien suffit.

Pourquoi : Premier modèle généraliste de l'arène SVG de Design Arena : Elo 1421 ±9 sur 1 808 duels à l'aveugle (68,8 % gagnés), environ 90 points devant Gemini 4 Argon (1329), Kimi K3.1 Pro (1326) et Claude Opus 5.5 (1321 ±10, 1 261 duels) : environ sept erreurs types, le seul signal sur un large échantillon pour les illustrations SVG. Seul Arrow 2 Telos, spécialisé en SVG et absent de tout abonnement, fait mieux.

Sources : [Design Arena: SVG](https://www.designarena.ai/leaderboard/svgs) · [MacBook SVG Benchmark: 34 AI Models, Ranked by the Laptop They Draw](https://playcode.io/blog/macbook-svg-benchmark) · [Managing usage with GPT-6 Astra in Work and Codex](https://help.openai.com/en/articles/20001516-managing-usage-with-gpt-6-astra-in-work-and-codex) · [Codex pricing](https://learn.chatgpt.com/docs/pricing)

### Quel agent, quel modèle et quel effort pour « Graphiques, tableaux de bord et diagrammes en code » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-charts-diagrams)

Claude Code · Claude Opus 5.5 (défaut) · medium (défaut), avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).

Combien de temps : Pendant que vous construisez le graphique ou la première version du diagramme, en itérant avec des rendus jusqu'à ce qu'il se lise bien. Ensuite : Pour les retouches suivantes (un libellé, un nœud de plus, une couleur), votre agent du quotidien suffit : un diagramme Mermaid est du texte ordinaire une fois qu'il existe.

Pourquoi : Claude Opus 5.5 mène la visualisation de données de Design Arena (1390 ±14 sur 700 duels à l'aveugle), devant Claude Sonnet 5.5 (1362, sur seulement 160 duels), Kimi K3 (1348), Claude Fable 5.1 (1342), Gemini 4 Argon (1333) et GPT-6 Astra (1325, 10e) : environ trois erreurs types devant Astra, le premier pour les illustrations SVG.

Sources : [Design Arena: data visualization](https://www.designarena.ai/leaderboard) · [MacBook SVG Benchmark: 34 AI Models, Ranked by the Laptop They Draw](https://playcode.io/blog/macbook-svg-benchmark) · [Prompting Claude Opus 5.5](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5) · [Antigravity models](https://antigravity.google/docs/models/)

### Quel agent, quel modèle et quel effort pour « 3D, jeux et creative coding en code » ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-use-case-3d)

Claude Code · Claude Opus 5.5 (défaut) · medium (défaut), avec Claude Pro (20 $), Max (100 $) ou Ultra (200 $). ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale). Ou : Codex · GPT-6 Astra · xhigh, avec ChatGPT Pro (100 $ / 200 $ / 500 $). ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale).

Combien de temps : Pendant que vous construisez la scène et ses interactions, à l'effort par défaut, medium. Ensuite : Pour régler des valeurs, des couleurs et de petites corrections, `/effort medium` (défaut). Textures et icônes en SVG : voir Illustrations et icônes SVG.

Pourquoi : Jeux : le meilleur modèle Claude du classement jeux de Design Arena (1429, 2 666 duels), derrière GPT-6 Astra en max (1466) et en xhigh (1457), et devant Claude Fable 5.2 (1404), sur des jeux pour navigateur écrits en code.

Sources : [Design Arena: Game dev](https://www.designarena.ai/leaderboard/game-dev) · [Arena Code: WebDev leaderboard](https://arena.ai/leaderboard/code/webdev) · [Design Arena: Code overall](https://www.designarena.ai/leaderboard/code) · [Managing usage with GPT-6 Astra in Work and Codex](https://help.openai.com/en/articles/20001516-managing-usage-with-gpt-6-astra-in-work-and-codex)

### L'effort max vaut-il le coup ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-is-max-effort-worth-it)

Rarement. L'effort par défaut de l'agent pour le travail courant ; high pour le débogage, xhigh pour la planification et les sessions de plusieurs heures ; max seulement là où vous avez mesuré un gain.

Opus 5.5 : sur Terminal-Bench 4.0 (AA), max égale xhigh (59,6 %) pour 49 % de plus. Claude Fable 5.2 : xhigh bat max sur FrontierCode 2.0 (49,1 % contre 45,7 %) pour un tiers du coût. GPT-6 Astra : xhigh égale ou bat max sur Terminal-Bench 4.0 et DeepSWE (59,6 % contre 59,1 % ; 74,1 % contre 73,2 %) pour environ 30 % de moins. Anthropic prévient que max peut trop réfléchir.

Sources : [FrontierCode leaderboard data](https://cognition.com/data/frontiercode-leaderboard/data.json) · [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) · [DeepSWE v1.1 leaderboard](https://deepswe.datacurve.ai/) · [Model configuration](https://code.claude.com/docs/en/model-config)

### Combien coûtent les abonnements des agents de code ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-subscription-prices)

Prix mensuels en dollars américains, par agent :

- Claude Code: Claude Pro 20 $US, Claude Max 5x 100 $US, Claude Ultra 200 $US
- Codex: ChatGPT Plus (Codex) 20 $US, ChatGPT Pro 100 (Codex) 100 $US, ChatGPT Pro 200 (Codex) 200 $US, ChatGPT Pro 500 (Codex) 500 $US
- Antigravity: Google AI Pro (Antigravity) 19,99 $US, Google AI Ultra 5x (Antigravity) 99,99 $US, Google AI Ultra 20x (Antigravity) 199,99 $US
- Grok Build: X Subscription Premium (Grok Build) 30 $US
- Claude Code / ZCode: GLM Coding Plan Lite 18 $US, GLM Coding Plan Pro 80 $US, GLM Coding Plan Max 168 $US
- Qwen Code: Qwen Token Plan Lite 6 $US, Qwen Token Plan Essential 10 $US, Qwen Token Plan Standard 18 $US, Qwen Token Plan Pro 68 $US
- MiMo Code: MiMo Token Plan Lite 6 $US, MiMo Token Plan Standard 16 $US, MiMo Token Plan Pro 50 $US, MiMo Token Plan Max 100 $US
- GitHub Copilot: $10 / $39 / $100
- OpenCode Go: $10 / $40 / $20 per member
- Cursor: $8 / $30 / $100 / $200

Sources : [Claude pricing](https://claude.com/pricing) · [What is the Max plan?](https://support.claude.com/en/articles/11049741) · [What is the Ultra plan?](https://support.claude.com/en/articles/17728952) · [Codex pricing](https://learn.chatgpt.com/docs/pricing) · [About ChatGPT Pro tiers](https://help.openai.com/en/articles/9793128-about-chatgpt-pro-tiers) · [Antigravity plans](https://antigravity.google/docs/plans/) · [Changes to Antigravity plans](https://antigravity.google/blog/changes-to-antigravity-plans) · [Grok FAQ](https://docs.x.ai/grok/faq)

### Comment fonctionnent les limites de 5 heures et hebdomadaires ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-five-hour-and-weekly-limits)

Une limite glissante comptée sur 5 heures à partir de la première requête, puis remise à zéro. Les plans Claude et ChatGPT (Codex) la combinent avec une limite hebdomadaire.

Un second plafond compté sur 7 jours, qui arrête les gros utilisateurs même quand chaque fenêtre de 5 heures a encore de la marge. Sur les plans Claude Max et Ultra, les modèles Claude Fable (5.2, 5.1, 5) peuvent en utiliser au plus 50 % à eux tous. Claude Ultra n'a que cette limite hebdomadaire (pas de fenêtre de 5 heures une fois le compte vérifié).

Le simulateur estime combien d'heures d'agent chaque abonnement donne, et quand le quota sera épuisé.

