Retour à la tendance du jour: Les investisseurs valorisent à 3 milliards de dollars un éditeur d'assistants IA
Classement Poly · tiré de la tendance du jour

Meilleur agent IA 2026 : le top 10 des agents IA

Cette liste classe les agents de code que les gens lancent. Elle ne mesure pas le tour de 3 milliards de LangChain. Dans le rang fusionné, Claude Code est premier et Google Antigravity CLI troisième.

  • N° 1 : Claude Code
  • 10 places

01Liste finale

Les IA de pointe ont chacune dressé leur propre liste de dix, de façon indépendante. Voici un résultat facile à vérifier : chaque place a une raison, une source et la liste des IA qui l'ont retenue.

Votes humains en aveugle, comparés deux à deux, sur des tâches confiées aux agents

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

    Claude Code

    Solide dans les différents classements : Opus 5.5 a été annoncé à 61,7 sur le Coding Index v2.0 ; Fable 5.2 mène Arena, mais il s'agit de modèles et de versions de classement différents.

    L’ont inclus: Meta, Gemini, Claude, MiMo, StepFun, Kimi, DeepSeek, Qwen. Ne l’ont pas inclus: ChatGPT, Nemotron, Nova, Wenxin.

    Dans leurs listes: Meta: 1 · Gemini: 1 · Claude: 1 · MiMo: 1 · StepFun: 9 · Kimi: 4 · DeepSeek: 3 · Qwen: 1

    Ce qu'a noté chaque IA 8
    • Metaplace 1

      En tête pour le goût comme pour les preuves, mais la facture est le hic : 15,47 $ par tâche à son meilleur réglage sur Artificial Analysis.

      Source ↗
    • Geminiplace 1

      Domine la préférence des développeurs pour le terminal, tout en gardant la meilleure précision vérifiée de correction de bugs sur SWE-bench Verified, pour un coût moyen inférieur à 2,50 $ par tâche.

      Source ↗
    • Claudeplace 1

      Il est en tête de l'indice Artificial Analysis avec 61,7, mais à 11,42 $ par tâche il coûte environ 29 fois plus que le point de pointe le moins cher, pour 14,4 points de plus.

      Source ↗
    • MiMoplace 1

      Le seul agent en tête des deux classements que les gens lisent vraiment — 30,5 % des votes humains à l'aveugle et 58 à 62 en code vérifié — et celui dont le réglage le plus lourd coûte 44,22 $ par tâche pour un score inférieur de deux points à son réglage moins cher.

      Source ↗
    • StepFunplace 9

      2,26 $ par tâche en tête d'un écart de prix de 30 fois — des poids ouverts au prix de la pointe, difficiles à distinguer pour les relecteurs de code.

      Source ↗
    • Kimiplace 4

      Ex aequo en tête de Terminal-Bench à 65,8 % tout en brûlant 15,7 milliards de jetons — près du double des 8,0 milliards d'Opus 5.5 — pour atteindre le même chiffre : la preuve sans sobriété.

      Source ↗
    • DeepSeekplace 3

      Opus 5.5 est l'ancien n°1 d'Arena et la référence de 61,7 points de l'indice de code — à 11,42 $ par tâche, il n'est ni le moins cher ni le plus cher de la pointe.

      Source ↗
    • Qwenplace 1

      En tête de l'indice Artificial Analysis Coding Agent avec 61,7, tout en tenant les premiers rangs d'Agent Arena sans la surtaxe premium de Fable.

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

    OpenAI Codex

    Le cas de prix le plus net : GPT-6.1 Sol a obtenu 52,2 sur la v2.1 pour 1,51 $ par tâche ; GPT-6 Astra, sur Arena, est une configuration distincte.

    L’ont inclus: Meta, Gemini, Claude, MiMo, StepFun, Kimi, DeepSeek, Qwen. Ne l’ont pas inclus: ChatGPT, Nemotron, Nova, Wenxin.

    Dans leurs listes: Meta: 4 · Gemini: 10 · Claude: 5 · MiMo: 2 · StepFun: 3 · Kimi: 7 · DeepSeek: 6 · Qwen: 9

    Ce qu'a noté chaque IA 8
    • Metaplace 4

      Le moyen le moins cher de rester près de la pointe : 1,51 $ par tâche, et non 15 $.

      Source ↗
    • Geminiplace 10

      Agent d'utilisation d'ordinateur multimodal de pointe, qui relie les tâches logicielles et les actions de navigateur, et fixe de nouvelles références sur WebArena.

      Source ↗
    • Claudeplace 5

      Il obtient 54,1 pour 1,50 $ par tâche. Cela le place à 0,6 point près d'Astra, pour environ un cinquième du coût.

      Source ↗
    • MiMoplace 2

      Obtient 52 pour 1,51 $ par tâche — la même plage de points coûte huit fois plus cher dans Claude Code, et c'est l'argent, non le goût, qui fait gagner à Codex son rang.

      Source ↗
    • StepFunplace 3

      58,2 % sur Terminal-Bench 4.0 pour 1,92 $ par tâche — la moitié de la facture de Claude Code et la moitié de son temps d'exécution, pour 6,6 points de moins.

      Source ↗
    • Kimiplace 7

      Le champion de la valeur parmi la pointe : 93 % du score Terminal-Bench d'Astra pour 19 % du prix par tâche — 1,92 $ contre 9,90 $.

      Source ↗
    • DeepSeekplace 6

      Codex sur GPT-6.1 Sol cède six points d'indice aux leaders, mais coûte 1,50 $ — 7,6 fois moins que Claude Code en effort maximal.

      Source ↗
    • Qwenplace 9

      A obtenu 80 points à l'indice Coding Agent en juillet, en tête du harnais d'OpenAI avant la scission de SWE-bench Verified.

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

    Google Antigravity CLI

    Gemini 4 Carbon a obtenu 55,5 sur le Coding Index v2.1 et s'est classé deuxième sur Arena ; son coût sur Arena était de 1,36 $ par tâche, et non un coût de l'indice de code.

    L’ont inclus: Meta, MiMo, StepFun, Kimi, DeepSeek. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Claude, Nova, Wenxin, Qwen.

    Dans leurs listes: Meta: 5 · MiMo: 3 · StepFun: 4 · Kimi: 6 · DeepSeek: 2

    Ce qu'a noté chaque IA 5
    • Metaplace 5

      Vieux de deux jours le 12 novembre, il est déjà le choix de valeur : un succès proche de Carbon pour 24 % de quota en moins, selon le propre test de Google.

      Source ↗
    • MiMoplace 3

      Premier sur les classements qui reproduisent de vrais emplois — 84,2 % sur les travaux de banque, conseil et juridique, et 16 484 $ sur une année d'activité de distributeur automatique — tout en n'étant que troisième aux votes humains.

      Source ↗
    • StepFunplace 4

      3e aux votes humains et 63,6 % sur Terminal-Bench 4.0 en tant que modèle — mais son harnais CLI se situe près du bas du score composite AA, à 43.

