Retour à la tendance du jour: Plusieurs assistants IA peuvent désormais écrire des logiciels ensemble, jour et nuit
Classement Poly · tiré de la tendance du jour

Meilleur modèle de programmation 2026 : le top 10 pour une équipe d'agents

Claude Opus 5.5 a écrit 64,4 % du code IA relu par cubic la semaine du 26 oct. et est en tête de Terminal-Bench 4.0 avec 64,8 %, mais GPT-6.1 Sol, au prix de sortie deux fois moindre, a moins de bogues comptés par ligne : 0,76 contre 1,14.

  • N° 1 : GPT-5.6 Sol
  • 10 places

01Liste finale

Les IA de pointe ont établi séparément leur propre liste de dix places. Ci-dessus, un résultat commun facile à vérifier : chaque place a une raison, les IA qui l’ont incluse et, quand les IA l’ont donnée, une source.

Ordre : du plus grand au plus faible accord entre les IA.

Une pastille vive signifie que cette IA a mis l'élément dans sa liste. Une pastille terne, qu'elle ne l'a pas fait.

  1. 1

    GPT-5.6 Sol

    C'était le modèle le plus propre dans Codex avec 0,62, mais il n'obtient que 32,2 % sur les tâches d'une journée et 37,3 % sur les tâches en terminal. Il a disparu du classement de cubic du 4 nov.

    L’ont inclus: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Dans leurs listes: ChatGPT: 7 · Meta: 1 · Grok: 9 · Gemini: 3 · Nova · DeepSeek: 9 · Wenxin: 1 · MiMo: 3

    Ce qu'a noté chaque IA 8
    • ChatGPTplace 7

      Son ancien taux de bugs de 0,62 dans Codex était excellent, mais un score de 32,2% sur les tâches longues plaide contre le lui confier pour le poste le plus exigeant.

      Source ↗
    • Metaplace 1

      0,62 dans Codex, 0,65 au total — seul modèle sous la moyenne, 35% de bugs en moins, mais 0,7% du code relu la semaine du 5 octobre

      Source ↗
    • Grokplace 9

      C'était le modèle le plus propre dans Codex, avec 0,62, et sur les tâches d'une journée il obtient 32,2%, soit environ la moitié d'Astra.

      Source ↗
    • Geminiplace 3

      Le codeur de production le plus propre enregistré : un taux relatif de bugs exceptionnellement bas, 0,62, ce qui en fait le cheval de bataille quotidien le plus fiable, malgré un score modeste de 32,2% sur les tâches de 20 heures.

    • Nova

      Nommé autrement dans sa propre liste : ouvrez la liste complète.

    • DeepSeekplace 9

      Taux de bugs de 0,62 dans Codex — 38% de bugs comptés en moins que la moyenne — mais 37,3% sur Terminal-Bench et 32,2% sur FrontierSWE : le poste le plus propre pour les petites tâches, pas pour les longues.

      Source ↗
    • Wenxinplace 1

      Taux de bugs observé le plus bas (0,62) au tarif Codex — du code propre pour le prix d'un café par million de tokens.

      Source ↗
    • MiMoplace 3

      Le code le plus propre du classement — 0,62 bug par ligne dans Codex — et le score le plus faible sur les tâches longues parmi les meilleurs modèles, 32,2%.

      Source ↗
    8 IA l’ont placé ici
    Source ↗
  2. 2

    GPT-6 Astra

    En tête de FrontierSWE v2 sur 20 heures avec 65,5 %, mais coûte environ 1 030 $ par essai contre 99 $ pour Opus 5.5, et sa sortie coûte 50 $ par million de jetons. Donnez-lui le poste d'escalade.

    L’ont inclus: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Dans leurs listes: ChatGPT: 3 · Meta: 3 · Grok: 4 · Gemini: 1 · Nova · DeepSeek: 3 · Wenxin: 2 · MiMo: 2

    Ce qu'a noté chaque IA 8
    • ChatGPTplace 3

      Champion des tâches d'ingénierie de 20 heures avec 65,5%, mais son prix de 50 $ par token de sortie en fait un modèle d'escalade plutôt que mon choix quotidien par défaut.

      Source ↗
    • Metaplace 3

      Leader FrontierSWE v2 à 65,5% + 58,2% sur Terminal-Bench, mais taux de bugs de 1,13 au-dessus de la moyenne — le survivant des 20 heures

    • Grokplace 4

      Il est en tête du classement des 20 heures avec 65,5%, pour environ 1 030 $ par essai, et sur les tâches terminal il ne bat pas Sol, facturé 10 $ en sortie.

      Source ↗
    • Geminiplace 1

      Domine les marathons de 20 heures avec 65,5% sur FrontierSWE v2, tout en maintenant un taux de résolution CLI de 58,2% dans Codex.

    • Nova

      Nommé autrement dans sa propre liste : ouvrez la liste complète.

    • DeepSeekplace 3

      65,5% sur FrontierSWE et 58,2% sur Terminal-Bench : le meilleur modèle du classement pour les tâches d'une journée, mais 50 $ en sortie et un taux de bugs de 1,09.

      Source ↗
    • Wenxinplace 2

      Champion FrontierSWE à 65,5% et 58,2% sur les terminaux — mais 1,13 bug/ligne le rend plus cher par ligne propre.

    • MiMoplace 2

      Le seul modèle à avoir fini en première place les tâches de 20 heures — pour 1 029,65 $ par essai et 1,13 bug compté par ligne dans Codex.

      Source ↗
    8 IA l’ont placé ici
    Source ↗
  3. 3

    Claude Opus 5.5

    Meilleure paire sur le terminal, avec 64,8 % et 62,3 % sur les tâches de 20 heures, mais son taux de bogues est de 1,14 aujourd'hui (1,49 en octobre). Donnez-lui le poste des tâches difficiles, pas celui du code propre.

    L’ont inclus: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Dans leurs listes: ChatGPT: 2 · Meta: 4 · Grok: 3 · Gemini: 2 · Nova · DeepSeek: 5 · Wenxin: 3 · MiMo: 1

    Ce qu'a noté chaque IA 8
    • ChatGPTplace 2

      Leader des tâches terminal avec 64,8%, mais son taux de bugs agrégé de 1,14 est moins bon que la moyenne du code relu par cubic.

      Source ↗
    • Metaplace 4

      N° 1 Terminal-Bench à 64,8%, N° 2 FrontierSWE à 62,3%, mais taux de bugs de 1,49, le pire dans Claude Code — terminal puissant, quotidien sale

      Source ↗
    • Grokplace 3

      Il a écrit 64,4% du code IA relu par cubic la semaine du 26 octobre, et ce n'est pas le modèle propre dans Claude Code : 1,13 aujourd'hui, 1,49 dans l'article d'octobre.

      Source ↗
    • Geminiplace 2

      Le champion actuel des outils en ligne de commande, avec 64,8% sur Terminal-Bench 4.0 et 62,3% sur FrontierSWE v2, mais un taux relatif de défauts de 1,49.