Sources : [How do usage and length limits work?](https://support.claude.com/en/articles/11647753) · [Codex pricing](https://learn.chatgpt.com/docs/pricing) · [Claude Fable models on your plan](https://support.claude.com/en/articles/15424964)

### Combien d'heures de travail d'agent donne un abonnement ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-agent-hours-per-subscription)

Estimations centrales du simulateur pour les préconisations actuelles (un agent qui travaille en continu) :

- Planification avancée et architecture (Claude Code · Claude Fable 5.2 · high): ≈ 2,9 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Max 5x (estimation centrale).
- Code au quotidien (Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)): ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- Débogage (Claude Code · Claude Opus 5.5 (défaut) · high): ≈ 1,8 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Pro (estimation centrale).
- Front-end et interfaces web (Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)): ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- Longues sessions d'agent autonome (Claude Code · Claude Opus 5.5 (défaut) · xhigh): Un agent seul n'atteint jamais la limite de 5 h (≈ 8,6 heures-agent par fenêtre) · ≈ 82,2 heures-agent par semaine avec Claude Max 5x (estimation centrale).
- Gros volume, sous-agents, retouches rapides (Codex · GPT-6.1 Terra · medium (défaut)): Un agent seul n'atteint jamais la limite de 5 h (≈ 6,6 heures-agent par fenêtre) · ≈ 47,4 heures-agent par semaine avec ChatGPT Plus (Codex) (estimation centrale).
- Algorithmique, preuves et programmation compétitive (Codex · GPT-6 Astra · max): ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale).
- Code scientifique et numérique (Claude Code · Claude Fable 5.2 · high): ≈ 2,9 heures-agent par fenêtre de 5 h · ≈ 14 par semaine avec Claude Max 5x (estimation centrale).
- Illustrations et icônes SVG en code (Codex · GPT-6 Astra · xhigh): ≈ 130,7 heures-agent par semaine avec ChatGPT Pro 200 (Codex) (pas de fenêtre de 5 h ; estimation centrale).
- Graphiques, tableaux de bord et diagrammes en code (Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)): ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).
- 3D, jeux et creative coding en code (Claude Code · Claude Opus 5.5 (défaut) · medium (défaut)): ≈ 2,3 heures-agent par fenêtre de 5 h · ≈ 17,6 par semaine avec Claude Pro (estimation centrale).

Sources : [How do usage and length limits work?](https://support.claude.com/en/articles/11647753) · [Codex pricing](https://learn.chatgpt.com/docs/pricing)

### Quel modèle est en tête des classements du code en ce moment ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-coding-leaderboard-leaders)

La première place de chaque classement, avec la date de sa dernière mise à jour :

- Arena Code: WebDev: Claude Fable 5.2 (xHigh) (1 835,8; 2026-11-10)
- Artificial Analysis Coding Agent Index: Claude Code - Claude Opus 5.5 (Max, Default Fallback) (61,7; 2026-11-10)
- Scale SWE-Bench Pro V2 (hard): Opus 5 (Claude Code) xhigh (98; 2026-11-06)
- LiveBench 2.0: long-horizon: Claude Fable 5.2 (xhigh) (82,9; 2026-11-09)
- Arena Agent Arena: code: Claude Opus 5.5 (Max) (0,2; 2026-11-08)
- FrontierSWE V2: Claude Fable 5.2 (69,9; 2026-11-09)
- SWE-Marathon v1.1: Antigravity CLI - Gemini 4 Carbon (high) (53,8; 2026-11-07)
- LiveBench v1: agentic coding: deepseek-v4.1-flash-max (77,3; 2026-10-16)
- Design Arena: code overall: GPT-6 Astra (xhigh) (1 387; 2026-11-11)
- Design Arena: agentic web app, full-stack: Claude Opus 5.5 (1 408; 2026-11-11)
- Design Arena: agentic web app, frontend: GPT-6 Astra (max) (1 343; 2026-11-11)
- Design Arena: website: Muse Wonder (max) (1 367; 2026-11-11)
- Arena Code: Image-to-WebDev: Claude Opus 5.5 (Max) (1 751,9; 2026-11-10)
- WeirdML v3 (agentic): Codex - gpt-6-astra (xhigh) (42,2; 2026-11-11)
- GSO (software optimization): Claude Fable 5.1 (xhigh) (87,3; 2026-09-27)
- Scale SWE Atlas: codebase Q&A: Opus 5 (Claude Code) xHigh (63,2; 2026-09-09)
- Scale SWE Atlas: test writing: Fable-5.1 (Claude Code) xHigh (67; 2026-09-09)
- Scale SWE Atlas: refactoring: GPT 6 Astra (Codex) xHigh (59,1; 2026-09-09)
- Snorkel Agentic Coding 2.0: GPT-6 Astra (47,6; 2026-10-23)
- Snorkel SWE-bench CLI: Opus 5.5 (16,6; 2026-10-23)
- Vals AI: ProgramBench: Claude Fable 5.2 (high) (19; 2026-11-09)
- Vals AI: SRE-bench: GPT-6 Astra (max) (56,9; 2026-11-05)
- CWE-bench v2: Claude Opus 5.5 (Claude Code) (67,1; 2026-11-02)
- Endor Labs Agent Security League: Claude Code - Claude Fable 5.1 (36,9; 2026-10-24)
- Terminal-Bench-Science (Artificial Analysis run): Claude Fable 5.2 (Max, Default Fallback) (73,3; 2026-11-09)
- Design Arena: UI components: GPT-6 Astra (xhigh) (1 399; 2026-11-11)
- Design Arena: game dev: GPT-6 Astra (max) (1 466; 2026-11-11)
- Design Arena: mobile apps (agents): Claude Fable 5.2 (1 338; 2026-11-11)
- Design Arena: SVG: Arrow 2 Telos (1 500; 2026-11-11)
- Design Arena: data visualization: Claude Opus 5.5 (1 390; 2026-11-11)
- llm-stats: Best AI for coding: Claude Fable 5.2 (50,7; 2026-11-11)
- SWE-rebench: Fable 5 [high] (64,5; 2026-07-24)
- KiloBench (Terminal-Bench 2.0 in Kilo): OpenAI: GPT-6 Astra ($$$$) (79,3; 2026-09-28)
- Terminal-Bench-Science 0.1: GPT-6 Astra (Codex, max) (68,1; 2026-09-24)
- Snorkel LibraryDesignBench: Opus 5.5 (mini-SWE) (48,9; 2026-10-01)

