Comparaison des capacités des modèles d'IA
Multimodal
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.
SWE-bench MultimodalBenchmark d'ingénierie logicielle multimodale
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| N° | Modèle | Cost / TestCoût par test | Input costPrix d'entrée par million de tokens | Output costPrix de sortie par million de tokens | DurationDurée de test déclarée | Input / Output TokensUtilisation déclarée de token en entrée / sortie | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 70.21 | $4.92 | $4 | $20 | 18.53 min | 3.18B / 38.08M |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 61.25 | $5.46 | $10 | $50 | 15.2 min | 2.21B / 27.94M |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.33 | $4.53 | $2 | $10 | 24.22 min | 6.21B / 67.48M |
| 4 |  Gemini 4 ArgonGemini 4 Argon | 56.04 | $11.4 | $4 | $20 | 33.63 min | 6.54B / 56.31M |
| 5 | Claude Haiku 5.5Claude Haiku 5.5 | 43.96 | $0.7 | $0.1 | $0.5 | 16.27 min | 4.64B / 62.24M |
| 6 |  GPT-6.1 SolGPT-6.1 Sol | 43.54 | $0.35 | $2 | $10 | 6.93 min | 242.14M / 8.75M |
| 7 | GPT-6 AstraGPT-6 Astra | 43.33 | $1.81 | $10 | $50 | 7.05 min | 222.91M / 7.78M |
| 8 | GPT-6 LunaGPT-6 Luna | 37.5 | $0.03 | $0.1 | $0.5 | 5.27 min | 524.11M / 13.09M |
Benchmarks Vals.ai
Source: Vals.ai ↗ · Mis à jour 2026-10-19
SWE-bench Multimodal · Mis à jour 2026-10-16
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.
- Score
- Teste des tâches d'ingénierie logicielle qui nécessitent des informations visuelles ainsi que du code, comme l'interprétation de captures d'écran d'une interface. Méthodologie d'évaluation ↗
- Cost / Test
- Coût par test · USD
- Input cost
- Prix d'entrée par million de tokens · USD / 1M tokens
- Output cost
- Prix de sortie par million de tokens · USD / 1M tokens
- Duration
- Durée de test déclarée · s / min
- Input / Output Tokens
- Utilisation déclarée de token en entrée / sortie · tokens
- Vals.ai
- Les coûts et les temps sont rapportés par Vals pour ce benchmark, et non les prix ou la latence universels des modèles. Le coût API estimé de CUA-bench couvre l’usage lié à l’évaluation et constitue une estimation de borne inférieure, et non un coût par tâche ; le temps par action est une moyenne, pas une médiane. Un astérisque signale un comportement de cache de prompt le jour du lancement qui a augmenté les coûts d’écriture du cache. Les valeurs manquantes ne sont pas publiées ; elles ne valent pas zéro.