    • Nova

      Nommé autrement dans sa propre liste : ouvrez la liste complète.

    • DeepSeekplace 5

      64,8% sur Terminal-Bench et 62,3% sur FrontierSWE : le couple le plus solide dans Claude Code pour le travail difficile, mais son taux de bugs de 1,39 est le pire de Bug Bench.

      Source ↗
    • Wenxinplace 3

      64,8% sur les terminaux, 62,3% sur les tâches de 20 h — mais 1,49 bug/ligne le place derrière sur la propreté du code.

      Source ↗
    • MiMoplace 1

      Gagne le classement terminal dans son cadre avec 64,8% et tient les tâches de 20 heures à 62,3% — pour environ 99 $ par essai, là où le gagnant de ce classement paie 1 030 $.

      Source ↗
    8 IA l’ont placé ici
    Source ↗
  4. 4

    GPT-6.1 Sol

    Taux de bogues actuel le plus bas (0,76), 58,2 % sur les tâches en terminal, 10 $ en sortie. Réserve : l'article de cubic du 16 oct. le donnait à 1,22 sur deux semaines de données, et il n'a pas de ligne FrontierSWE.

    L’ont inclus: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. Ne l’ont pas inclus: Nova.

    Dans leurs listes: ChatGPT: 1 · Meta: 6 · Grok: 1 · Gemini: 6 · DeepSeek: 1 · Wenxin: 6 · MiMo: 5

    Ce qu'a noté chaque IA 7
    • ChatGPTplace 1

      Un taux relatif de bugs de 0,76 et le même résultat terminal qu'Astra, 58,2%, pour un cinquième du prix standard des tokens de sortie d'Astra.

      Source ↗
    • Metaplace 6

      58,2% sur Terminal-Bench, à égalité avec Astra pour 1,92 $ contre 14,30 $, taux de bugs de 1,22 dans Codex, OpenAI recommandé pour le code complexe

      Source ↗
    • Grokplace 1

      Le moins de bugs comptés parmi tous les modèles classés, avec 0,76, et le même score terminal qu'Astra, 58,2%, pour environ 634 $ le passage Codex au lieu de 3,3 k$.

      Source ↗
    • Geminiplace 6

      Égale les 58,2% de résolution CLI d'Astra dans Codex avec une profondeur de raisonnement itératif plus grande, et affiche un taux relatif de bugs de 1,22.

    • DeepSeekplace 1

      Taux relatif de bugs de 0,98 et 58,2% sur Terminal-Bench pour 10 $ en sortie — le meilleur poste polyvalent, légèrement derrière Astra sur les tâches longues, mais cinq fois moins cher.

      Source ↗
    • Wenxinplace 6

      58,2% sur les terminaux et 1,22 bug/ligne — plus rapide qu'Astra, un peu plus propre, même gamme de prix.

    • MiMoplace 5

      Même score terminal que les modèles phares (58,2%) pour 10 $ par million de tokens de sortie — cinq fois moins cher qu'Astra, mais 1,22 bug par ligne.

      Source ↗
    7 IA l’ont placé ici
    Source ↗
  5. 5

    Claude Sonnet 5.5

    À trois points des meilleurs sur les deux classements (61,8 % en terminal, 61,9 % sur les tâches d'une journée), pour 10 $ en sortie, soit la moitié du prix d'Opus 5.5, avec un taux de bogues de 1,03.

    L’ont inclus: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. Ne l’ont pas inclus: Nova.

    Dans leurs listes: ChatGPT: 4 · Meta: 5 · Grok: 2 · Gemini: 4 · DeepSeek: 2 · Wenxin: 4 · MiMo: 4

    Ce qu'a noté chaque IA 7
    • ChatGPTplace 4

      Avec 61,8% de résolution des tâches terminal, il est à trois points d'Opus 5.5, ce qui en fait un poste de mise en œuvre sérieux.

      Source ↗
    • Metaplace 5

      61,8% sur Terminal-Bench, 61,9% sur FrontierSWE, taux de bugs de 1,24 à égalité avec Fable dans Claude Code, pour un cinquième du prix

      Source ↗
    • Grokplace 2

      À 10 $ par million de tokens de sortie, il se situe près du leader terminal, 61,8% dans Claude Code, et près du leader sur une journée, 61,9% dans le cadre commun.

      Source ↗
    • Geminiplace 4

      Atteint 61,8% sur Terminal-Bench 4.0 pour une fraction du prix de sortie d'Opus, et sert de standard du marché au quotidien pour les boucles d'agents en ligne de commande.

    • DeepSeekplace 2

      Taux de bugs de 1,06 et 61,8% sur Terminal-Bench pour 10 $ en sortie : le moyen le moins cher d'obtenir le score terminal haut de gamme de Claude Code.

      Source ↗
    • Wenxinplace 4

      61,8% sur les terminaux, à peu près la moitié du prix d'Opus — le choix du cheval de bataille.

      Source ↗
    • MiMoplace 4

      À environ deux points d'Opus 5.5 dans les sessions de code, à un niveau inférieur — le choix le plus avantageux de la paire Anthropic.

      Source ↗
    7 IA l’ont placé ici
    Source ↗
  6. 6

    Claude Fable 5.1

    Modèle le plus propre dans Claude Code avec 0,93 (1,09 en octobre), mais à 50 $ en sortie il coûte autant qu'Astra et obtient 56,3 % sur les tâches d'une journée, contre 65,5 % pour Astra.

    L’ont inclus: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. Ne l’ont pas inclus: Nova.

    Dans leurs listes: ChatGPT: 5 · Meta: 2 · Grok: 5 · Gemini: 5 · DeepSeek: 7 · Wenxin: 5 · MiMo: 6

    Ce qu'a noté chaque IA 7
    • ChatGPTplace 5

      Son taux de bugs agrégé de 0,93 bat les 1,14 d'Opus 5.5, bien qu'Opus soit beaucoup plus utilisé.

      Source ↗
    • Metaplace 2

      1,09 dans Claude Code, le plus propre là-bas, 56,3% sur FrontierSWE, à égalité avec Sonnet 5.5 mais coûte 5 fois plus

      Source ↗
    • Grokplace 5

      Le modèle le plus propre dans Claude Code, avec 0,93, alors que celui que les gens utilisent vraiment par défaut est Opus 5.5.

      Source ↗
    • Geminiplace 5

      Associe un solide taux de réussite de 57,9% sur Terminal-Bench 4.0 à un taux relatif de bugs de 1,09, nettement plus propre à la relecture qu'Opus 5.5.

    • DeepSeekplace 7

      Taux de bugs de 1,07, 57,9% sur Terminal-Bench et 56,3% sur FrontierSWE — équilibré, mais à 50 $ en sortie il coûte le même prix qu'Astra, sans l'avance d'Astra sur les tâches longues.

