Comparaison des capacités des modèles d'IA
Codage agentique
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
— means no published score for this candidate in this source, not zero.
| N° | Modèle | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 74.2Claude Opus 5.5 | 62.3Claude Opus 5.5 | 66.4Claude Opus 5.5 | 90.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 74.1GPT-6 Astra | 65.5GPT-6 Astra | 58.2GPT-6 Astra | 89.6GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 67.4Claude Fable 5.1 | 56.3Claude Fable 5.1 | 57.9Claude Fable 5.1 | 90.3Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 77.9Gemini 4 Argon | 55Gemini 4 Argon | 57.4Gemini 4 Argon | 91.9Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — | — | — | — |
| 7 | Claude Opus 5 | — | — | — | — |
| 8 | GPT-6 Sol | — | — | — | — |
| 9 | GPT-6 Luna | — | — | — | — |
| 10 | Claude Haiku 5.5 | — | — | — | — |
| 11 | Claude Mythos Preview | — | — | — | — |
Google DeepMind (model card)
Source: Google DeepMind (model card) ↗
Fiche de modèle Google : résultats de l'éditeur et scores tiers republiés, en date d'octobre 2026. Voir la méthodologie pour les paramètres d'évaluation ; ce ne sont pas toutes des évaluations indépendantes. Méthodologie d'évaluation ↗
DeepSWE v1.1 · Source date unknown
FrontierSWE v2 · Source date unknown
Terminal-bench 4.0 · Source date unknown
Vibe Code Bench · Source date unknown
PandaNpc Mis à jour 21 oct. 2026, 06:01 UTC
Source: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guide des colonnes
- N°
- Ordre d'affichage uniquement. Le tri modifie ce numéro ; il ne s'agit pas d'un classement de capacité publié.
- Modèle
- Le nom du modèle évalué et l'icône de son fournisseur. Un tiret dans une colonne de score signifie qu'aucun score publié n'est disponible ici, et non un zéro.
- DeepSWE v1.1Ingénierie logicielle DeepSWE v1.1
- Teste l'ingénierie logicielle à long horizon sur des tâches originales, avec une vérification de la réussite par rapport aux exigences des tâches. Comparez la même version du benchmark et la même configuration d'agent. Méthodologie d'évaluation ↗
- FrontierSWE v2Ingénierie logicielle FrontierSWE v2
- Teste des tâches difficiles d'ingénierie et de recherche technique. Les scores reflètent l'évaluation publiée des tâches, la version et la configuration de l'agent affectant la comparabilité. Méthodologie d'évaluation ↗
- Terminal-bench 4.0Benchmark de terminal 4.0
- Teste la réalisation de tâches pratiques dans un environnement de terminal, comme la programmation et les opérations système. Les versions utilisent des ensembles de tâches différents et doivent être comparées séparément. Méthodologie d'évaluation ↗
- Vibe Code BenchBenchmark de vibe coding
- Teste la création d'applications web à partir de demandes en langage naturel, en évaluant l'application résultante plutôt que des réponses de code isolées. Méthodologie d'évaluation ↗
Interprétez les scores au sein d'un même benchmark, d'une même source et d'une même version. Des valeurs plus élevées indiquent une meilleure performance sur la métrique rapportée, mais les différentes colonnes ne partagent pas une échelle commune.