Sources : [Arena Code: WebDev leaderboard](https://arena.ai/leaderboard/code/webdev) · [Artificial Analysis Coding Agent Index](https://artificialanalysis.ai/agents/coding-agents) · [SWE-Bench Pro (public) V2](https://labs.scale.com/leaderboard/swe_bench_pro_public_v2) · [LiveBench](https://livebench.ai/) · [Arena Agent Arena: Code](https://arena.ai/leaderboard/agent/code) · [FrontierSWE V2](https://www.frontierswe.com/) · [SWE-Marathon v1.1](https://www.swe-marathon.org/) · [Design Arena: Code overall](https://www.designarena.ai/leaderboard/code) · [Design Arena: agentic web dev](https://www.designarena.ai/leaderboard?section=agentic-web-dev) · [Design Arena: Website](https://www.designarena.ai/leaderboard/website) · [Arena Code: Image-to-WebDev](https://arena.ai/leaderboard/code/image-to-webdev) · [WeirdML v3 (Epoch AI Benchmarking Hub)](https://epoch.ai/data/benchmark_data.zip) · [GSO (software optimization)](https://gso-bench.github.io/assets/leaderboard.json) · [SWE Atlas (codebase Q&A, test writing, refactoring)](https://labs.scale.com/leaderboard/sweatlas-qna) · [Snorkel Agentic Coding 2.0](https://snorkel.ai/leaderboard/agentic-coding-2/) · [Snorkel SWE-bench CLI](https://snorkel.ai/leaderboard/swe-bench-cli/) · [Vals AI: ProgramBench](https://www.vals.ai/benchmarks/programbench) · [Vals AI: SRE-bench](https://www.vals.ai/benchmarks/srebench) · [CWE-bench v2](https://cwe-bench.com/) · [Endor Labs Agent Security League](https://www.endorlabs.com/research/ai-code-security-benchmark) · [Artificial Analysis: Terminal-Bench-Science](https://artificialanalysis.ai/evaluations/terminal-bench-science) · [Design Arena: UI components](https://www.designarena.ai/leaderboard/ui-components) · [Design Arena: Game dev](https://www.designarena.ai/leaderboard/game-dev) · [Design Arena: Mobile apps (agents)](https://www.designarena.ai/leaderboard/mobileapps) · [Design Arena: SVG](https://www.designarena.ai/leaderboard/svgs) · [Design Arena: data visualization](https://www.designarena.ai/leaderboard) · [Best AI for coding](https://llm-stats.com/leaderboards/best-ai-for-coding) · [SWE-rebench](https://swe-rebench.com/) · [KiloBench](https://kilo.ai/kilobench) · [Terminal-Bench-Science 0.1 (Snorkel mirror of the official board)](https://snorkel.ai/leaderboard/terminal-bench-science/) · [Snorkel LibraryDesignBench 1.0.0](https://snorkel.ai/leaderboard/librarydesignbench/)

### Peut-on faire tourner un modèle de code en local ?

[Lien vers cette question](https://coding-agent.josedacosta.net/fr#q-local-coding-models)

Oui, sur une machine assez puissante ; voici les meilleurs choix par matériel, avec leur score à l'indice AA et sur Terminal-Bench 4.0 (TB4) :

- GPU 24 Go (RTX 4090 / 3090): Qwen3.8-27B Q4_K_M, 16.5 GB, 38–46 tok/s, AA 33.7 · TB4 5.6%
- GPU 32 Go (RTX 5090): Qwen3.8-27B Q6 / NVFP4, 22–25 GB, 23–75 tok/s · MTP 98–134, AA 33.7 · TB4 5.6%
- 128 Go de mémoire unifiée (Strix Halo, DGX Spark, M5 Max): Qwen3.8-Flash-Next IQ4_XS, 93.7 GB, 11–37 tok/s · MTP 47–84, AA 39.8 · TB4 25.3%
- 256 Go de mémoire unifiée (M5 Ultra, M3 Ultra): GLM-5.3-Flash MLX 4-bit, 204 GB, 26–41 tok/s, AA 41.8 · TB4 32.8%

Sources : [Qwen3.8-27B hardware tests](https://hardware-corner.net/qwen3-8-27b-hardware-tests/) · [Qwen3.8-27B quantizations benchmarked](https://quesma.com/blog/qwen38-27b-quantizations-benchmarked/) · [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) · [Mac Studio M5 Ultra review](https://www.macstories.net)


## Partager Coding Agent

Utile ? Partagez le lien en un clic, ou publiez le carrousel qui le résume : chaque partage cite l'outil et renvoie vers lui.

Ouvre le réseau avec le texte et le lien déjà remplis : il ne reste qu'à valider. Le texte est aussi copié, pour les réseaux qui ne le reprennent pas (Facebook, LinkedIn sur mobile).

L'essentiel de la page en slides, générées dans votre langue, votre mode et votre thème de couleurs : changez-les en haut de page, les slides suivent. Chaque slide porte le nom et l'adresse de l'outil.

[Partager Coding Agent](https://coding-agent.josedacosta.net/fr#share)

## Support et retours

Tout est parti d'une question qu'on me pose sans arrêt : « Qu'est-ce qu'il faut utiliser en ce moment ? » Je teste moi-même en continu, à peu près chaque semaine : il y a toujours du nouveau, en open source comme en poids ouverts, dans les modèles payants, dans les mises à jour et les nouveaux modèles, pour l'image comme pour le code. J'en avais assez de répéter les mêmes conseils à des dizaines de personnes, alors j'ai fait cette page : je la tiens à jour, et vous pouvez venir voir ce qu'il faut utiliser ou non, ce qu'il faut faire ou éviter. C'est la petite piqûre de rappel du moment.

Les préconisations sont une synthèse, par cas d’usage, des résultats et analyses des sites de benchmark et des recommandations officielles des fournisseurs. Le choix du modèle et du niveau d’effort tient compte des performances mesurées, du coût et de la consommation estimée de quota. Chaque choix renvoie à ses sources datées, en distinguant les mesures indépendantes des résultats publiés par les éditeurs.

C'est un projet personnel. En général, je l'actualise au fur et à mesure ; mais si je suis en vacances ou très occupé par d'autres projets, il peut prendre un peu de retard. Si vous voyez qu'il n'est plus à jour, n'hésitez pas à m'envoyer un petit rappel — par e-mail, WhatsApp, LinkedIn ou n'importe quel autre moyen — et je m'occupe de tout réactualiser sur-le-champ. Tous mes contacts sont sur mon portfolio, à la racine de ce site.

Comme la plupart de mes projets, celui-ci est gratuit et fait avec amour. J'espère qu'il vous aura servi ; en tout cas, il a été fait avec cœur.

## Références

Chaque chiffre de cette page vient de ces pages. Pour chacune : ce que nous y avons pris, et quand.