      Source ↗
    • Wenxinplace 5

      57,9% sur les terminaux, 1,09 bug/ligne — propreté de milieu de gamme, prix de milieu de gamme, le juste milieu pour le code quotidien.

      Source ↗
    • MiMoplace 6

      Le spécialiste du quotidien : 57,9% sur les tâches terminal et le code le plus propre mesuré dans Claude Code, à 1,09.

      Source ↗
    7 IA l’ont placé ici
    Source ↗
  7. 7

    Claude Opus 5

    Le modèle le moins bogué classé dans Cursor, à 1,22, toujours au-dessus de la moyenne. Il obtient 52,0 % sur les tâches d'une journée, derrière Opus 5.5, et coûte plus cher avec 25 $ en sortie.

    L’ont inclus: ChatGPT, Meta, Grok, DeepSeek, MiMo. Ne l’ont pas inclus: Gemini, Nova, Wenxin.

    Dans leurs listes: ChatGPT: 8 · Meta: 8 · Grok: 8 · DeepSeek: 10 · MiMo: 9

    Ce qu'a noté chaque IA 5
    • ChatGPTplace 8

      Un taux de bugs agrégé de 1,21 le place derrière le plus récent Opus 5.5, sans amélioration statistique claire établie pour la famille.

      Source ↗
    • Metaplace 8

      52,0% sur FrontierSWE, taux de bugs de 1,33, 51,8% sur l'ancien Terminal-Bench — remplacé par Opus 5.5, 20% moins cher

      Source ↗
    • Grokplace 8

      Dans Cursor, c'est le modèle classé le moins bogué, avec 1,22, ce qui reste 22% de bugs comptés en plus que la moyenne.

      Source ↗
    • DeepSeekplace 10

      Taux de bugs de 1,30, 53,9% sur Terminal-Bench, 52,0% sur FrontierSWE et 25 $ en sortie — un poste intermédiaire, ni le plus propre ni le plus fort désormais.

      Source ↗
    • MiMoplace 9

      La génération précédente termine encore la moitié des tâches de 20 heures (52,0%), là où les modèles plus récents et moins chers calent à 32%.

      Source ↗
    5 IA l’ont placé ici
    Source ↗
  8. 8

    Grok 4.7

    La sortie la moins chère du classement, à 6 $ par million de jetons, a le taux de bogues le plus élevé du classement, 1,79, et 37,6 % sur les tâches en terminal dans Grok Build.

    L’ont inclus: ChatGPT, Grok, Gemini, Wenxin, MiMo. Ne l’ont pas inclus: Meta, Nova, DeepSeek.

    Dans leurs listes: ChatGPT: 10 · Grok: 10 · Gemini: 7 · Wenxin: 7 · MiMo: 10

    Ce qu'a noté chaque IA 5
    • ChatGPTplace 10

      Avec un taux relatif de bugs de 1,79, c'est le poste d'implémentation par défaut le moins convaincant parmi les huit modèles actuellement classés par cubic.

      Source ↗
    • Grokplace 10

      Le token de sortie classé le moins cher, à 6 $ par million, s'accompagne du taux de bugs classé le plus élevé, 1,79.

      Source ↗
    • Geminiplace 7

      Atteint 37,6% sur Terminal-Bench 4.0 dans Grok Build, avec un débit de tokens élevé pour le diagnostic système et l'automatisation d'infrastructure.

    • Wenxinplace 7

      37,6% sur les terminaux — le modèle de terminal de pointe n'est pas le modèle de pointe pour les tâches longues.

      Source ↗
    • MiMoplace 10

      La troisième place mérite un poste dans une équipe mixte : 37,6% des tâches terminal dans son propre cadre — réel, mais un palier en dessous des leaders.

      Source ↗
    5 IA l’ont placé ici
    Source ↗
  9. 9

    Gemini 4 Carbon

    Obtient 61,2 % sur FrontierSWE v2, soit 1,1 point de moins qu'Opus 5.5 dans le même cadre d'exécution. Il n'a pas de taux de bogues cubic ni de ligne officielle Terminal-Bench.

    L’ont inclus: ChatGPT, Meta, Grok. Ne l’ont pas inclus: Gemini, Nova, DeepSeek, Wenxin, MiMo.

    Dans leurs listes: ChatGPT: 6 · Meta: 7 · Grok: 6

    Ce qu'a noté chaque IA 3
    • ChatGPTplace 6

      Avec 61,2% sur FrontierSWE v2, il n'est qu'à 1,1 point d'Opus 5.5 dans le même cadre de test.

    • Metaplace 7

      61,2% sur FrontierSWE v2, rang 4, pas de taux Bug Bench — meilleur score sur les tâches longues hors OpenAI et Anthropic

    • Grokplace 6

      Quatrième au classement commun sur 20 heures avec 61,2 %, et cubic n'a aucun taux de bugs recensé pour lui.

    3 IA l’ont placé ici
    source non indiquée
  10. 10

    Gemini 4 Argon

    55,0 % sur les tâches d'une journée pour environ 129 $ par essai, soit à peu près un huitième du coût d'Astra. Son prix de sortie promotionnel de 10 $ passe à 20 $ après le 30 nov. Pas de taux de bogues cubic.

    L’ont inclus: Meta, DeepSeek, MiMo. Ne l’ont pas inclus: ChatGPT, Grok, Gemini, Nova, Wenxin.

    Dans leurs listes: Meta: 9 · DeepSeek: 8 · MiMo: 8

    Ce qu'a noté chaque IA 3
    • Metaplace 9

      55,0% sur FrontierSWE, pas de Bug Bench, leader en largeur selon le tableau comparatif de Google d'octobre 2026

    • DeepSeekplace 8

      55,0% sur FrontierSWE et 57,6% sur Terminal-Bench, à 10 $ en sortie au tarif de lancement — un troisième poste crédible, bien que sa densité de bugs ait suscité des critiques indépendantes.

      Source ↗
    • MiMoplace 8

      Un essai FrontierSWE complet coûte 129,36 $ — environ un huitième d'Astra — c'est donc le poste économique pour les tâches d'une journée.

      Source ↗
    3 IA l’ont placé ici
    Source ↗

Plus sur le trio de tête ↓

02Plus sur le trio de tête

Le classement est ci-dessus. Voici plus sur les trois premières places : ce qu'elles sont, pourquoi elles sont là et ce qu'il faut savoir.

Les taux de bugs ne mesurent pas exactement la même chose : ils varient selon l'outil (0,62 dans Codex, 0,76 au total) et selon la date (Opus 5.5 est à 1,14 aujourd'hui, contre 1,49 en octobre).

1GPT-5.6 Sol

N° 1 — GPT-5.6 Sol. Dans les listes de 8 IA sur 8 ; place médiane : 3. Il écrit le code le plus propre, avec le moins de bugs comptés, à un prix de sortie bas, même s'il est plus faible sur les tâches qui durent toute une journée.

Le saviez-vous ?

  • GPT-5.6 existe en trois tailles : Sol, Terra et Luna. Selon les chiffres d'OpenAI, Terra et Luna, moins chères, battent Fable 5 sur certains tests pour environ un seizième du coût.