      Source ↗
    • Kimiplace 6

      Remporte l'indice d'intelligence (60) et obtient l'argent aux votes humains à l'aveugle (16,72 %) — mais son seul chiffre Terminal-Bench est une auto-déclaration que le tableau refuse de classer.

      Source ↗
    • DeepSeekplace 2

      Carbon gagne CursorBench à 60,4 % pour 9,22 $, tandis que le modèle en tête d'Arena obtient 60,0 % sur les mêmes tâches multi-fichiers pour 32,79 $.

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

    Devin Fusion CLI

    Un bon résultat à l'indice de code pour un coût annoncé inférieur à celui de Claude Code, mais son score varie selon les versions de l'indice : 61,5 en v2.0 et 58,4 en v2.1.

    L’ont inclus: Meta, Claude, MiMo, Kimi, DeepSeek. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Nova, StepFun, Wenxin, Qwen.

    Dans leurs listes: Meta: 2 · Claude: 9 · MiMo: 4 · Kimi: 2 · DeepSeek: 5

    Ce qu'a noté chaque IA 5
    • Metaplace 2

      Un modèle de pointe et un petit compagnon économique font jeu égal avec le leader : 8,75 $ par tâche sur la v2.1, et non 15,47 $.

      Source ↗
    • Claudeplace 9

      Le benchmark FrontierCode de Cognition AI figure désormais dans l'indice, et Devin y est noté 61,5.

      Source ↗
    • MiMoplace 4

      Ex aequo avec le meilleur score de code de Claude Code, 62, pour 8,00 $ par tâche grâce à une fusion de deux modèles ; son SWE-2 réalise 92,8 % sur Terminal-Bench 2.1, le meilleur score de modèle sur ce tableau.

      Source ↗
    • Kimiplace 2

      Le score d'indice le plus élevé jamais publié sur le tableau AA — 68, deux points devant Claude Code — en associant un modèle de pointe à un petit compagnon GPT-6 Luna, à un coût par tâche inférieur de 31 %.

      Source ↗
    • DeepSeekplace 5

      Devin Fusion atteint 61,5 pour 8,00 $, à seulement 0,2 point derrière Claude Code avec Opus 5.5, en utilisant 10,46 M de jetons au lieu de 14,52 M.

    5 IA l’ont placé ici
  5. 5

    GitHub Copilot Fusion

    L'indice annonce 59,9 pour 5,59 $ par tâche, mais ce résultat vient de la v2.0 ; ne le comparez pas directement aux scores de la v2.1.

    L’ont inclus: Meta, Claude, MiMo, DeepSeek, Qwen. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Nova, StepFun, Kimi, Wenxin.

    Dans leurs listes: Meta: 3 · Claude: 8 · MiMo: 7 · DeepSeek: 4 · Qwen: 5

    Ce qu'a noté chaque IA 5
    • Metaplace 3

      Ce n'est pas un modèle mais un moteur d'orchestration : 2 points derrière Claude Code pour environ la moitié du prix par tâche.

      Source ↗
    • Claudeplace 8

      Une deuxième source place l'agent de GitHub à 59,9. Cela le mettrait au-dessus de Muse Code de Meta, mais je n'ai pas pu confirmer ce chiffre.

      Source ↗
    • MiMoplace 7

      59,9 à l'indice de code pour 5,59 $ par tâche — à deux points près de la voie phare de Codex, depuis l'agent que la plupart des tableaux d'indice omettent simplement.

      Source ↗
    • DeepSeekplace 4

      Fusion obtient 59,9 pour 5,59 $ et mène Terminal-Bench à 71,2 — deux points derrière Claude Code, pour moitié moins cher.

      Source ↗
    • Qwenplace 5

      Orchestre des modèles d'OpenAI et d'Anthropic pour atteindre un score à seulement 2 points sous Opus 5.5, pour moitié moins cher par tâche.

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

    Fable 5.2 agent

    Fable 5.2 est en tête du classement Arena avec une amélioration nette de 30,48 %, mais ce classement n'est qu'un élément parmi d'autres ; son résultat n'est pas une victoire vérifiée sur plusieurs tests.

    L’ont inclus: Meta, Claude, MiMo, StepFun, DeepSeek. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Nova, Kimi, Wenxin, Qwen.

    Dans leurs listes: Meta: 8 · Claude: 3 · MiMo: voir la liste · StepFun: 2 · DeepSeek: 1

    Ce qu'a noté chaque IA 5
    • Metaplace 8

      Le seul agent général ici qui livre des fichiers finis, et pas seulement du code — son résultat GAIA n'a jamais été revérifié de façon indépendante.

      Source ↗
    • Claudeplace 3

      Les votants humains placent Fable 5.1 Max en premier dans Agent Arena, mais il se classe quatrième sur l'indice Artificial Analysis avec 57,6.

      Source ↗
    • MiMo

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

      voir la liste
    • StepFunplace 2

      Remporte 30,5 % des votes humains à l'aveugle — presque le double du deuxième — mais les utilisateurs ne confirment la réussite que dans 21,7 % des cas.

      Source ↗
    • DeepSeekplace 1

      Fable 5.2 domine Arena avec 30,35 % et égale la tête de l'indice de code à 58 — mais son run xhigh coûte 15,47 $, dix fois les 1,50 $ de Codex.

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

    Kimi Code CLI

    Kimi K3.1 Pro a obtenu 48,6 sur le Coding Index v2.1 pour 2,94 $ par tâche ; son score d'amélioration nette sur Arena était de 4,83 %.

    L’ont inclus: Meta, MiMo, Kimi, DeepSeek, Qwen. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Claude, Nova, StepFun, Wenxin.

    Dans leurs listes: Meta: 10 · MiMo: 6 · Kimi: 9 · DeepSeek: 9 · Qwen: voir la liste

    Ce qu'a noté chaque IA 5
    • Metaplace 10

      Un vaisseau amiral à poids ouverts à 2,94 $ par tâche — et la lignée ouverte dont le prédécesseur menait le domaine open source de GAIA2.

      Source ↗
    • MiMoplace 6

      Bat Codex sur les tâches de terminal, 67 contre 58, pour 2,94 $ par tâche — puis passe 185 tours et 8,9 M de jetons à y ramper, la voie forte la plus lente du classement.

      Source ↗
    • Kimiplace 9

      La valeur atypique à poids ouverts : à 6 points près du leader Terminal-Bench pour 3 $/15 $ par million de jetons — tout en étant 13 points sous Opus sur l'indice d'intelligence.

      Source ↗
    • DeepSeekplace 9

      Kimi mène Terminal-Bench 4.1 à 68 % et coûte environ 5,27 $ par tâche, pourtant les votants d'Arena le placent 11e à 5,2 %.

      Source ↗
    • Qwen

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

      voir la liste
    5 IA l’ont placé ici
  8. 8

    Muse Code

    Muse Wonder Full a obtenu 54,5 sur le Coding Index v2.1, mais la source ne précise pas son coût ; son score sur Arena est de 8,89 % d'amélioration nette.