- [Codex developer commands](https://learn.chatgpt.com/docs/developer-commands) — OpenAI; consulté le 2026-09-29
- [Codex code review](https://learn.chatgpt.com/docs/code-review) — OpenAI; consulté le 2026-10-10
- [Claude Code review](https://code.claude.com/docs/en/code-review) — Anthropic; consulté le 2026-09-29
- [Claude Code: run and verify your app](https://code.claude.com/docs/en/skills) — Anthropic; consulté le 2026-09-29
- [Codex prompting](https://learn.chatgpt.com/docs/prompting) — OpenAI; consulté le 2026-09-29
- [Agent Security](https://cursor.com/docs/agent/security) — Cursor; consulté le 2026-09-29
- [Introducing Claude Sonnet 5.5](https://www.anthropic.com/claude-sonnet-5-5) — Anthropic, 2026-09-28; consulté le 2026-09-29
- [Claude Sonnet 5.5 System Card](https://www.anthropic.com/claude-sonnet-5-5-system-card) — Anthropic, 2026-09-28; consulté le 2026-09-29
- [Claude Sonnet 5.5 (Claude Platform docs)](https://platform.claude.com/docs/en/models/sonnet-5-5/overview) — Anthropic, 2026-09-28; consulté le 2026-10-10
- [Introducing Claude Haiku 5.5](https://www.anthropic.com/claude-haiku-5-5) — Anthropic, 2026-10-07; consulté le 2026-10-10
- [Claude Haiku 5.5 System Card](https://www.anthropic.com/claude-haiku-5-5-system-card) — Anthropic, 2026-10-07; consulté le 2026-10-10
- [Claude Haiku 5.5 (Claude Platform docs)](https://platform.claude.com/docs/en/models/haiku-5-5/overview) — Anthropic, 2026-10-07; consulté le 2026-10-10
- [Monthly API credits for Max and Team plans](https://support.claude.com/en/articles/17154008) — Anthropic, 2026-10-07; consulté le 2026-10-10
- [Claude Opus 5.5](https://www.anthropic.com/claude-opus-5-5) — Anthropic, 2026-09-22; consulté le 2026-09-28
- [Claude Opus 5.5 System Card](https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf) — Anthropic, 2026-09-22; consulté le 2026-09-28
- [Claude Fable 5.1 and Mythos 5.1](https://www.anthropic.com/claude-fable-and-mythos-5-1) — Anthropic, 2026-09-01; consulté le 2026-09-28
- [Introducing Claude Fable 5.2 and Claude Mythos 5.2](https://www.anthropic.com/claude-fable-and-mythos-5-2) — Anthropic, 2026-11-09; consulté le 2026-11-11
- [Claude Fable 5.2 and Claude Mythos 5.2 System Card](https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card) — Anthropic, 2026-11-09; consulté le 2026-11-11
- [Claude Fable 5.2 model page](https://platform.claude.com/docs/en/models/fable-5-2/overview) — Anthropic, 2026-11-09; consulté le 2026-11-11
- [Introducing Claude Sonnet 5](https://www.anthropic.com/news/claude-sonnet-5) — Anthropic, 2026-06-30; consulté le 2026-09-28
- [Models overview](https://platform.claude.com/docs/en/models/overview) — Anthropic; consulté le 2026-11-11
- [Pricing](https://platform.claude.com/docs/en/about-claude/pricing) — Anthropic; consulté le 2026-11-11
- [Effort](https://platform.claude.com/docs/en/build-with-claude/effort) — Anthropic; consulté le 2026-11-11
- [Optimizing for cost and intelligence](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence) — Anthropic; consulté le 2026-10-10
- [Claude pricing](https://claude.com/pricing) — Anthropic; consulté le 2026-11-11
- [How do usage and length limits work?](https://support.claude.com/en/articles/11647753) — Anthropic; consulté le 2026-10-10
- [What is the Max plan?](https://support.claude.com/en/articles/11049741) — Anthropic; consulté le 2026-11-11
- [What is the Ultra plan?](https://support.claude.com/en/articles/17728952) — Anthropic; consulté le 2026-11-11
- [Claude Fable 5.2 launch offers](https://support.claude.com/en/articles/17506494) — Anthropic, 2026-11-09; consulté le 2026-11-11
- [Claude Fable models on your plan](https://support.claude.com/en/articles/15424964) — Anthropic; consulté le 2026-11-11
- [Models, usage, and limits in Claude Code](https://support.claude.com/en/articles/14552983) — Anthropic; consulté le 2026-10-10
- [Model configuration](https://code.claude.com/docs/en/model-config) — Anthropic; consulté le 2026-11-11
- [5-hour session limits increase](https://x.com/ClaudeDevs/status/2102438800836489554) — Anthropic (ClaudeDevs on X), 2026-09-22; consulté le 2026-09-28
- [Claude Sonnet 5 System Card](https://www-cdn.anthropic.com/480e0bb54327b9622282e9c39a83a4f490ed377e/Claude%20Sonnet%205%20System%20Card.pdf) — Anthropic, 2026-06-30; consulté le 2026-09-28
- [Introducing Claude Haiku 4.5](https://www.anthropic.com/news/claude-haiku-4-5) — Anthropic, 2025-10-15; consulté le 2026-09-28
- [GPT-6 Astra](https://openai.com/index/gpt-6-astra/) — OpenAI, 2026-09-03; consulté le 2026-09-28
- [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) — OpenAI, 2026-09-22; consulté le 2026-10-10
- [Introducing GPT-6.1 Sol](https://openai.com/index/introducing-gpt-6-1-sol/) — OpenAI, 2026-09-29; consulté le 2026-10-10
- [Introducing GPT-6.1 Terra](https://openai.com/index/introducing-gpt-6-1-terra/) — OpenAI, 2026-10-26; consulté le 2026-10-27
- [GPT-6.1 Terra model page](https://developers.openai.com/api/docs/models/gpt-6.1-terra) — OpenAI, 2026-10-26; consulté le 2026-10-27
- [GPT-6.1 Sol model page](https://developers.openai.com/api/docs/models/gpt-6.1-sol) — OpenAI, 2026-09-29; consulté le 2026-10-10
- [DevDay 2026 Recap](https://openai.com/index/devday-2026-recap/) — OpenAI, 2026-09-29; consulté le 2026-10-10
- [Codex speed (Fast and Ultrafast)](https://learn.chatgpt.com/docs/agent-configuration/speed) — OpenAI; consulté le 2026-10-10
- [Codex rust-v0.161.0](https://github.com/openai/codex/releases/tag/rust-v0.161.0) — OpenAI, 2026-10-07; consulté le 2026-10-10
- [API pricing](https://developers.openai.com/api/docs/pricing) — OpenAI; consulté le 2026-10-27
- [GPT-6 Astra model page (and /gpt-6.1-sol, /gpt-6.1-terra, /gpt-6-sol, /gpt-6-luna)](https://developers.openai.com/api/docs/models/gpt-6-astra) — OpenAI; consulté le 2026-10-10
- [Codex pricing](https://learn.chatgpt.com/docs/pricing) — OpenAI; consulté le 2026-10-27
- [Codex models](https://learn.chatgpt.com/docs/models) — OpenAI; consulté le 2026-10-27
- [Managing usage with GPT-6 Astra in Work and Codex](https://help.openai.com/en/articles/20001516-managing-usage-with-gpt-6-astra-in-work-and-codex) — OpenAI; consulté le 2026-10-10
- [ChatGPT rate card (credit-based pricing)](https://help.openai.com/en/articles/11481834-chatgpt-rate-card-business-enterpriseedu-credit-based-pricing) — OpenAI; consulté le 2026-10-10
- [About ChatGPT Pro tiers](https://help.openai.com/en/articles/9793128-about-chatgpt-pro-tiers) — OpenAI, 2026-11-03; consulté le 2026-11-11
- [API credits for ChatGPT subscribers](https://developers.openai.com/api/docs/guides/chatgpt-api-credits) — OpenAI, 2026-10-28; consulté le 2026-11-11
- [Managing billing and seats in ChatGPT Business](https://help.openai.com/en/articles/8792536-managing-billing-and-seats-in-chatgpt-business) — OpenAI; consulté le 2026-09-28