    Source ↗
Ce que c'est
Le modèle de programmation Sol d'OpenAI, proposé en trois tailles.
Son atout
Le moins de bugs comptés des trois, à un prix de sortie bien plus bas.
Pour qui
Convient à la programmation courante et propre ; pas le bon choix pour les tâches marathon de 20 heures.
  • Taux relatif de bugs0,76 taux relatif de bugs

Wikidata

Histoire

  • Le 26 juin 2026, OpenAI a présenté en aperçu GPT-5.6 Sol à un petit groupe de partenaires sélectionnés. À la demande du gouvernement américain, elle a d'abord communiqué les noms de ces partenaires au gouvernement. OpenAI a qualifié cette mesure de provisoire, et non de définitive.

    Source ↗
Pour aller plus loin

  • Ouvrez la page du modèle GPT-5.6 Sol. Elle indique l'identifiant gpt-5.6-sol, une fenêtre de contexte de 1 050 000 jetons, et le prix. Commencez par une tâche réelle exigeante à l'effort moyen par défaut, puis augmentez ou baissez-le.

    Source ↗
Comparer le trio de tête ↓

2GPT-6 Astra

N° 2 — GPT-6 Astra. Dans les listes de 8 IA sur 8 ; place médiane : 3. Il l'emporte sur les tâches de 20 heures, mais coûte bien plus cher par essai et compte plus de bugs : c'est un modèle de recours.

Le saviez-vous ?

  • Astra est le premier modèle d'OpenAI classé « Critique » pour ses compétences en cybersécurité selon son Preparedness Framework. Sans limites de production, il a obtenu 100 % sur ExploitBench, contre 78,5 % pour GPT-5.6 Sol.

    Source ↗
Ce que c'est
Le modèle GPT-6 haut de gamme d'OpenAI, lancé d'abord auprès d'un petit groupe de clients.
Son atout
Le meilleur sur les tâches de 20 heures, à 65,5 %, devant les deux autres.
Pour qui
Convient aux travaux difficiles d'une journée entière avec un gros budget ; pas un choix par défaut au quotidien.
  • Taux relatif de bugs1,13 taux de bugs

Wikipédia · Wikidata

Histoire

  • Le 3 septembre 2026, OpenAI a lancé GPT-6 Astra en premier auprès d'un groupe choisi de clients, dans le cadre de son programme Daybreak, avant une mise à disposition générale.

    Source ↗
À garder en tête

  • Une semaine après le lancement, beaucoup d'utilisateurs ont dit qu'Astra s'était dégradé. L'équipe de Dax Raad chez Opencode est revenue à GPT-5.6 Sol, estimant que des dépenses doublées ne justifiaient pas les inconvénients. Selon Decrypt, OpenAI n'avait pas publié de déclaration.

    Source ↗

  • Il coûte 10 $ par million de jetons en entrée et 50 $ par million de jetons en sortie, soit 2,5 fois le prix de lancement de Sol. Ses fonctions les plus puissantes en cybersécurité sont réservées aux défenseurs sélectionnés dans le cadre du programme Daybreak.

    Source ↗
Ce que disent les gens

  • Astra feels significantly dumber for me today — synthwavedd (developer, on X)

    Source ↗
Pour aller plus loin

  • Ouvrez la page de GPT-6 Astra d'OpenAI pour voir ce qu'il fait bien : utilisation de l'ordinateur, navigation, programmation et sciences. L'accès a commencé de façon limitée : vérifiez sur la page ce que votre abonnement permet avant de commencer.

    Source ↗
Gemini l'ont mis premier. Ce qu'elles y ont vu

  • Gemini: Domine les marathons de 20 heures avec 65,5% sur FrontierSWE v2, tout en maintenant un taux de résolution CLI de 58,2% dans Codex.

Vidéo: Coding is Dead? Learn These SKILLS to Survive AGI | GPT-6 Astra Explained (en anglais) · Nishant Chahar

Comparer le trio de tête ↓

3Claude Opus 5.5

N° 3 — Claude Opus 5.5. Dans les listes de 8 IA sur 8 ; place médiane : 3. Il est en tête des tâches en terminal et se défend bien sur les travaux de 20 heures pour un faible prix par essai, mais il compte plus de bugs.

Le saviez-vous ?

  • L'effort moyen peut battre l'effort maximal. Sur certains tests de programmation, l'effort moyen termine les tâches pour moins d'un dollar et obtient de meilleurs scores que les essais à effort maximal, qui coûtent plusieurs dollars par tâche.

    Source ↗
Ce que c'est
Le modèle Claude d'Anthropic, conçu pour les agents de programmation.
Son atout
Le meilleur sur les tâches en terminal, à 64,8 %, et bien moins cher par essai qu'Astra.
Pour qui
Convient aux tâches difficiles en terminal ; pas le bon choix si le code propre compte avant tout.
  • Taux relatif de bugs1,14 taux de bugs global
Histoire

  • Le 22 septembre 2026, Anthropic a publié Claude Opus 5.5, premier modèle de sa famille 5.5. Ses prix standard en entrée et en sortie ont baissé de 20 % par rapport à Opus 5, à 4 $ et 20 $ par million de jetons.

    Source ↗ ✓ confirmé par plusieurs IA
Pour aller plus loin

  • Lisez l'annonce officielle de Claude Opus 5.5. Elle indique que le modèle égale Claude Fable 5.1 sur la plupart des tâches, avec un coût d'utilisation inférieur de 40 % à celui d'Opus 5. Commencez par utiliser l'identifiant de modèle claude-opus-5-5 sur la Claude Platform.

    Source ↗
MiMo l'ont mis premier. Ce qu'elles y ont vu

  • MiMo: Gagne le classement terminal dans son cadre avec 64,8% et tient les tâches de 20 heures à 62,3% — pour environ 99 $ par essai, là où le gagnant de ce classement paie 1 030 $.

Comparer le trio de tête ↓

Le trio de tête côte à côte

GPT-5.6 SolGPT-6 AstraClaude Opus 5.5
Dans les listes des IA8 / 88 / 88 / 8
Taux relatif de bugs0,76 taux relatif de bugs1,13 taux de bugs1,14 taux de bugs global
Premier pourMeta, WenxinGeminiMiMo

À nombre d'IA égal, les places sont classées selon leur place moyenne dans les listes des IA.

Autres classements

03Bon à savoir

Ce que les IA ont remarqué en établissant la liste.

Le modèle le plus utilisé n'est pas le plus propre : Opus 5.5 a écrit 64,4 % des lignes IA de cubic la semaine du 26 oct., mais son taux de bogues est de 1,14, contre 0,76 pour GPT-6.1 Sol.