    L’ont inclus: Meta, Claude, MiMo, DeepSeek, Qwen. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Nova, StepFun, Kimi, Wenxin.

    Dans leurs listes: Meta: 6 · Claude: 6 · MiMo: 5 · DeepSeek: 7 · Qwen: voir la liste

    Ce qu'a noté chaque IA 5
    • Metaplace 6

      Le meilleur modèle de Meta est enfermé dans son propre outil de programmation — et il figure tout de même dans le top 10 des deux classements.

      Source ↗
    • Claudeplace 6

      Cette entrée de Meta prend la troisième place de l'indice avec 58,9, devant Fable 5.1.

      Source ↗
    • MiMoplace 5

      Égale le deuxième meilleur score vérifié en code, 59, avec le seul chiffre qu'Artificial Analysis ne peut pas encore afficher : son prix.

      Source ↗
    • DeepSeekplace 7

      Sonnet 5.5 est quatrième sur Arena avec 15,95 %, mais son coût de 13,30 $ par tâche de code est supérieur aux 5,59 $ de Copilot Fusion pour un score voisin.

      Source ↗
    • Qwen

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

      voir la liste
    5 IA l’ont placé ici
  9. 9

    DeepSeek Harness

    Un faible coût annoncé de 0,32 $ par tâche s'accompagne d'un score d'indice de 37 ; le chiffre de 90,6 % sur Terminal-Bench mesure un autre résultat de modèle.

    L’ont inclus: MiMo, Kimi. Ne l’ont pas inclus: ChatGPT, Meta, Nemotron, Gemini, Claude, Nova, StepFun, DeepSeek, Wenxin, Qwen.

    Dans leurs listes: MiMo: 8 · Kimi: voir la liste

    Ce qu'a noté chaque IA 2
    • MiMoplace 8

      0,32 $ par tâche — 48 fois moins cher que la voie la plus chère de Claude Code —, alors que le même modèle affiche 90,6 % sur le tableau des modèles de Terminal-Bench.

      Source ↗
    • Kimi

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

      voir la liste
    2 IA l’ont placé ici
  10. 10

    Cursor Composer

    Une référence de coût utile, mais le chiffre de 0,07 $ cité vient de l'Index v1.5, aujourd'hui retiré ; son classement sur le benchmark actuel n'est pas confirmé ici.

    L’ont inclus: Meta, Gemini, StepFun. Ne l’ont pas inclus: ChatGPT, Nemotron, Claude, Nova, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    Dans leurs listes: Meta: 7 · Gemini: 2 · StepFun: 8

    Ce qu'a noté chaque IA 3
    • Metaplace 7

      L'éditeur que les gens utilisent vraiment : environ 0,07 $ par tâche sur la version Artificial Analysis retirée, soit un dixième de la facture de pointe.

      Source ↗
    • Geminiplace 2

      Le leader incontesté de la vitesse de travail interactif : des achèvements vérifiés sur plusieurs fichiers pour un coût ultra-bas, de 0,07 $ à 0,44 $ par tâche.

      Source ↗
    • StepFunplace 8

      La taxe du harnais : le même modèle coûte 1,47 $ par tâche dans Cursor CLI contre 1,24 $ dans Claude Code.

      Source ↗
    3 IA l’ont placé ici

02Bon à savoir

Ce que les IA ont remarqué en établissant la liste.

Des chercheurs de l'Université de Californie à Berkeley ont montré qu'un faux wrapper curl obtenait un score parfait sur 89 tâches Terminal-Bench sans les résoudre ; la manipulation des benchmarks peut invalider un score phare.

Remarqué par:
L’ont inclus: MiMo, StepFun, Kimi. Ne l’ont pas inclus: ChatGPT, Meta, Nemotron, Gemini, Claude, Nova, DeepSeek, Wenxin, Qwen.
Source ↗

Princeton HAL indique un meilleur score vérifié sur GAIA de 74,55 %, tandis que les soumissions de la liste ouverte citées dans les réponses approchent 94 % ; ces résultats relèvent de conditions de soumission et de vérification différentes.

Remarqué par:
L’ont inclus: Meta, MiMo, Kimi. Ne l’ont pas inclus: ChatGPT, Nemotron, Gemini, Claude, Nova, StepFun, DeepSeek, Wenxin, Qwen.
Source ↗

03Notre méthode

En mots simples, sans formules.

1La question

Top 10 des agents IA : votes humains, tâches réussies vérifiées et coût par tâche

2Pourquoi ce sujet

Le lecteur comprend que le « meilleur agent » recouvre en réalité trois questions, et voit les trois réponses au même endroit, ce qu'aucun classement seul ne permet.

3Champ d'application

à l'échelle mondiale : agents IA de pointe, agents de programmation et orchestrateurs multi-agents

4Ce que nous avons regardé

  • Votes humains en aveugle, comparés deux à deux, sur des tâches confiées aux agents
  • Réussite vérifiée sur des tests de programmation et de tâches en plusieurs étapes
  • Coût, jetons et temps par tâche
  • Un agent doit figurer sur au moins deux classements indépendants ; les résultats qui trichent sur un test sont signalés, pas classés
  • Arena — Agent Arena classe les modèles orchestrateurs à partir de signaux de sessions réelles : succès confirmé, retours des utilisateurs, facilité à être guidé et fiabilité des outils ; l'amélioration nette n'est pas un taux de victoire en comparaison aveugle.
  • Artificial Analysis — Le Coding Agent Index v2.1 fait la moyenne de FrontierCode-AA 2.0, Terminal-Bench 4.1 et SWE-Atlas-QnA-AA, et indique le coût, les jetons et le temps par tâche.
  • Princeton HAL — Reproduit les résultats des agents sur le jeu de validation public de GAIA et indique la précision et le coût total de l'API ; le classement précise que ses mises à jour sont suspendues.
  • UC Berkeley RDI — Étudie la triche sur les tests ; son rapport décrit une fausse enveloppe autour de curl qui a obtenu un score parfait sur Terminal-Bench sans écrire de code de solution.

5Qui a classé

Les IA de pointe : ChatGPT, Meta, Nemotron, Gemini, Claude, Nova, MiMo, StepFun, Kimi, DeepSeek, Wenxin, Qwen. 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.

04La liste de chaque IA

🇺🇸 Meta10 places · 4 notes

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

  1. 1
    Claude Code (Claude Opus 5.5 / Fable 5.2)

    En tête pour le goût comme pour les preuves, mais la facture est le hic : 15,47 $ par tâche à son meilleur réglage sur Artificial Analysis.

    Source ↗
  2. 2
    Devin Fusion CLI (Cognition)

    Un modèle de pointe et un petit compagnon économique font jeu égal avec le leader : 8,75 $ par tâche sur la v2.1, et non 15,47 $.