- [Weekly allowance value on Pro 20x (GPT-5.6 Sol vs GPT-6 Astra)](https://github.com/openai/codex/issues/43731) — GitHub user report, 2026-09-08; consulté le 2026-09-28
- [Three weekly meters on Pro 5x](https://github.com/openai/codex/issues/43413) — GitHub user report, 2026-09-07; consulté le 2026-09-28
- [Google AI subscriptions](https://gemini.google/subscriptions/) — Google; consulté le 2026-11-11
- [Changes to Antigravity plans](https://antigravity.google/blog/changes-to-antigravity-plans) — Google, 2026-05-19; consulté le 2026-10-10
- [Antigravity plans](https://antigravity.google/docs/plans/) — Google; consulté le 2026-10-17
- [Antigravity models](https://antigravity.google/docs/models/) — Google; consulté le 2026-11-11
- [Gemini API pricing](https://aistudio.google.com/docs/pricing) — Google, 2026-11-10; consulté le 2026-11-11
- [Gemini thinking](https://ai.google.dev/gemini-api/docs/thinking) — Google; consulté le 2026-11-11
- [Gemini 3.8 Flash evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_3-8_flash_model_evaluation.pdf) — Google DeepMind, 2026-09-02; consulté le 2026-09-28
- [Gemini 4 Argon: our next era of frontier intelligence](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) — Google, 2026-09-30; consulté le 2026-10-10
- [Gemini 4 Argon: Built to solve your hardest problems](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/) — Google, 2026-10-13; consulté le 2026-10-17
- [What's new in Gemini 4 Argon (Gemini API)](https://aistudio.google.com/docs/whats-new-gemini-4-argon) — Google, 2026-10-13; consulté le 2026-11-11
- [Gemini 4 Argon in Google Antigravity](https://antigravity.google/blog/gemini-4-argon-in-google-antigravity) — Google, 2026-10-13; consulté le 2026-10-17
- [Gemini 4 Argon model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Argon-Model-Card.pdf) — Google DeepMind, 2026-10-13; consulté le 2026-10-17
- [Gemini 4 Argon model evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_4_argon_model_evaluation.pdf) — Google DeepMind, 2026-09-30; consulté le 2026-10-10
- [Gemini 4 Carbon: our next frontier model](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/) — Google, 2026-10-28; consulté le 2026-11-11
- [Gemini 4 Carbon is now available](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/) — Google, 2026-11-10; consulté le 2026-11-11
- [What's new in Gemini 4 Carbon (Gemini API)](https://aistudio.google.com/docs/whats-new-gemini-4-carbon) — Google, 2026-11-10; consulté le 2026-11-11
- [Gemini 4 Carbon and /swarm](https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity) — Google, 2026-11-10; consulté le 2026-11-11
- [Gemini 4 Carbon model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Carbon-Model-Card.pdf) — Google DeepMind, 2026-11-10; consulté le 2026-11-11
- [Gemini 4 Carbon model evaluation](https://storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_model_evaluation.pdf) — Google DeepMind, 2026-11-10; consulté le 2026-11-11
- [Fairwind Program](https://deepmind.google/fairwind-program/) — Google DeepMind; consulté le 2026-10-17
- [Gemini API deprecations](https://aistudio.google.com/docs/deprecations) — Google, 2026-11-10; consulté le 2026-11-11
- [Gemini 3.1 Pro model card](https://deepmind.google/models/model-cards/gemini-3-1-pro/) — Google DeepMind, 2026-02-19; consulté le 2026-09-28
- [Grok 4.7](https://x.ai/news/grok-4-7) — xAI, 2026-09-21; consulté le 2026-09-28
- [xAI API pricing](https://docs.x.ai/developers/pricing) — xAI; consulté le 2026-09-28
- [Reasoning](https://docs.x.ai/developers/model-capabilities/text/reasoning) — xAI; consulté le 2026-09-28
- [Grok plans](https://grok.com/plans) — xAI; consulté le 2026-09-28
- [Grok FAQ](https://docs.x.ai/grok/faq) — xAI, 2026-08-27; consulté le 2026-09-28
- [The X Subscription: pricing](https://docs.x.ai/x-subscription/pricing) — xAI; consulté le 2026-10-17
- [Grok 4.7 model card](https://media.x.ai/v1/website/4p7card-5eccc980.pdf) — xAI, 2026-09-21; consulté le 2026-09-28
- [Grok 4.6](https://x.ai/news/grok-4-6) — xAI, 2026-08-12; consulté le 2026-09-28
- [Kimi K3](https://github.com/MoonshotAI/Kimi-K3) — Moonshot AI, 2026-07-16; consulté le 2026-09-28
- [Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence](https://www.kimi.ai/blog/kimi-k3-1-pro) — Moonshot AI, 2026-10-24; consulté le 2026-10-27
- [Kimi K3.1 Pro (Hugging Face)](https://huggingface.co/moonshotai/Kimi-K3.1-Pro) — Moonshot AI, 2026-11-02; consulté le 2026-11-11
- [Kimi K3.1 Pro quickstart](https://platform.kimi.ai/docs/guide/kimi-k3-1-pro-quickstart) — Moonshot AI; consulté le 2026-10-27
- [Kimi Code: What's New](https://www.kimi.com/code/docs/en/kimi-code/whats-new.html) — Moonshot AI, 2026-10-23; consulté le 2026-10-27
- [Kimi API pricing](https://platform.kimi.ai/docs/pricing/chat) — Moonshot AI; consulté le 2026-10-27
- [Kimi Code models](https://www.kimi.com/code/docs/en/kimi-code/models.html) — Moonshot AI; consulté le 2026-10-27
- [Kimi Code membership](https://www.kimi.com/code/docs/en/kimi-code/membership.html) — Moonshot AI; consulté le 2026-10-27
- [Kimi membership pricing](https://www.kimi.com/en/help/membership/membership-pricing) — Moonshot AI; consulté le 2026-09-28
- [Coding plan tracker](https://codingplan.org) — codingplan.org, 2026-09-24; consulté le 2026-09-28
- [Kimi plans in USD](https://geotoolbox.ai) — geotoolbox.ai, 2026-09-05; consulté le 2026-09-28
- [GLM Coding Plan](https://z.ai/subscribe) — Z.ai; consulté le 2026-09-28
- [GLM Coding Plan overview](https://docs.z.ai/devpack/overview) — Z.ai; consulté le 2026-09-28
- [Z.ai API pricing](https://docs.z.ai/guides/overview/pricing) — Z.ai; consulté le 2026-09-28
- [GLM-5.3 model guide](https://docs.z.ai/guides/llm/glm-5.3) — Z.ai; consulté le 2026-09-28
- [GLM-5.3 launch post](https://z.ai/blog/glm-5.3) — Z.ai, 2026-08-14; consulté le 2026-09-28
- [GLM-5.3 in Claude Code: real cost on the Coding Plan](https://www.decodeur-ia.com/articles/glm-5-3-claude-code-tuto-config-coding-plan-cout-reel-2026) — Décodeur IA, 2026-08-29; consulté le 2026-09-28
- [GLM-5.3 model card](https://huggingface.co/zai-org/GLM-5.3) — Z.ai; consulté le 2026-09-28
- [GLM-5.3-Flash](https://z.ai/blog/glm-5.3-flash) — Z.ai, 2026-08-26; consulté le 2026-09-28
- [Claude Code usage meter measurements](https://github.com/anthropics/claude-code/issues/97074) — GitHub user reports, 2026-09-27; consulté le 2026-09-28
- [Claude Max weekly limit measurements](https://dev.classmethod.jp/articles/claude-max-20x-weekly-limit-not-4x/) — Classmethod, 2026-08-20; consulté le 2026-09-28
- [Cross-provider quota calibration](https://github.com/can1357/oh-my-pi/issues/13451) — oh-my-pi (GitHub), 2026-09-26; consulté le 2026-09-28
- [Codex usage research](https://www.codexusage.dev/research) — codexusage.dev, 2026-09-22; consulté le 2026-09-28
- [Pro 20x weekly meter measurement](https://github.com/openai/codex/issues/43222) — GitHub user report, 2026-09-10; consulté le 2026-09-28