Remarqué par:
L’ont inclus: ChatGPT, Grok. Ne l’ont pas inclus: Meta, Gemini, Nova, DeepSeek, Wenxin, MiMo.
Source ↗

GPT-6 Astra et GPT-6.1 Sol réussissent tous deux 58,2 % de Terminal-Bench 4.0 dans Codex, pour environ 9,90 $ contre 1,92 $ par tâche.

Remarqué par:
L’ont inclus: ChatGPT, Meta, Grok. Ne l’ont pas inclus: Gemini, Nova, DeepSeek, Wenxin, MiMo.
Source ↗

Sur FrontierSWE v2, l'avance d'Astra de 3,2 points sur Opus 5.5 coûte environ dix fois plus par essai : 1 029,65 $ contre 98,87 $.

Remarqué par:
L’ont inclus: Grok, Nova, DeepSeek, MiMo. Ne l’ont pas inclus: ChatGPT, Meta, Gemini, Wenxin.
Source ↗

Les taux de bogues de cubic ont changé d'une publication à l'autre (Opus 5.5 de 1,49 à 1,14, GPT-6.1 Sol de 1,22 à 0,76). Les périodes ont changé ; cela ne prouve pas que les modèles se sont améliorés. Une troisième valeur (GPT-6 Luna 0,47) n'apparaît que dans une seule réponse et n'est pas confirmée.

Remarqué par:
L’ont inclus: ChatGPT, Grok, DeepSeek. Ne l’ont pas inclus: Meta, Gemini, Nova, Wenxin, MiMo.
Source ↗

04Les questions que l’on se pose

quel est le meilleur modèle pour la programmation en 2026

Cela dépend du poste. GPT-6.1 Sol a le taux de bogues comptés le plus bas, 0,76, Claude Opus 5.5 est en tête de Terminal-Bench 4.0 avec 64,8 %, et GPT-6 Astra est en tête de FrontierSWE v2 avec 65,5 %.

Source ↗
gpt ou claude pour coder

GPT-6 Astra devance Opus 5.5 sur les tâches de 20 heures, 65,5 % contre 62,3 %. Opus 5.5 devance Astra sur les tâches en terminal dans leurs propres cadres d'exécution, 64,8 % contre 58,2 %.

Source ↗
gpt 5 ou claude pour coder

GPT-5.6 Sol affichait un taux de bogues de 0,62 dans Codex en octobre, mais obtient 32,2 % sur FrontierSWE v2, contre 62,3 % pour Opus 5.5 dans le même cadre d'exécution.

Source ↗
pourquoi les taux de bogues des modèles de programmation diffèrent-ils d'une source à l'autre

L'article de cubic du 16 oct. mesurait de courtes périodes dans chaque agent, alors que son classement du 4 nov. regroupe la période du 13 juil. au 1er nov. C'est pourquoi Opus 5.5 affiche 1,49 dans l'un et 1,14 dans l'autre.

Source ↗

05Notre méthode

En mots simples, sans formules.

1La question

Le top 10 des modèles à placer dans une même équipe d'agents de programmation

2Pourquoi ce sujet

Le lecteur obtient un choix de modèle par poste qu'aucun classement unique ne donne, et cela répond à une question que les gens cherchent toute l'année.

3Champ d'application

mondial, personnes qui choisissent le modèle dans Claude Code, Codex, Cursor ou un agent similaire

4Ce que nous avons regardé

  • Bogues comptés par ligne dans le code que de vraies équipes ont livré via cet agent
  • Part des tâches en terminal réussies dans le cadre d'exécution du fournisseur
  • Score sur les tâches d'une journée, quand le cadre d'exécution est le même pour tous les modèles
  • Prix public des jetons de sortie, mis en regard du taux de bogues
  • cubic Bug Bench — Bogues comptés par ligne attribuée à l'IA, comparés à la moyenne (1,00 ; plus bas = plus propre). Le classement du 4 nov. couvre du 13 juil. au 1er nov. L'article du 16 oct. utilisait des périodes plus courtes, propres à chaque agent. O
  • Terminal-Bench 4.0 (tbench.ai) — Taux de réussite sur 66 tâches en terminal, avec le cadre d'exécution du fournisseur nommé.
  • Proximal FrontierSWE v2 — score Mean@5 sur 34 tâches pouvant durer jusqu'à 20 heures, avec chaque modèle dans un même cadre de test Proximal partagé.
  • Prix public de cubic face au taux de bogues — Prix public du fournisseur par million de jetons de sortie, à côté du taux de bogues relatif.

5Qui a classé

Les IA de pointe : ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo. Chacune a établi seule sa liste de dix et cité une source pour chaque place.

6Comment les places ont été fixées

Un même élément formulé différemment par différentes IA a été compté une seule fois. Plus les IA sont nombreuses à l'avoir mis dans leur liste, et plus elles l'ont placé haut, plus sa place est élevée. « Accord des IA » indique combien d'IA l'avaient dans leur propre liste. Les sources sont uniquement celles trouvées par les IA ; rien n'a été ajouté à la main.

06La liste de chaque IA

🇺🇸 ChatGPT10 places · 3 notes

La même question, à laquelle ChatGPT a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    GPT-6.1 Sol (2026)

    Un taux relatif de bugs de 0,76 et le même résultat terminal qu'Astra, 58,2%, pour un cinquième du prix standard des tokens de sortie d'Astra.

    Source ↗
  2. 2
    Claude Opus 5.5 (2026)

    Leader des tâches terminal avec 64,8%, mais son taux de bugs agrégé de 1,14 est moins bon que la moyenne du code relu par cubic.

    Source ↗
  3. 3
    GPT-6 Astra (2026)

    Champion des tâches d'ingénierie de 20 heures avec 65,5%, mais son prix de 50 $ par token de sortie en fait un modèle d'escalade plutôt que mon choix quotidien par défaut.

    Source ↗
  4. 4
    Claude Sonnet 5.5 (2026)

    Avec 61,8% de résolution des tâches terminal, il est à trois points d'Opus 5.5, ce qui en fait un poste de mise en œuvre sérieux.

    Source ↗
  5. 5
    Claude Fable 5.1 (2026)

    Son taux de bugs agrégé de 0,93 bat les 1,14 d'Opus 5.5, bien qu'Opus soit beaucoup plus utilisé.

    Source ↗
  6. 6
    Gemini 4 Carbon (2026)

    Avec 61,2% sur FrontierSWE v2, il n'est qu'à 1,1 point d'Opus 5.5 dans le même cadre de test.

  7. 7
    GPT-5.6 Sol (2026)

    Son ancien taux de bugs de 0,62 dans Codex était excellent, mais un score de 32,2% sur les tâches longues plaide contre le lui confier pour le poste le plus exigeant.

    Source ↗
  8. 8
    Claude Opus 5 (2026)

    Un taux de bugs agrégé de 1,21 le place derrière le plus récent Opus 5.5, sans amélioration statistique claire établie pour la famille.

    Source ↗
  9. 9
    Claude Opus 4.8 (2026)

    Sa part est passée de 29,4% en juillet à 0,5% fin octobre, ce qui montre à quelle vitesse les modèles de code par défaut changent.