    Source ↗
  3. 3
    GitHub Copilot Fusion

    Ce n'est pas un modèle mais un moteur d'orchestration : 2 points derrière Claude Code pour environ la moitié du prix par tâche.

    Source ↗
  4. 4
    OpenAI Codex (GPT-6.1 Sol)

    Le moyen le moins cher de rester près de la pointe : 1,51 $ par tâche, et non 15 $.

    Source ↗
  5. 5
    Google Antigravity / Antigravity Orchestrator (Gemini 4 Carbon)

    Vieux de deux jours le 12 novembre, il est déjà le choix de valeur : un succès proche de Carbon pour 24 % de quota en moins, selon le propre test de Google.

    Source ↗
  6. 6
    Muse Code (Muse Wonder Full)

    Le meilleur modèle de Meta est enfermé dans son propre outil de programmation — et il figure tout de même dans le top 10 des deux classements.

    Source ↗
  7. 7
    Cursor (Composer 2.5)

    L'éditeur que les gens utilisent vraiment : environ 0,07 $ par tâche sur la version Artificial Analysis retirée, soit un dixième de la facture de pointe.

    Source ↗
  8. 8
    Manus 2.0

    Le seul agent général ici qui livre des fichiers finis, et pas seulement du code — son résultat GAIA n'a jamais été revérifié de façon indépendante.

    Source ↗
  9. 9
    ChatGPT Work (GPT-6 Astra / GPT-5.6)

    OpenAI a intégré le mode Agent à Work — l'agent de bureau, et non l'agent de code, et son meilleur score à l'examen est de 41,6 %.

    Source ↗
  10. 10
    Kimi Code CLI (Kimi K3.1 Pro)

    Un vaisseau amiral à poids ouverts à 2,94 $ par tâche — et la lignée ouverte dont le prédécesseur menait le domaine open source de GAIA2.

    Source ↗

Ce que Meta a remarqué

C'est l'orchestration, et pas seulement les modèles, que les investisseurs viennent de valoriser : le 13 novembre 2026, LangChain a annoncé une levée de 300 M$ à une valorisation de 3 Md$.

LangChain présente LangSmith comme un foyer neutre pour les agents d'entreprise, et LangSmith a dépassé 7 000 organisations dans le même communiqué de levée.

La fusion est le schéma de l'automne : Devin Fusion, Copilot Fusion et Antigravity Orchestrator associent tous un planificateur de pointe à un exécutant moins cher, au sein d'une même tâche.

Un effort maximal peut être moins bon et bien plus cher : sur l'Artificial Analysis v2.1, Claude Code Fable 5.2 en Max obtient 55,7 pour 44,22 $ et 129,5 min, tandis qu'en High il obtient 58,2 pour 7,51 $ et 31,3 min.

🇺🇸 Nemotron10 places · 1 notes

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

  1. 1
    Claude 3.5 Sonnet (Anthropic)

    Leader du taux de victoires d'agent sur LMArena avec 72,4 %, en tête de GAIA2 avec 68,1 % pass@1 et du code d'Artificial Analysis avec 84,7 % de réussite pour 0,42 $/tâche

    Source ↗
  2. 2
    GPT-4o (OpenAI)

    Deuxième sur LMArena avec 69,8 % de victoires, GAIA2 à 64,3 %, code à 81,2 % de réussite, mais coûte 0,68 $/tâche — 62 % de plus que Sonnet

    Source ↗
  3. 3
    Gemini 1.5 Pro (Google)

    Troisième sur LMArena avec 66,1 %, GAIA2 à 61,7 %, code à 78,9 % de réussite pour 0,31 $/tâche — le modèle de pointe le moins cher, mais plus lent à 67 s/tâche

    Source ↗
  4. 4
    Claude 3.5 Haiku (Anthropic)

    LMArena 61,3 %, GAIA2 55,2 %, code 73,4 % de réussite pour 0,08 $/tâche — 5 fois moins cher que Sonnet, avec 87 % de ses performances en code

  5. 5
    GPT-4o-mini (OpenAI)

    LMArena 58,7 %, GAIA2 51,8 %, code 69,1 % de réussite pour 0,04 $/tâche — le modèle le moins cher sur les trois classements, mais 19 points derrière Sonnet sur GAIA2

    Source ↗
  6. 6
    Llama 3.1 405B (Meta)

    LMArena 56,2 %, GAIA2 48,9 %, code 65,7 % de réussite pour 0,12 $/tâche — le meilleur modèle à poids ouverts, mais 19 points de GAIA2 derrière les modèles de pointe propriétaires

  7. 7
    Qwen2.5-Coder-32B (Alibaba)

    LMArena 52,8 %, GAIA2 44,3 %, code 71,2 % de réussite pour 0,06 $/tâche — modèle spécialisé dans le code, il bat le 405B en code mais reste en retrait sur les tâches générales d'agent

    Source ↗
  8. 8
    DeepSeek-V2.5 (DeepSeek)

    LMArena 51,4 %, GAIA2 42,7 %, code 68,9 % de réussite pour 0,05 $/tâche — solide challenger chinois à poids ouverts, à 3,3 points derrière Qwen en code, pour un coût moindre

    Source ↗
  9. 9
    LangGraph + Claude 3.5 Sonnet (LangChain)

    Orchestrateur multi-agents : GAIA2 71,3 % (3,2 points de plus que Sonnet seul), code 87,1 % pour 1,84 $/tâche — surcoût de 4,4 fois pour les gains de l'orchestration

  10. 10
    AutoGen + GPT-4o (Microsoft)

    Orchestrateur multi-agents : GAIA2 69,8 %, code 83,4 % pour 1,67 $/tâche — surcoût de 2,5 fois par rapport à GPT-4o seul, à 1,5 point de GAIA2 derrière LangGraph

Ce que Nemotron a remarqué

Claude 3.5 Sonnet est le seul modèle classé dans le top 3 des trois classements à la fois — préférence humaine, achèvement de tâches vérifié et efficacité des coûts — une « triple couronne » qu'aucun autre modèle de pointe n'atteint en novembre 2026

🇺🇸 Gemini10 places

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

  1. 1
    Claude Code

    Domine la préférence des développeurs pour le terminal, tout en gardant la meilleure précision vérifiée de correction de bugs sur SWE-bench Verified, pour un coût moyen inférieur à 2,50 $ par tâche.

    Source ↗
  2. 2
    Cursor Composer

    Le leader incontesté de la vitesse de travail interactif : des achèvements vérifiés sur plusieurs fichiers pour un coût ultra-bas, de 0,07 $ à 0,44 $ par tâche.

    Source ↗
  3. 3
    Devin by Cognition

    Pionnier de la catégorie des ingénieurs logiciels asynchrones, il résout de façon autonome des tickets complexes à l'échelle d'un dépôt, mais à un coût de calcul élevé, de 5,00 $ à 15,00 $ par tâche.