- [AI coding agent adoption 2026](https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/) — JetBrains Research, 2026-08-15; consulté le 2026-09-28
- [GitHub Copilot plans](https://github.com/features/copilot/plans) — GitHub, 2026-09-28; consulté le 2026-11-11
- [Models and pricing for GitHub Copilot](https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing) — GitHub; consulté le 2026-11-11
- [Gemini 4 Carbon in GitHub Copilot](https://github.blog/changelog/2026-11-10-gemini-4-carbon-in-github-copilot/) — GitHub, 2026-11-10; consulté le 2026-11-11
- [Claude Fable 5.2 in GitHub Copilot](https://github.blog/changelog/2026-11-09-claude-fable-5-2-in-github-copilot/) — GitHub, 2026-11-09; consulté le 2026-11-11
- [Route and orchestrate models with GitHub Copilot Fusion](https://github.blog/changelog/2026-10-28-route-and-orchestrate-models-with-github-copilot-fusion/) — GitHub, 2026-10-28; consulté le 2026-11-11
- [Gemini 4 Argon in GitHub Copilot](https://github.blog/changelog/2026-10-13-gemini-4-argon-in-github-copilot/) — GitHub, 2026-10-13; consulté le 2026-10-17
- [Model Studio Coding Plan](https://www.alibabacloud.com/help/en/model-studio/coding-plan) — Alibaba Cloud, 2026-09-28; consulté le 2026-09-28
- [OpenCode Go](https://opencode.ai/docs/go/) — OpenCode, 2026-09-28; consulté le 2026-11-11
- [MiniMax Token Plan](https://platform.minimax.io/docs/guides/pricing-token-plan) — MiniMax, 2026-09-28; consulté le 2026-10-10
- [Muse Code](https://dev.meta.ai/products/muse-code) — Meta, 2026-09-28; consulté le 2026-09-28
- [MiMo Token Plan](https://mimo.mi.com/docs/en-US/price/token-plan) — Xiaomi, 2026-09-21; consulté le 2026-09-28
- [Mistral pricing](https://mistral.ai/pricing) — Mistral AI, 2026-09-28; consulté le 2026-11-11
- [Cursor pricing](https://cursor.com/pricing) — Cursor, 2026-10-12; consulté le 2026-10-17
- [What is The X Subscription?](https://cursor.com/help/the-x-subscription/overview) — Cursor, 2026-10-12; consulté le 2026-10-17
- [Legacy Cursor plans](https://cursor.com/docs/account/pricing/legacy-cursor-plans) — Cursor; consulté le 2026-10-17
- [Factory pricing](https://factory.com/pricing) — Factory, 2026-09-28; consulté le 2026-09-28
- [Qwen3.8-27B hardware tests](https://hardware-corner.net/qwen3-8-27b-hardware-tests/) — Hardware Corner, 2026-08-17; consulté le 2026-09-28
- [Qwen3.8-27B quantizations benchmarked](https://quesma.com/blog/qwen38-27b-quantizations-benchmarked/) — Quesma, 2026-08-26; consulté le 2026-09-28
- [Mac Studio M5 Ultra review](https://www.macstories.net) — MacStories, 2026-09-21; consulté le 2026-09-28
- [OpenRouter rankings: top models by task](https://openrouter.ai/rankings) — OpenRouter, 2026-09-27; consulté le 2026-09-28
- [Anthropic Economic Index: impact on software development](https://www.anthropic.com/research/impact-software-development) — Anthropic, 2025-04-28; consulté le 2026-09-28
- [How AI is transforming work at Anthropic](https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic) — Anthropic, 2025-12-02; consulté le 2026-09-28
- [AIDev-pop: pull requests opened by coding agents](https://arxiv.org/html/2602.02345v1) — MSR 2026 (arXiv), 2026-02-03; consulté le 2026-09-28
- [Artificial Analysis model leaderboard](https://artificialanalysis.ai/leaderboards/models) — Artificial Analysis; consulté le 2026-11-11
- [Artificial Analysis evaluation details](https://artificialanalysis.ai/evaluations/terminalbench-4-0) — Artificial Analysis; consulté le 2026-11-11
- [Announcing Artificial Analysis Intelligence Index v5](https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5) — Artificial Analysis, 2026-10-27; consulté le 2026-11-11
- [Artificial Analysis Coding Agent Index](https://artificialanalysis.ai/agents/coding-agents) — Artificial Analysis, 2026-11-10; consulté le 2026-11-11
- [Arena Code: WebDev leaderboard](https://arena.ai/leaderboard/code/webdev) — Arena (LMArena), 2026-11-10; consulté le 2026-11-11
- [Best AI for coding](https://llm-stats.com/leaderboards/best-ai-for-coding) — llm-stats (ZeroEval), 2026-11-11; consulté le 2026-11-11
- [Terminal-Bench 4.1 leaderboard](https://www.tbench.ai/) — Terminal-Bench (tbench.ai), 2026-11-09; consulté le 2026-11-11
- [Terminal-Bench 4.1](https://www.tbench.ai/news/terminal-bench-4-1) — Terminal-Bench (tbench.ai), 2026-11-09; consulté le 2026-11-11
- [DeepSWE v1.1 leaderboard](https://deepswe.datacurve.ai/) — Datacurve; consulté le 2026-09-28
- [CursorBench 4.0](https://cursor.com/cursorbench) — Cursor, 2026-11-10; consulté le 2026-11-11
- [FrontierCode leaderboard data](https://cognition.com/data/frontiercode-leaderboard/data.json) — Cognition, 2026-11-09; consulté le 2026-11-11
- [Vals AI benchmarks](https://www.vals.ai/benchmarks) — Vals AI, 2026-11-09; consulté le 2026-11-11
- [Design Arena: agentic web dev](https://www.designarena.ai/leaderboard?section=agentic-web-dev) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [Claude Code best practices](https://code.claude.com/docs/en/best-practices) — Anthropic; consulté le 2026-09-28
- [Claude Code changelog](https://code.claude.com/docs/en/changelog) — Anthropic, 2026-11-10; consulté le 2026-11-11
- [Claude Code commands](https://code.claude.com/docs/en/commands) — Anthropic; consulté le 2026-09-29
- [Claude Code workflows](https://code.claude.com/docs/en/workflows) — Anthropic; consulté le 2026-09-28
- [Claude Code costs](https://code.claude.com/docs/en/costs) — Anthropic; consulté le 2026-09-28
- [Claude Code permission modes](https://code.claude.com/docs/en/permission-modes) — Anthropic; consulté le 2026-09-28
- [Claude Code in Chrome](https://code.claude.com/docs/en/chrome) — Anthropic; consulté le 2026-09-28
- [Claude Code /goal](https://code.claude.com/docs/en/goal) — Anthropic; consulté le 2026-09-28
- [Claude Code worktrees](https://code.claude.com/docs/en/worktrees) — Anthropic; consulté le 2026-09-28
- [Prompting Claude Opus 5.5](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5) — Anthropic; consulté le 2026-09-28
- [Codex best practices](https://learn.chatgpt.com/guides/best-practices) — OpenAI; consulté le 2026-10-10
- [Antigravity CLI best practices](https://antigravity.google/docs/cli/best-practices) — Google; consulté le 2026-09-28
- [Grok Build plan mode](https://docs.x.ai/build/features/plan-mode) — xAI; consulté le 2026-09-28
- [Token Plan (Personal Edition)](https://www.alibabacloud.com/help/en/model-studio/token-plan-personal-overview) — Alibaba Cloud, 2026-09-28; consulté le 2026-09-28
- [Token Plan (Team Edition)](https://docs.qwencloud.com/token-plan/team/token-plan-team-overview.md) — QwenCloud (Alibaba); consulté le 2026-09-28
- [Qwen3.8-Max](https://www.qwencloud.com/models/qwen3.8-max) — QwenCloud (Alibaba); consulté le 2026-09-28
- [Qwen3.8-Flash](https://www.qwencloud.com/models/qwen3.8-flash) — QwenCloud (Alibaba); consulté le 2026-09-28
- [Deep thinking](https://docs.qwencloud.com/developer-guides/text-generation/thinking.md) — QwenCloud (Alibaba); consulté le 2026-09-28