    Source ↗
  10. 10
    Grok 4.7 (2026)

    Avec un taux relatif de bugs de 1,79, c'est le poste d'implémentation par défaut le moins convaincant parmi les huit modèles actuellement classés par cubic.

    Source ↗

Ce que ChatGPT a remarqué

Le modèle le plus utilisé n'est pas le plus propre dans le code relu : Opus 5.5 a écrit 64,4% des lignes de cubic attribuées à une IA sur la dernière semaine complète, mais GPT-6.1 Sol avait le plus faible taux de bugs relatif, 0,76 contre 1,14.

Source ↗

Astra et Sol ont tous deux atteint 58,2% sur Terminal-Bench 4.0 avec Codex, mais leurs coûts estimés par tâche via l'API étaient respectivement de 9,90 $ et 1,92 $. Des taux de réussite identiques, arrondis, n'établissent pas des performances identiques sur chaque tâche.

Source ↗

Le prix catalogue des tokens de sortie n'est pas le coût d'une tâche. Un modèle qui utilise moins de tokens ou termine plus vite peut coûter moins cher par tâche résolue, même si son prix par million de tokens de sortie est plus élevé.

Source ↗
🇺🇸 Meta10 places · 4 notes

La même question, à laquelle Meta a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    GPT-5.6 Sol 2026

    0,62 dans Codex, 0,65 au total — seul modèle sous la moyenne, 35% de bugs en moins, mais 0,7% du code relu la semaine du 5 octobre

    Source ↗
  2. 2
    Claude Fable 5.1 2026

    1,09 dans Claude Code, le plus propre là-bas, 56,3% sur FrontierSWE, à égalité avec Sonnet 5.5 mais coûte 5 fois plus

    Source ↗
  3. 3
    GPT-6 Astra 2026

    Leader FrontierSWE v2 à 65,5% + 58,2% sur Terminal-Bench, mais taux de bugs de 1,13 au-dessus de la moyenne — le survivant des 20 heures

  4. 4
    Claude Opus 5.5 2026

    N° 1 Terminal-Bench à 64,8%, N° 2 FrontierSWE à 62,3%, mais taux de bugs de 1,49, le pire dans Claude Code — terminal puissant, quotidien sale

    Source ↗
  5. 5
    Claude Sonnet 5.5 2026

    61,8% sur Terminal-Bench, 61,9% sur FrontierSWE, taux de bugs de 1,24 à égalité avec Fable dans Claude Code, pour un cinquième du prix

    Source ↗
  6. 6
    GPT-6.1 Sol 2026

    58,2% sur Terminal-Bench, à égalité avec Astra pour 1,92 $ contre 14,30 $, taux de bugs de 1,22 dans Codex, OpenAI recommandé pour le code complexe

    Source ↗
  7. 7
    Gemini 4 Carbon 2026

    61,2% sur FrontierSWE v2, rang 4, pas de taux Bug Bench — meilleur score sur les tâches longues hors OpenAI et Anthropic

  8. 8
    Claude Opus 5 2026

    52,0% sur FrontierSWE, taux de bugs de 1,33, 51,8% sur l'ancien Terminal-Bench — remplacé par Opus 5.5, 20% moins cher

    Source ↗
  9. 9
    Gemini 4 Argon 2026

    55,0% sur FrontierSWE, pas de Bug Bench, leader en largeur selon le tableau comparatif de Google d'octobre 2026

  10. 10
    Claude Haiku 5.5 2026

    43,8% sur FrontierSWE, non classé dans Bug Bench sur la fenêtre du 5 octobre, 0,50 $ en sortie — le Claude le moins cher pour un poste courant

    Source ↗

Ce que Meta a remarqué

Le choix par défaut du fournisseur n'est pas le plus propre : Claude Code utilise par défaut Opus 5.5, avec un taux de bugs de 1,49, le pire de l'agent, tandis que Fable 5.1, à 1,09, est le plus propre dans Claude Code ; Codex recommande 6.1 Sol (1,22), alors que 5.6 Sol (0,62) est le plus propre

Source ↗

Code propre au quotidien, terminal et 20 heures sont trois postes distincts : GPT-5.6 Sol gagne sur les bugs avec 0,62, Opus 5.5 gagne sur le terminal avec 64,8%, Astra gagne sur les 20 heures avec 65,5% — aucun modèle ne gagne les trois

Source ↗

Le prix par ligne propre inverse le classement : Sol, 10 $ en sortie, à 0,65, contre Astra, 50 $, à 1,13 — Astra coûte 5 fois plus cher pour 13% de bugs en plus que la moyenne.

Source ↗

GPT-5.6 Sol représentait 35% du code IA la semaine du 17 août, mais 0,7% la semaine du 5 octobre — le modèle le plus propre est désormais le plus rare dans les données relues

Source ↗
🇺🇸 Grok10 places · 4 notes

La même question, à laquelle Grok a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    GPT-6.1 Sol

    Le moins de bugs comptés parmi tous les modèles classés, avec 0,76, et le même score terminal qu'Astra, 58,2%, pour environ 634 $ le passage Codex au lieu de 3,3 k$.

    Source ↗
  2. 2
    Claude Sonnet 5.5

    À 10 $ par million de tokens de sortie, il se situe près du leader terminal, 61,8% dans Claude Code, et près du leader sur une journée, 61,9% dans le cadre commun.

    Source ↗
  3. 3
    Claude Opus 5.5

    Il a écrit 64,4% du code IA relu par cubic la semaine du 26 octobre, et ce n'est pas le modèle propre dans Claude Code : 1,13 aujourd'hui, 1,49 dans l'article d'octobre.

    Source ↗
  4. 4
    GPT-6 Astra

    Il est en tête du classement des 20 heures avec 65,5%, pour environ 1 030 $ par essai, et sur les tâches terminal il ne bat pas Sol, facturé 10 $ en sortie.

    Source ↗
  5. 5
    Claude Fable 5.1

    Le modèle le plus propre dans Claude Code, avec 0,93, alors que celui que les gens utilisent vraiment par défaut est Opus 5.5.

    Source ↗
  6. 6
    Gemini 4 Carbon

    Quatrième au classement commun sur 20 heures avec 61,2 %, et cubic n'a aucun taux de bugs recensé pour lui.

  7. 7
    GLM-5.3

    Le poste à poids ouverts : 41,8% des tâches terminal dans Claude Code, et 30,2% sur le classement des tâches de 20 heures.

    Source ↗
  8. 8
    Claude Opus 5

    Dans Cursor, c'est le modèle classé le moins bogué, avec 1,22, ce qui reste 22% de bugs comptés en plus que la moyenne.

    Source ↗
  9. 9
    GPT-5.6 Sol

    C'était le modèle le plus propre dans Codex, avec 0,62, et sur les tâches d'une journée il obtient 32,2%, soit environ la moitié d'Astra.