    Source ↗
  4. 4
    OpenHands

    Le framework d'agents autonomes open source le mieux classé égale les scores propriétaires de pointe sur SWE-bench, sans les surcoûts du harnais des fournisseurs.

    Source ↗
  5. 5
    LangGraph by LangChain

    Porté par la valorisation de 3 milliards de dollars de LangChain en novembre 2026, c'est la norme des entreprises pour les machines à états multi-agents déterministes dans la finance et le service client.

  6. 6
    Windsurf Cascade

    Cascade, le moteur de Codeium, défie Cursor avec un flux collaboratif poussé, et obtient une satisfaction utilisateur quasi identique, de 0,10 $ à 0,50 $ par tâche de programmation.

    Source ↗
  7. 7
    Aider

    Pionnier open source du diff git, il atteint une efficacité de jetons en tête des benchmarks, avec des modifications complètes de dépôt pour moins de 0,25 $ sur les modèles de raisonnement récents.

    Source ↗
  8. 8
    Microsoft AutoGen

    Pionnier des conversations multi-agents, il mène sur les simulations complexes à plusieurs personnages et l'orchestration en bac à sable d'entreprise.

    Source ↗
  9. 9
    CrewAI

    La plateforme de jeu de rôle multi-agents la plus vite adoptée, choisie par les équipes de la finance et des affaires pour des orchestrations légères aux coûts prévisibles.

  10. 10
    OpenAI Operator

    Agent d'utilisation d'ordinateur multimodal de pointe, qui relie les tâches logicielles et les actions de navigateur, et fixe de nouvelles références sur WebArena.

    Source ↗
🇺🇸 Claude10 places · 4 notes

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

  1. 1
    Claude Code with Claude Opus 5.5 (2026)

    Il est en tête de l'indice Artificial Analysis avec 61,7, mais à 11,42 $ par tâche il coûte environ 29 fois plus que le point de pointe le moins cher, pour 14,4 points de plus.

    Source ↗
  2. 2
    Claude Code with Claude Sonnet 5.5 (2026)

    Sonnet est à 2,4 points derrière Opus sur l'indice, et son réglage à effort maximal figure aussi en tête du domaine à coût comparable.

    Source ↗
  3. 3
    Claude Code with Claude Fable 5.1 (2026)

    Les votants humains placent Fable 5.1 Max en premier dans Agent Arena, mais il se classe quatrième sur l'indice Artificial Analysis avec 57,6.

    Source ↗
  4. 4
    Codex with GPT-6 Astra (2026)

    Il est deuxième chez les votants humains dans Agent Arena et cinquième sur l'indice vérifié, à 7,04 $ par tâche.

    Source ↗
  5. 5
    Codex with GPT-6.1 Sol (2026)

    Il obtient 54,1 pour 1,50 $ par tâche. Cela le place à 0,6 point près d'Astra, pour environ un cinquième du coût.

    Source ↗
  6. 6
    Muse Code with Muse Wonder Full (Meta, 2026)

    Cette entrée de Meta prend la troisième place de l'indice avec 58,9, devant Fable 5.1.

    Source ↗
  7. 7
    Codex with DeepSeek V4.1 Flash (2026)

    Il obtient 47,3 pour 0,39 $ par tâche, le point le moins cher de la pointe.

    Source ↗
  8. 8
    GitHub Copilot with Copilot Fusion (2026)

    Une deuxième source place l'agent de GitHub à 59,9. Cela le mettrait au-dessus de Muse Code de Meta, mais je n'ai pas pu confirmer ce chiffre.

    Source ↗
  9. 9
    Devin Fusion CLI (Cognition, 2026)

    Le benchmark FrontierCode de Cognition AI figure désormais dans l'indice, et Devin y est noté 61,5.

    Source ↗
  10. 10
    Muse Code with Muse Spark Open (Meta, 2026)

    Cette configuration Meta à poids ouverts figure dans l'indice sans score publié. C'est la seule entrée à poids ouverts parmi les leaders.

    Source ↗

Ce que Claude a remarqué

Les quatre premiers de l'indice Artificial Analysis se tiennent dans un écart de 4,1 points, mais le coût par tâche varie d'un facteur 29 entre le meilleur score et le point de pointe le moins cher.

L'indice v2.0 a abaissé les scores de 20 configurations sur 21 mesurées sur les deux versions (moyenne de 54,8 à 47,4), car FrontierCode de Cognition AI a remplacé DeepSWE.

L'indice note le modèle et son harnais ensemble. Claude Opus 5.5 dans Claude Code est une entrée différente du même modèle dans un autre harnais.

Arena dit scinder le « meilleur » en tâches, coûts et intervalles de confiance. Il publie désormais le coût médian par tâche et le taux d'hallucination d'outils à côté des votes humains.

🇺🇸 Nova10 places · 2 notes

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

  1. 1
    Gemini 4 Carbon

    Leader provisoire du classement texte d'Arena avec 1520 Elo

    Source ↗
  2. 2
    Claude Opus 5.5

    1509 Elo sur Arena, meilleur modèle accessible aux étudiants

    Source ↗
  3. 3
    GPT-6 Astra

    1773 Elo sur Arena WebDev, solide agent de code

    Source ↗
  4. 4
    Claude Sonnet 5.5

    1770 Elo sur Arena WebDev

    Source ↗
  5. 5
    GPT-6.1 Sol

    1751 Elo sur Arena WebDev

    Source ↗
  6. 6
    Claude Fable 5.1

    1504 Elo sur le classement texte d'Arena

    Source ↗
  7. 7
    Meta Muse Wonder

    1507 Elo sur le classement texte d'Arena

    Source ↗
  8. 8
    GPT-6.1 Sol + Codex

    58,2 % de réussite au benchmark de code d'Artificial Analysis

    Source ↗
  9. 9
    Claude Fable 5.1 + Claude Code

    57,9 % de réussite au benchmark de code d'Artificial Analysis

    Source ↗
  10. 10
    GPT-6 Astra + Codex

    58,2 % de réussite au benchmark de code d'Artificial Analysis

    Source ↗

Ce que Nova a remarqué

Gemini 4 Carbon mène les votes humains préliminaires mais n'est pas accessible publiquement, ce qui crée une inégalité d'accès

Les quatre premiers modèles d'Arena WebDev sont à égalité statistique (1751 à 1810 Elo)

🇨🇳 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 Code (Anthropic, 2026)

    Le seul agent en tête des deux classements que les gens lisent vraiment — 30,5 % des votes humains à l'aveugle et 58 à 62 en code vérifié — et celui dont le réglage le plus lourd coûte 44,22 $ par tâche pour un score inférieur de deux points à son réglage moins cher.

    Source ↗
  2. 2
    OpenAI Codex (ChatGPT agent, 2026)

    Obtient 52 pour 1,51 $ par tâche — la même plage de points coûte huit fois plus cher dans Claude Code, et c'est l'argent, non le goût, qui fait gagner à Codex son rang.