- [Qwen3.8-2.4T-A95B model card](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B) — Qwen (Alibaba), 2026-08-12; consulté le 2026-09-28
- [Qwen3.8-Flash-Next model card](https://huggingface.co/Qwen/Qwen3.8-Flash-Next) — Qwen (Alibaba), 2026-08-26; consulté le 2026-09-28
- [Qwen Code](https://github.com/QwenLM/qwen-code) — Qwen (Alibaba), 2026-09-26; consulté le 2026-09-28
- [Qwen Code settings](https://qwenlm.github.io/qwen-code-docs/en/users/configuration/settings/) — Qwen (Alibaba); consulté le 2026-09-28
- [MiMo deep thinking](https://mimo.mi.com/static/docs/quick-start/usage-guide/text-generation/deep-thinking.md) — Xiaomi; consulté le 2026-09-28
- [MiMo-V2.6-Pro model card](https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL) — Xiaomi, 2026-09-21; consulté le 2026-09-28
- [MiMo Code](https://github.com/XiaomiMiMo/MiMo-Code) — Xiaomi, 2026-09-26; consulté le 2026-09-28
- [Design Arena: SVG](https://www.designarena.ai/leaderboard/svgs) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [Design Arena: data visualization](https://www.designarena.ai/leaderboard) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [MacBook SVG Benchmark: 34 AI Models, Ranked by the Laptop They Draw](https://playcode.io/blog/macbook-svg-benchmark) — Playcode, 2026-11-09; consulté le 2026-11-11
- [SWE-Bench Pro (public) V2](https://labs.scale.com/leaderboard/swe_bench_pro_public_v2) — Scale AI, 2026-11-06; consulté le 2026-11-11
- [SWE Atlas (codebase Q&A, test writing, refactoring)](https://labs.scale.com/leaderboard/sweatlas-qna) — Scale AI, 2026-09-09; consulté le 2026-09-29
- [WeirdML v3 (Epoch AI Benchmarking Hub)](https://epoch.ai/data/benchmark_data.zip) — Epoch AI, 2026-11-11; consulté le 2026-11-11
- [ALE-Bench (Epoch AI Benchmarking Hub)](https://epoch.ai/data/benchmark_data.zip) — Epoch AI, 2026-11-11; consulté le 2026-11-11
- [Arena Agent Arena: Code](https://arena.ai/leaderboard/agent/code) — Arena, 2026-11-08; consulté le 2026-11-11
- [Arena Code: Image-to-WebDev](https://arena.ai/leaderboard/code/image-to-webdev) — Arena, 2026-11-10; consulté le 2026-11-11
- [Design Arena: Website](https://www.designarena.ai/leaderboard/website) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [Design Arena: Code overall](https://www.designarena.ai/leaderboard/code) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [Design Arena: UI components](https://www.designarena.ai/leaderboard/ui-components) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [Design Arena: Game dev](https://www.designarena.ai/leaderboard/game-dev) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [Design Arena: Mobile apps (agents)](https://www.designarena.ai/leaderboard/mobileapps) — Design Arena, 2026-11-11; consulté le 2026-11-11
- [SWE-Marathon v1.1](https://www.swe-marathon.org/) — Abundant AI, 2026-11-07; consulté le 2026-11-11
- [Snorkel Agentic Coding 2.0](https://snorkel.ai/leaderboard/agentic-coding-2/) — Snorkel AI, 2026-10-23; consulté le 2026-11-11
- [Snorkel SWE-bench CLI](https://snorkel.ai/leaderboard/swe-bench-cli/) — Snorkel AI, 2026-10-23; consulté le 2026-11-11
- [Snorkel LibraryDesignBench 1.0.0](https://snorkel.ai/leaderboard/librarydesignbench/) — Snorkel AI, 2026-10-01; consulté le 2026-11-11
- [Terminal-Bench-Science 0.1 (Snorkel mirror of the official board)](https://snorkel.ai/leaderboard/terminal-bench-science/) — Snorkel AI / Laude Institute, 2026-09-24; consulté le 2026-11-11
- [Artificial Analysis: Terminal-Bench-Science](https://artificialanalysis.ai/evaluations/terminal-bench-science) — Artificial Analysis; consulté le 2026-11-11
- [Endor Labs Agent Security League](https://www.endorlabs.com/research/ai-code-security-benchmark) — Endor Labs, 2026-10-24; consulté le 2026-11-11
- [CWE-bench v2](https://cwe-bench.com/) — Collinear AI, 2026-11-02; consulté le 2026-11-11
- [GSO (software optimization)](https://gso-bench.github.io/assets/leaderboard.json) — GSO team (UC Berkeley), 2026-09-27; consulté le 2026-10-11
- [Vals AI: ProgramBench](https://www.vals.ai/benchmarks/programbench) — Vals AI, 2026-11-09; consulté le 2026-11-11
- [Vals AI: SRE-bench](https://www.vals.ai/benchmarks/srebench) — Vals AI, 2026-11-05; consulté le 2026-11-11
- [FrontierSWE V2](https://www.frontierswe.com/) — Proximal Labs, 2026-11-09; consulté le 2026-11-11
- [LiveBench](https://livebench.ai/) — LiveBench, 2026-11-09; consulté le 2026-11-11
- [KiloBench](https://kilo.ai/kilobench) — Kilo, 2026-09-28; consulté le 2026-09-28
- [SWE-rebench](https://swe-rebench.com/) — Nebius, 2026-07-24; consulté le 2026-09-28
- [Vals Index](https://www.vals.ai/models/anthropic_claude-opus-5-5) — Vals AI; consulté le 2026-11-11
- [Platforms and integrations](https://code.claude.com/docs/en/platforms) — Anthropic; consulté le 2026-09-28
- [Use Claude Code Desktop](https://code.claude.com/docs/en/desktop) — Anthropic; consulté le 2026-09-28
- [Use Claude Code in the cloud](https://code.claude.com/docs/en/claude-code-on-the-web) — Anthropic; consulté le 2026-09-28
- [Claude Code for VS Code](https://marketplace.visualstudio.com/items?itemName=anthropic.claude-code) — Anthropic, 2026-09-25; consulté le 2026-09-28
- [Codex glossary](https://learn.chatgpt.com/codex/glossary) — OpenAI; consulté le 2026-09-28
- [Codex changelog: Codex joins the ChatGPT desktop app](https://learn.chatgpt.com/codex/changelog) — OpenAI, 2026-07-09; consulté le 2026-09-28
- [Codex cloud](https://learn.chatgpt.com/codex/cloud) — OpenAI; consulté le 2026-09-28
- [Codex IDE extension](https://learn.chatgpt.com/codex/ide) — OpenAI; consulté le 2026-09-28
- [Codex CLI](https://learn.chatgpt.com/codex/cli) — OpenAI; consulté le 2026-09-28
- [Google Antigravity docs: choose your surface](https://antigravity.google/docs/home) — Google; consulté le 2026-09-28
- [Antigravity IDE Extensions](https://antigravity.google/docs/ide/extensions/) — Google; consulté le 2026-09-28
- [Antigravity CLI installation](https://antigravity.google/docs/cli/install/) — Google; consulté le 2026-09-28
- [Grok Build](https://docs.x.ai/build/overview) — xAI; consulté le 2026-09-28
- [Grok Build headless and ACP](https://docs.x.ai/build/cli/headless-scripting) — xAI; consulté le 2026-09-28
- [Kimi Code overview](https://www.kimi.com/code/docs/en/) — Moonshot AI; consulté le 2026-09-28
- [Kimi Code Desktop changelog](https://www.kimi.com/code/docs/en/kimi-code-desktop/changelog.html) — Moonshot AI, 2026-09-23; consulté le 2026-09-28
- [GLM Coding Plan supported tools](https://docs.z.ai/devpack/tool/others) — Z.ai; consulté le 2026-09-28
- [Claude Code IDE Plugin](https://docs.z.ai/devpack/tool/claude-for-ide) — Z.ai; consulté le 2026-09-28
- [Install ZCode](https://zcode.z.ai/en/docs/install) — Z.ai; consulté le 2026-09-28
- [Qwen Code in VS Code](https://qwenlm.github.io/qwen-code-docs/en/users/integration-vscode/) — Qwen (Alibaba); consulté le 2026-09-28