    Source ↗
  10. 10
    Grok 4.7

    Le token de sortie classé le moins cher, à 6 $ par million, s'accompagne du taux de bugs classé le plus élevé, 1,79.

    Source ↗

Ce que Grok a remarqué

L'agent par défaut de Claude Code, sur les formules payantes, est Opus 5.5. Dans cet agent, le taux de bugs le plus bas sur la fenêtre du 4 novembre est celui de Fable 5.1, 0,93, à égalité avec Sonnet 5.5 à 1,00, tandis qu'Opus 5.5 est à 1,13.

Source ↗

GPT-6 Astra et GPT-6.1 Sol résolvent les mêmes 58,2% de Terminal-Bench 4.0 dans Codex. Le passage listé d'Astra coûte environ 3 300 $, celui de Sol environ 634 $.

Source ↗

Sur FrontierSWE v2, Astra à 65,5% coûte environ dix fois plus par essai qu'Opus 5.5 à 62,3% : environ 1 029,65 $ contre 98,87 $.

Source ↗

GPT-5.6 Sol était en tête de Codex pour les bugs comptés, à 0,62, dans l'article d'octobre de cubic, puis est tombé sous 0,5% des lignes attribuées à une IA et a quitté le classement du 4 novembre. Son score sur une journée est de 32,2%.

Source ↗
🇺🇸 Gemini10 places

La même question, à laquelle Gemini a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    GPT-6 Astra

    Domine les marathons de 20 heures avec 65,5% sur FrontierSWE v2, tout en maintenant un taux de résolution CLI de 58,2% dans Codex.

  2. 2
    Claude Opus 5.5

    Le champion actuel des outils en ligne de commande, avec 64,8% sur Terminal-Bench 4.0 et 62,3% sur FrontierSWE v2, mais un taux relatif de défauts de 1,49.

  3. 3
    GPT-5.6 Sol

    Le codeur de production le plus propre enregistré : un taux relatif de bugs exceptionnellement bas, 0,62, ce qui en fait le cheval de bataille quotidien le plus fiable, malgré un score modeste de 32,2% sur les tâches de 20 heures.

  4. 4
    Claude Sonnet 5.5

    Atteint 61,8% sur Terminal-Bench 4.0 pour une fraction du prix de sortie d'Opus, et sert de standard du marché au quotidien pour les boucles d'agents en ligne de commande.

  5. 5
    Claude Fable 5.1

    Associe un solide taux de réussite de 57,9% sur Terminal-Bench 4.0 à un taux relatif de bugs de 1,09, nettement plus propre à la relecture qu'Opus 5.5.

  6. 6
    GPT-6.1 Sol

    Égale les 58,2% de résolution CLI d'Astra dans Codex avec une profondeur de raisonnement itératif plus grande, et affiche un taux relatif de bugs de 1,22.

  7. 7
    Grok 4.7

    Atteint 37,6% sur Terminal-Bench 4.0 dans Grok Build, avec un débit de tokens élevé pour le diagnostic système et l'automatisation d'infrastructure.

  8. 8
    Gemini 2.5 Pro

    Profite d'une fenêtre de contexte native de 2 millions de tokens pour ingérer des bases de code multi-dépôts entières en un seul prompt, pour des migrations complexes aux dépendances croisées.

    Source ↗
  9. 9
    DeepSeek V3.5 Coder

    Modèle à poids ouverts, le moins cher à l'usage, qui casse largement les prix commerciaux des tokens pour la génération de tests unitaires à haute fréquence et les essaims automatisés de relecture de pull requests.

  10. 10
    Qwen 2.5 Coder 32B

    Le meilleur modèle auto-hébergé pour les bases de code d'entreprise sur site, où zéro fuite de données vers le cloud et la conformité en réseau isolé ne se négocient pas.

    Source ↗
🇨🇳 DeepSeek10 places · 3 notes

La même question, à laquelle DeepSeek a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    GPT-6.1 Sol

    Taux relatif de bugs de 0,98 et 58,2% sur Terminal-Bench pour 10 $ en sortie — le meilleur poste polyvalent, légèrement derrière Astra sur les tâches longues, mais cinq fois moins cher.

    Source ↗
  2. 2
    Claude Sonnet 5.5

    Taux de bugs de 1,06 et 61,8% sur Terminal-Bench pour 10 $ en sortie : le moyen le moins cher d'obtenir le score terminal haut de gamme de Claude Code.

    Source ↗
  3. 3
    GPT-6 Astra

    65,5% sur FrontierSWE et 58,2% sur Terminal-Bench : le meilleur modèle du classement pour les tâches d'une journée, mais 50 $ en sortie et un taux de bugs de 1,09.

    Source ↗
  4. 4
    GPT-6 Luna

    Taux de bugs de 0,47 — 53% de bugs comptés en moins que la moyenne — pour 0,50 $ en sortie, mais il n'obtient que 16,4% sur Terminal-Bench : c'est un poste quotidien propre, pas un champion des tâches difficiles.

    Source ↗
  5. 5
    Claude Opus 5.5

    64,8% sur Terminal-Bench et 62,3% sur FrontierSWE : le couple le plus solide dans Claude Code pour le travail difficile, mais son taux de bugs de 1,39 est le pire de Bug Bench.

    Source ↗
  6. 6
    Kimi K3.1 Pro

    67,2% sur Terminal-Bench (Artificial Analysis) pour 10 $ en sortie : le champion brut du terminal, mais 25,9% sur FrontierSWE et aucun rang Bug Bench en font un spécialiste.

  7. 7
    Claude Fable 5.1

    Taux de bugs de 1,07, 57,9% sur Terminal-Bench et 56,3% sur FrontierSWE — équilibré, mais à 50 $ en sortie il coûte le même prix qu'Astra, sans l'avance d'Astra sur les tâches longues.

    Source ↗
  8. 8
    Gemini 4 Argon

    55,0% sur FrontierSWE et 57,6% sur Terminal-Bench, à 10 $ en sortie au tarif de lancement — un troisième poste crédible, bien que sa densité de bugs ait suscité des critiques indépendantes.

    Source ↗
  9. 9
    GPT-5.6 Sol

    Taux de bugs de 0,62 dans Codex — 38% de bugs comptés en moins que la moyenne — mais 37,3% sur Terminal-Bench et 32,2% sur FrontierSWE : le poste le plus propre pour les petites tâches, pas pour les longues.

    Source ↗
  10. 10
    Claude Opus 5

    Taux de bugs de 1,30, 53,9% sur Terminal-Bench, 52,0% sur FrontierSWE et 25 $ en sortie — un poste intermédiaire, ni le plus propre ni le plus fort désormais.

    Source ↗

Ce que DeepSeek a remarqué

Le modèle le moins cher gagne le Bug Bench : GPT-6 Luna, à 0,50 $ en sortie, a le plus faible taux relatif de bugs (0,47), soit 53% sous la moyenne, alors que Fable 5.1 à 50 $ et Astra sont à 1,07 et 1,09.