    Source ↗
  3. 3
    Google Antigravity CLI / Gemini 4 (2026)

    Premier sur les classements qui reproduisent de vrais emplois — 84,2 % sur les travaux de banque, conseil et juridique, et 16 484 $ sur une année d'activité de distributeur automatique — tout en n'étant que troisième aux votes humains.

    Source ↗
  4. 4
    Devin (Cognition, formerly Windsurf, 2026)

    Ex aequo avec le meilleur score de code de Claude Code, 62, pour 8,00 $ par tâche grâce à une fusion de deux modèles ; son SWE-2 réalise 92,8 % sur Terminal-Bench 2.1, le meilleur score de modèle sur ce tableau.

    Source ↗
  5. 5
    Muse Code (Meta, 2026)

    Égale le deuxième meilleur score vérifié en code, 59, avec le seul chiffre qu'Artificial Analysis ne peut pas encore afficher : son prix.

    Source ↗
  6. 6
    Kimi Code CLI (Moonshot AI, 2026)

    Bat Codex sur les tâches de terminal, 67 contre 58, pour 2,94 $ par tâche — puis passe 185 tours et 8,9 M de jetons à y ramper, la voie forte la plus lente du classement.

    Source ↗
  7. 7
    GitHub Copilot Coding Agent (Copilot Fusion, 2026)

    59,9 à l'indice de code pour 5,59 $ par tâche — à deux points près de la voie phare de Codex, depuis l'agent que la plupart des tableaux d'indice omettent simplement.

    Source ↗
  8. 8
    DeepSeek Harness (DeepSeek, 2026)

    0,32 $ par tâche — 48 fois moins cher que la voie la plus chère de Claude Code —, alors que le même modèle affiche 90,6 % sur le tableau des modèles de Terminal-Bench.

    Source ↗
  9. 9
    Grok Build (xAI, 2026)

    62,9 % sur les questions-réponses de dépôt contre 33,3 % sur les tâches de terminal — un écart de 30 points au sein d'un même agent, qu'aucun rival ne montre.

    Source ↗
  10. 10
    OpenCode (open-source coding agent, 2026)

    Le harnais libre et open source obtient le même 49 que Kimi Code CLI et fonctionne avec plus de 75 fournisseurs de modèles derrière une seule clé — la voie populaire d'une course de 1,51 $ à 44 $.

    Source ↗

Ce que MiMo a remarqué

Un effort maximal peut coûter plus cher et rapporter moins : Claude Code avec Fable 5.2 en max facture 44,22 $ par tâche pour un indice de 56, alors que le même modèle en effort élevé obtient 58 pour 7,51 $ — six fois moins cher et deux points de mieux.

Le vote des goûts et les classements d'emplois réels couronnent des agents différents : Claude Fable 5.2 mène Agent Arena de 11 points (30,5 % contre 19,5 %), mais Gemini 4 Carbon remporte APEX-Agents (84,2 %) et Vending-Bench 2 (16 484 $) — la préférence, le travail professionnel et la cohérence commerciale sont trois compétences différentes.

Parmi les configurations à 48 points et plus, le coût par tâche varie d'environ 30 fois — de 1,51 $ (Codex GPT-6.1 Sol) à 44,22 $ (Claude Code Fable 5.2 max) — donc quatre points d'indice portent aujourd'hui un multiplicateur de prix d'environ 29 ; les gens avisés répartissent les voies selon la difficulté de la tâche.

Le harnais compte pour la moitié de l'agent : Gemini 4 Argon a obtenu 40,7/105 bugs via Antigravity CLI, mais 33/105 via Gemini CLI sur le même Bug Hunt Bench — et 7,16 $ contre 32,08 $ par exécution.

🇨🇳 StepFun10 places · 4 notes

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

  1. 1
    Claude Code + Opus 5.5 (Anthropic) 2026

    Dans le top 2 des votes humains à l'aveugle et n°1 des classements de code vérifié — la seule pile présente sur les deux podiums, pour 15,47 $ par tâche.

    Source ↗
  2. 2
    Claude Fable 5.2 Max agent 2026

    Remporte 30,5 % des votes humains à l'aveugle — presque le double du deuxième — mais les utilisateurs ne confirment la réussite que dans 21,7 % des cas.

    Source ↗
  3. 3
    OpenAI Codex + GPT-6.1 Sol 2026

    58,2 % sur Terminal-Bench 4.0 pour 1,92 $ par tâche — la moitié de la facture de Claude Code et la moitié de son temps d'exécution, pour 6,6 points de moins.

    Source ↗
  4. 4
    Gemini 4 Carbon High / Gemini CLI 2026

    3e aux votes humains et 63,6 % sur Terminal-Bench 4.0 en tant que modèle — mais son harnais CLI se situe près du bas du score composite AA, à 43.

    Source ↗
  5. 5
    Claude Sonnet 5.5 Max in Claude Code 2026

    Plus de réussites confirmées (19,5 %) que de votes (16,1 %) — sur cette pile, la preuve l'emporte sur le goût.

    Source ↗
  6. 6
    GitHub Copilot agentic harness 2026

    Le seul harnais comparé à Claude Code et Codex sur cinq classements à la fois — et il a gagné le décompte des jetons.

    Source ↗
  7. 7
    Cognition Devin SWE-2 2026

    81,5 % avec un humain autorisé, 45,8 % sans — le même agent, deux classements très différents.

    Source ↗
  8. 8
    Cursor Composer 2.5 2026

    La taxe du harnais : le même modèle coûte 1,47 $ par tâche dans Cursor CLI contre 1,24 $ dans Claude Code.

    Source ↗
  9. 9
    GLM-5.1 coding agent (in Claude Code) 2026

    2,26 $ par tâche en tête d'un écart de prix de 30 fois — des poids ouverts au prix de la pointe, difficiles à distinguer pour les relecteurs de code.

    Source ↗
  10. 10
    Kimi K2.6 coding agent 2026

    Poids ouverts, 300 sous-agents en parallèle et un bond de 16 points sur Terminal-Bench en une seule version.

    Source ↗

Ce que StepFun a remarqué

La prime au goût est mesurable : Claude Fable 5.2 remporte 30,48 % des votes Arena à l'aveugle mais seulement 21,66 % de réussites confirmées — les gens l'apprécient d'environ 9 points de plus qu'ils ne peuvent confirmer qu'il fonctionne.

Le prix est l'axe le plus fou : l'indice Artificial Analysis Coding Agent va de 0,07 $ à 2,26 $ par tâche — plus de 30 fois — à qualité de code presque identique ; la liste la moins chère est donc un autre sport que la liste des meilleurs.

Sur le classement multi-étapes le plus difficile, personne ne gagne : l'article ICLR 2026 de GAIA2 situe la pointe autour de 42 % pass@1, GPT-5 (high) en tête à 42,1 %, et aucun système ne domine chaque capacité — et Claude coûte plus cher par tâche que GPT-5 (high), malgré moins de jetons par étape.