- [Qwen Code Desktop v0.24.6](https://github.com/QwenLM/qwen-code/releases/tag/desktop-v0.24.6) — Qwen (Alibaba), 2026-09-26; consulté le 2026-09-28
- [About GitHub Copilot CLI](https://docs.github.com/en/copilot/concepts/agents/about-copilot-cli) — GitHub; consulté le 2026-09-28
- [About GitHub Copilot cloud agent](https://docs.github.com/en/copilot/concepts/agents/coding-agent/about-coding-agent) — GitHub; consulté le 2026-09-28
- [Installing the GitHub Copilot extension in your environment](https://docs.github.com/en/copilot/how-tos/set-up/install-copilot-extension) — GitHub; consulté le 2026-09-28
- [Cursor CLI](https://cursor.com/docs/cli/overview) — Cursor; consulté le 2026-09-28
- [Cloud Agents](https://cursor.com/docs/cloud-agent) — Cursor; consulté le 2026-09-28
- [Cursor in JetBrains IDEs](https://cursor.com/docs/integrations/jetbrains) — Cursor; consulté le 2026-09-28
- [Download OpenCode](https://opencode.ai/download) — Anomaly (OpenCode); consulté le 2026-09-28
- [OpenCode web](https://opencode.ai/docs/web) — Anomaly (OpenCode); consulté le 2026-09-28
- [Junie, the coding agent by JetBrains](https://www.jetbrains.com/junie/) — JetBrains; consulté le 2026-09-28
- [npm downloads API: coding agent CLIs, week of 2026-10-04](https://api.npmjs.org/downloads/point/2026-10-04:2026-10-10/@openai/codex) — npm, 2026-10-10; consulté le 2026-10-11
- [npm downloads API: coding agent SDKs, week of 2026-10-04](https://api.npmjs.org/downloads/point/2026-10-04:2026-10-10/@anthropic-ai/claude-agent-sdk) — npm, 2026-10-10; consulté le 2026-10-11
- [VS Code Marketplace installs](https://marketplace.visualstudio.com/_apis/public/gallery/extensionquery) — Visual Studio Marketplace; consulté le 2026-10-11
- [JetBrains Marketplace downloads](https://plugins.jetbrains.com/api/searchPlugins) — JetBrains Marketplace; consulté le 2026-10-11
- [GitHub Action dependents](https://github.com/anthropics/claude-code-action/network/dependents) — GitHub; consulté le 2026-10-11
- [Introducing Mistral Large 4](https://mistral.ai/news/mistral-large-4/) — Mistral AI, 2026-10-06; consulté le 2026-10-10
- [Mistral Large 4 (Le Chonk): Built for Coders, Trusted by Defenders](https://mistral.ai/news/mistral-large-4-oss/) — Mistral AI, 2026-10-29; consulté le 2026-11-11
- [Mistral Large 4 (Mistral docs)](https://docs.mistral.ai/models/mistral-large-4-0) — Mistral AI, 2026-11-05; consulté le 2026-11-11
- [Vibe Code Web: limits and lifecycle](https://docs.mistral.ai/vibe/code/vibe-code-web/limits-and-lifecycle) — Mistral AI; consulté le 2026-11-11
- [MiniMax M Plan](https://platform.minimax.io/docs/m-plan/intro) — MiniMax, 2026-09-30; consulté le 2026-10-11
- [60 million Copilot code reviews and counting](https://github.blog/ai-and-ml/github-copilot/60-million-copilot-code-reviews-and-counting/) — GitHub, 2026-03-05; consulté le 2026-09-29
- [About GitHub Copilot code review](https://docs.github.com/en/copilot/concepts/agents/code-review) — GitHub; consulté le 2026-09-29
- [Asking GitHub Copilot questions in GitHub](https://docs.github.com/en/copilot/how-tos/chat-with-copilot/chat-in-github) — GitHub; consulté le 2026-09-29
- [A Practical Approach to Verifying Code at Scale](https://alignment.openai.com/scaling-code-verification/) — OpenAI; consulté le 2026-09-29
- [Review GitHub pull requests with Codex](https://developers.openai.com/codex/integrations/github) — OpenAI; consulté le 2026-09-29
- [Claude Code GitHub Actions](https://code.claude.com/docs/en/github-actions) — Anthropic; consulté le 2026-09-29
- [Bugbot](https://cursor.com/docs/bugbot) — Cursor; consulté le 2026-09-29
- [Building a better Bugbot](https://cursor.com/blog/building-bugbot) — Cursor; consulté le 2026-09-29
- [OpenCode GitHub](https://opencode.ai/docs/github) — Anomaly (OpenCode); consulté le 2026-09-29
- [qwen-code-action](https://github.com/QwenLM/qwen-code-action) — Qwen (Alibaba); consulté le 2026-09-29
- [Continue local sessions from any device with Remote Control](https://code.claude.com/docs/en/remote-control) — Anthropic; consulté le 2026-09-29
- [Claude Code on mobile](https://code.claude.com/docs/en/mobile) — Anthropic; consulté le 2026-09-29
- [Claude Code in Slack](https://code.claude.com/docs/en/slack) — Anthropic; consulté le 2026-09-29
- [Run Claude Code programmatically](https://code.claude.com/docs/en/headless) — Anthropic; consulté le 2026-09-29
- [Agent SDK overview](https://code.claude.com/docs/en/agent-sdk/overview) — Anthropic; consulté le 2026-09-29
- [Asking GitHub Copilot questions in GitHub Mobile](https://docs.github.com/en/copilot/how-tos/chat-with-copilot/chat-in-mobile) — GitHub; consulté le 2026-09-29
- [Copilot SDK](https://docs.github.com/en/copilot/how-tos/copilot-sdk) — GitHub; consulté le 2026-09-29
- [Codex Remote](https://developers.openai.com/codex/remote) — OpenAI; consulté le 2026-09-29
- [Use Codex in Slack](https://developers.openai.com/codex/integrations/slack) — OpenAI; consulté le 2026-09-29
- [Use Codex in Linear](https://developers.openai.com/codex/integrations/linear) — OpenAI; consulté le 2026-09-29
- [Codex SDK](https://developers.openai.com/codex/sdk) — OpenAI; consulté le 2026-09-29
- [Non-interactive mode](https://developers.openai.com/codex/noninteractive) — OpenAI; consulté le 2026-09-29
- [Cursor for iOS](https://cursor.com/docs/cloud-agent/mobile) — Cursor; consulté le 2026-09-29
- [Cursor in Slack](https://cursor.com/docs/integrations/slack) — Cursor; consulté le 2026-09-29
- [Cursor in Linear](https://cursor.com/docs/integrations/linear) — Cursor; consulté le 2026-09-29
- [Using Headless CLI](https://cursor.com/docs/cli/headless) — Cursor; consulté le 2026-09-29
- [Cursor SDK](https://cursor.com/docs/sdk/typescript) — Cursor; consulté le 2026-09-29
- [OpenCode SDK](https://opencode.ai/docs/sdk) — Anomaly (OpenCode); consulté le 2026-09-29
- [OpenCode CLI](https://opencode.ai/docs/cli) — Anomaly (OpenCode); consulté le 2026-09-29
- [Antigravity Remote Control](https://antigravity.google/docs/remote-control/) — Google; consulté le 2026-09-29
- [Qwen Code Channels](https://qwenlm.github.io/qwen-code-docs/en/blog/quickstart/channels-weixin-launch-announcement/) — Qwen (Alibaba); consulté le 2026-09-29
- [Headless Mode](https://qwenlm.github.io/qwen-code-docs/en/users/features/headless/) — Qwen (Alibaba); consulté le 2026-09-29
- [Qwen Code TypeScript SDK](https://qwenlm.github.io/qwen-code-docs/en/developers/sdk-typescript/) — Qwen (Alibaba); consulté le 2026-09-29
- [Kimi Agent SDK](https://github.com/MoonshotAI/kimi-agent-sdk) — Moonshot AI; consulté le 2026-09-29
- [ZCode Remote Control](https://zcode.z.ai/en/docs/remote-control) — Z.ai; consulté le 2026-09-29
- [ZCode Bot Channel](https://zcode.z.ai/en/docs/bot-channel) — Z.ai; consulté le 2026-09-29

- [Fiches pratiques pour les agents de code](https://coding-agent.josedacosta.net/fr#workflows)