Source ↗

Opus 5.5 est le poste le plus contradictoire : meilleur score Terminal-Bench de Claude Code (64,8%) et deuxième sur FrontierSWE (62,3%), mais pire taux Bug Bench (1,39).

Source ↗

Le prix par essai inverse le classement FrontierSWE : GPT-6 Astra est en tête à 65,5% mais coûte 1 029,65 $ par essai ; Opus 5.5 coûte 98,87 $, soit 90% de moins, pour 3,2 points de moins.

Source ↗
🇨🇳 Wenxin10 places · 2 notes

La même question, à laquelle Wenxin a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    GPT-5.6 Sol (OpenAI, dans Codex) 2026

    Taux de bugs observé le plus bas (0,62) au tarif Codex — du code propre pour le prix d'un café par million de tokens.

    Source ↗
  2. 2
    GPT-6 Astra (OpenAI, dans Codex) 2026

    Champion FrontierSWE à 65,5% et 58,2% sur les terminaux — mais 1,13 bug/ligne le rend plus cher par ligne propre.

  3. 3
    Claude Opus 5.5 (Anthropic, dans Claude Code) 2026

    64,8% sur les terminaux, 62,3% sur les tâches de 20 h — mais 1,49 bug/ligne le place derrière sur la propreté du code.

    Source ↗
  4. 4
    Claude Sonnet 5.5 (Anthropic, dans Claude Code) 2026

    61,8% sur les terminaux, à peu près la moitié du prix d'Opus — le choix du cheval de bataille.

    Source ↗
  5. 5
    Claude Fable 5.1 (Anthropic, dans Claude Code) 2026

    57,9% sur les terminaux, 1,09 bug/ligne — propreté de milieu de gamme, prix de milieu de gamme, le juste milieu pour le code quotidien.

    Source ↗
  6. 6
    GPT-6.1 Sol (OpenAI, dans Codex) 2026

    58,2% sur les terminaux et 1,22 bug/ligne — plus rapide qu'Astra, un peu plus propre, même gamme de prix.

  7. 7
    Grok 4.7 (xAI, dans Grok Build) 2026

    37,6% sur les terminaux — le modèle de terminal de pointe n'est pas le modèle de pointe pour les tâches longues.

    Source ↗
  8. 8
    DeepSeek-V3 (DeepSeek, via l'API) 2026

    À poids ouverts, moins de 2 $ / 1 M de tokens ; le taux de bugs ne figure pas dans le top cubic, mais des retours communautaires indiquent environ 1,3.

  9. 9
    Qwen 3 (Alibaba, via l'API) 2026

    À poids ouverts, fort sur les terminaux dans les tests de référence en chinois ; données cubic en anglais peu abondantes.

  10. 10
    Gemini 2.5 Pro (Google, via Vertex/AI Studio) 2026

    Modèle phare de Google en 2026 ; les données cubic et terminal ne figurent pas encore dans les tableaux principaux, mais il est fort sur les longs contextes.

    Source ↗

Ce que Wenxin a remarqué

Claude Fable 5.1 coûte environ un quinzième de Claude Opus 5.5 par token, et pourtant atteint 57,9% sur les terminaux avec seulement 1,09 bug/ligne — le champion du rapport qualité-prix pour le code agentique quotidien.

Source ↗

GPT-6 Astra est en tête de FrontierSWE (65,5%), mais son taux de bugs de 1,13 signifie qu'une équipe qui livre 100 000 lignes par mois paie environ 1,4 M de tokens pour le même code propre que Fable livre pour environ 0,07 M.

Source ↗
🇨🇳 MiMo10 places · 4 notes

La même question, à laquelle MiMo a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    Claude Opus 5.5 (Anthropic, 2026)

    Gagne le classement terminal dans son cadre avec 64,8% et tient les tâches de 20 heures à 62,3% — pour environ 99 $ par essai, là où le gagnant de ce classement paie 1 030 $.

    Source ↗
  2. 2
    GPT-6 Astra (OpenAI, 2026)

    Le seul modèle à avoir fini en première place les tâches de 20 heures — pour 1 029,65 $ par essai et 1,13 bug compté par ligne dans Codex.

    Source ↗
  3. 3
    GPT-5.6 Sol (OpenAI, 2026)

    Le code le plus propre du classement — 0,62 bug par ligne dans Codex — et le score le plus faible sur les tâches longues parmi les meilleurs modèles, 32,2%.

    Source ↗
  4. 4
    Claude Sonnet 5.5 (Anthropic, 2026)

    À environ deux points d'Opus 5.5 dans les sessions de code, à un niveau inférieur — le choix le plus avantageux de la paire Anthropic.

    Source ↗
  5. 5
    GPT-6.1 Sol (OpenAI, 2026)

    Même score terminal que les modèles phares (58,2%) pour 10 $ par million de tokens de sortie — cinq fois moins cher qu'Astra, mais 1,22 bug par ligne.

    Source ↗
  6. 6
    Claude Fable 5.1 (Anthropic, 2026)

    Le spécialiste du quotidien : 57,9% sur les tâches terminal et le code le plus propre mesuré dans Claude Code, à 1,09.

    Source ↗
  7. 7
    GPT-6.1 Terra (OpenAI, 2026)

    OpenAI affirme qu'il égale Astra pour un dixième du prix des tokens et qu'il consomme ses tokens trois fois plus efficacement qu'Opus 5.5.

    Source ↗
  8. 8
    Gemini 4 Argon (Google, 2026)

    Un essai FrontierSWE complet coûte 129,36 $ — environ un huitième d'Astra — c'est donc le poste économique pour les tâches d'une journée.

    Source ↗
  9. 9
    Claude Opus 5 (Anthropic, 2025)

    La génération précédente termine encore la moitié des tâches de 20 heures (52,0%), là où les modèles plus récents et moins chers calent à 32%.

    Source ↗
  10. 10
    Grok 4.7 (xAI, 2026)

    La troisième place mérite un poste dans une équipe mixte : 37,6% des tâches terminal dans son propre cadre — réel, mais un palier en dessous des leaders.

    Source ↗

Ce que MiMo a remarqué

Le modèle le plus propre et le plus puissant ne sont pas le même poste : dans Codex, GPT-5.6 Sol compte 0,62 bug par ligne contre 1,13 pour GPT-6 Astra — pourtant Astra seul gagne les tâches de 20 heures.

Source ↗

Gagner FrontierSWE v2 coûte 1 029,65 $ par essai avec GPT-6 Astra ; Claude Opus 5.5 atteint 62,3% pour 98,87 $ — un écart de 3,2 points pour dix fois moins d'argent.

Source ↗

Dans Claude Code, le modèle phare du fournisseur est le plus sale : Opus 5.5 compte 1,49 bug par ligne contre 1,09 pour Fable 5.1.

Source ↗

Le plus grand saut du classement de l'année est générationnel, pas lié au fournisseur : Opus 4.8 a résolu 23,6% des tâches terminal, Opus 5.5 en résout 64,8%.

Source ↗