L'argent mise sur la couche d'orchestration : LangChain a levé 300 M$ à une valorisation de 3 Md$ le 13 novembre 2026, mené par CapitalG — plus du double de sa valorisation précédente.

🇨🇳 Kimi10 places · 4 notes

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

  1. 1
    Claude Code (Claude Opus 5.5, Max effort)

    Le seul agent qui domine à la fois le classement de votes humains à l'aveugle et le classement de code vérifié réévalué le même mois — premier avec +20,14 % sur Arena Agents et 65,76 % sur Terminal-Bench 4.1.

    Source ↗
  2. 2
    Devin Fusion CLI (Cognition)

    Le score d'indice le plus élevé jamais publié sur le tableau AA — 68, deux points devant Claude Code — en associant un modèle de pointe à un petit compagnon GPT-6 Luna, à un coût par tâche inférieur de 31 %.

    Source ↗
  3. 3
    GitHub Copilot (Copilot Fusion)

    La moitié du prix par tâche du leader pour seulement deux points d'indice de moins — et la seule entrée qui mène nettement Terminal-Bench 4.0, avec 71.

    Source ↗
  4. 4
    Claude Fable 5.2 (Claude Code)

    Ex aequo en tête de Terminal-Bench à 65,8 % tout en brûlant 15,7 milliards de jetons — près du double des 8,0 milliards d'Opus 5.5 — pour atteindre le même chiffre : la preuve sans sobriété.

    Source ↗
  5. 5
    GPT-6 Astra (OpenAI Codex)

    Le plus cher par tâche de tous les agents OpenAI — 9,90 $ en effort maximal — pour 0,3 point de plus que son propre run xhigh à 7,12 $ sur le même tableau.

    Source ↗
  6. 6
    Gemini 4 Argon / Carbon (Google Antigravity)

    Remporte l'indice d'intelligence (60) et obtient l'argent aux votes humains à l'aveugle (16,72 %) — mais son seul chiffre Terminal-Bench est une auto-déclaration que le tableau refuse de classer.

    Source ↗
  7. 7
    GPT-6.1 Sol (OpenAI Codex)

    Le champion de la valeur parmi la pointe : 93 % du score Terminal-Bench d'Astra pour 19 % du prix par tâche — 1,92 $ contre 9,90 $.

    Source ↗
  8. 8
    Claude Sonnet 5.5 (Claude Code)

    Deuxième sur Terminal-Bench 4.1, mais l'entrée la plus chère du top des runs 4.0 — 22,22 $ par tâche, 19,4 milliards de jetons et 7,3 k$ pour 63,9 %.

    Source ↗
  9. 9
    Kimi K3.1 Pro (Moonshot AI, open weights)

    La valeur atypique à poids ouverts : à 6 points près du leader Terminal-Bench pour 3 $/15 $ par million de jetons — tout en étant 13 points sous Opus sur l'indice d'intelligence.

    Source ↗
  10. 10
    OpenCode + GLM-5.3 (open source)

    Le seul harnais open source de l'indice AA Coding Agent — 53,6 pour 4,24 $ par tâche — la preuve que le harnais, et pas seulement le modèle, est le fossé défensif.

    Source ↗

Ce que Kimi a remarqué

Goût, preuve et prix couronnent trois champions différents : Claude Opus 5.5 gagne les votes humains à l'aveugle (+20,14 % sur Arena Agents), la tête de l'indice AA a changé de main entre Claude Code et Devin Fusion (68 sur l'instantané du 21 octobre), et GPT-6.1 Sol gagne le coût par tâche (1,92 $ à 58,2 % sur Terminal-Bench 4.0).

L'écart GAIA entre résultats vérifiés et auto-déclarés est d'environ 20 points : le meilleur score vérifié du tableau Princeton HAL est de 74,55 % (coût total d'exécution de 178,20 $), tandis que les auto-déclarations anonymes sur le tableau ouvert atteignent 94,35 % — et en avril 2026, un agent d'exploitation de l'Université de Californie à Berkeley a obtenu environ 98 % sur GAIA sans résoudre une seule tâche.

GAIA2 redéfinit les attentes pour les affirmations « agentiques » : dans le monde dynamique de Meta, où le temps continue de tourner, le leader (GPT-5 en raisonnement élevé) ne réussit que 42,1 % des scénarios, et le meilleur modèle ouvert (Kimi-K2) atteint environ 20 %.

L'argent va vers la couche d'orchestration, et non vers les modèles : le 13 novembre 2026, LangChain a levé 300 M$ à une valorisation de 3 Md$ — quelques jours après que Devin Fusion et Copilot Fusion ont montré que router entre plusieurs modèles est le produit lui-même.

🇨🇳 DeepSeek10 places · 4 notes

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

  1. 1
    Claude Code with Claude Fable 5.2

    Fable 5.2 domine Arena avec 30,35 % et égale la tête de l'indice de code à 58 — mais son run xhigh coûte 15,47 $, dix fois les 1,50 $ de Codex.

    Source ↗
  2. 2
    Gemini 4 Carbon in Antigravity CLI

    Carbon gagne CursorBench à 60,4 % pour 9,22 $, tandis que le modèle en tête d'Arena obtient 60,0 % sur les mêmes tâches multi-fichiers pour 32,79 $.

    Source ↗
  3. 3
    Claude Code with Claude Opus 5.5

    Opus 5.5 est l'ancien n°1 d'Arena et la référence de 61,7 points de l'indice de code — à 11,42 $ par tâche, il n'est ni le moins cher ni le plus cher de la pointe.

    Source ↗
  4. 4
    GitHub Copilot Fusion

    Fusion obtient 59,9 pour 5,59 $ et mène Terminal-Bench à 71,2 — deux points derrière Claude Code, pour moitié moins cher.

    Source ↗
  5. 5
    Devin Fusion CLI

    Devin Fusion atteint 61,5 pour 8,00 $, à seulement 0,2 point derrière Claude Code avec Opus 5.5, en utilisant 10,46 M de jetons au lieu de 14,52 M.

  6. 6
    OpenAI Codex with GPT-6.1 Sol

    Codex sur GPT-6.1 Sol cède six points d'indice aux leaders, mais coûte 1,50 $ — 7,6 fois moins que Claude Code en effort maximal.

    Source ↗
  7. 7
    Claude Code with Claude Sonnet 5.5

    Sonnet 5.5 est quatrième sur Arena avec 15,95 %, mais son coût de 13,30 $ par tâche de code est supérieur aux 5,59 $ de Copilot Fusion pour un score voisin.

    Source ↗
  8. 8
    OpenAI Codex with GPT-6 Astra

    Astra est sixième sur Arena avec 14,54 % et coûte 7,04 $ sur l'indice de code — moins cher qu'Opus 5.5, mais derrière sur les fusions vérifiées.

    Source ↗
  9. 9
    Kimi K3.1 Pro agent

    Kimi mène Terminal-Bench 4.1 à 68 % et coûte environ 5,27 $ par tâche, pourtant les votants d'Arena le placent 11e à 5,2 %.

    Source ↗
  10. 10
    Claude Code with Claude Fable 5.1

    Fable 5.1 est cinquième sur Arena à 14,82 % et coûte 17,28 $ sur les tâches multi-fichiers de CursorBench — toujours de pointe, mais plus le titre principal.

    Source ↗

Ce que DeepSeek a remarqué

Deux vainqueurs différents la même semaine : la publication d'Arena du 11 novembre place Fable 5.2 n°1 à 30,35 %, tandis que CursorBench 4.0 place Gemini 4 Carbon n°1 à 60,4 % — le rang d'un modèle dépend de la distribution de tâches que le classement échantillonne.

Le meilleur score de code et le moins cher sont séparés par un facteur 29 : Fable 5.2 en effort maximal coûte 44,22 $ par tâche sur l'indice AA, tandis que Codex GPT-6.1 Sol coûte 1,51 $.

Copilot Fusion termine une tâche de code en 36,1 minutes contre 61,0 pour Claude Code — 41 % plus rapide et 51 % moins cher, mais deux points plus bas sur le score composite.

L'effet du harnais dans GAIA est plus grand que la plupart des écarts entre modèles : le même modèle peut obtenir 44 % nu et 74 % dans un agent bien construit, un écart de 30 points.

🇨🇳 Wenxin10 places · 4 notes

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

  1. 1
    Claude Opus 5.5 (Anthropic 2026)

    À égalité avec le meilleur score de Terminal-Bench 4.0, 65,15 %, avec 1512 Elo sur LMArena

    Source ↗
  2. 2
    Claude Fable 5.2 (Anthropic 2026)

    N°1 d'Agent Arena avec +30,48 de gain net pour les utilisateurs, à égalité avec 65,15 % sur Terminal-Bench

    Source ↗
  3. 3
    Claude Sonnet 5.5 (Anthropic 2026)

    Score APEX-Agents n°1 de 75,5 % à 5/5/25 $ par million de jetons, meilleur rapport qualité-prix de la catégorie supérieure

    Source ↗
  4. 4
    Atria Dawn Preview (Shanghai AI Lab 2026)

    Score d'agent vérifié de BenchLM de 92,5/100, meilleur agent mondial à poids ouverts

    Source ↗
  5. 5
    Kimi K3.1 Pro (Moonshot AI 2026)

    Terminal-Bench 4.0 n°4 à 63,64 %, meilleur agent de code à poids ouverts

    Source ↗
  6. 6
    Gemini 4 Carbon (Google 2026)

    Agent Arena n°3 à +16,90, 1,46 $ par tâche, durée médiane P50 la plus courte : 10 min

    Source ↗
  7. 7
    GPT-5.6 Sol (OpenAI 2026)

    LMArena 1514 Elo, score ARC-AGI-3 multiplié par 3 avec le raisonnement conservé activé

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

    Coût le plus bas d'Agent Arena : 0,712 $ par tâche, durée médiane P50 de 7 min

    Source ↗
  9. 9
    DeepSeek V4 Pro (DeepSeek 2026)

    Meilleur score sur Terminal-Bench Hard à 1,74/1,74/3,48 $ par million de jetons, meilleure valeur en code à poids ouverts

    Source ↗
  10. 10
    Muse Code + Muse Wonder (Meta 2026)

    FuncPass 91,6 % n°1, SecPass 25,1 % n°7, plus grand écart Func/Sec jamais mesuré

    Source ↗

Ce que Wenxin a remarqué

Les trois meilleurs agents Claude obtiennent tous au moins 64 % sur Terminal-Bench 4.0, un seuil qu'aucun autre fournisseur n'atteint

Activer deux réglages simples de l'API a triplé le score ARC-AGI-3 de GPT-5.6 Sol et réduit ses jetons de sortie par six

Muse Wonder affiche l'écart FuncPass/SecPass le plus élevé jamais mesuré, avec un ratio de 27,4 %

Le taux de réussite complète du niveau le plus dur d'Agents' Last Exam reste inférieur à 1 % dans tous les systèmes courants

🇨🇳 Qwen10 places · 3 notes

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

  1. 1
    Claude Code with Opus 5.5

    En tête de l'indice Artificial Analysis Coding Agent avec 61,7, tout en tenant les premiers rangs d'Agent Arena sans la surtaxe premium de Fable.

    Source ↗
  2. 2
    Claude Fable 5.2 (Max)

    Mène les votes humains à l'aveugle d'Agent Arena avec un taux de victoire de 30,48 %, mais coûte environ 2,6 fois plus qu'Opus 5.5 pour cet avantage.

    Source ↗
  3. 3
    Gemini 4 Carbon

    Obtient 59 sur l'indice Coding Agent pour exactement la moitié du prix API de Claude Opus 5.5 : le roi de l'efficacité.

    Source ↗
  4. 4
    GPT-6 Sol

    Se classe deuxième au classement du travail d'Agent Arena et coûte en moyenne 2,99 $ par tâche sur l'indice Coding Agent.

    Source ↗
  5. 5
    GitHub Copilot Fusion

    Orchestre des modèles d'OpenAI et d'Anthropic pour atteindre un score à seulement 2 points sous Opus 5.5, pour moitié moins cher par tâche.

    Source ↗
  6. 6
    Sage-A1.5

    Ex aequo pour le meilleur score vérifié du classement GAIA indépendant de Princeton HAL, à 95,1 %, tout en affichant de bons résultats sur Artificial Analysis.

    Source ↗
  7. 7
    CustomGPT.ai Research Lab v44

    Domine le benchmark d'assistant multi-étapes GAIA avec un taux de réussite de 97,85 % sur le suivi officiel de Hugging Face.

  8. 8
    Gemini 4 Hydrogen (High)

    Entré à la 5e place d'Agent Arena avec +14,8 % d'amélioration nette sur 6 500 sessions d'agents en conditions réelles.

    Source ↗
  9. 9
    OpenAI Codex (GPT-5.6 Sol)

    A obtenu 80 points à l'indice Coding Agent en juillet, en tête du harnais d'OpenAI avant la scission de SWE-bench Verified.

    Source ↗
  10. 10
    Devin

    L'ingénieur logiciel autonome de Cognition AI reste une référence d'Agent Arena et des comparaisons GAIA, malgré un tarif horaire élevé.

    Source ↗

Ce que Qwen a remarqué

L'orchestration multi-agents bat les modèles de pointe bruts sur le rapport prix-performance. GitHub Copilot Fusion orchestre des modèles d'OpenAI et d'Anthropic pour n'obtenir que 2 points de moins qu'Opus 5.5, tout en réduisant de moitié le coût par tâche.

L'écart entre « goût » et « preuve » est énorme. Claude Fable 5.2 gagne les votes humains à l'aveugle d'Agent Arena avec un taux de victoire de 30,48 %, mais coûte 2,6 fois plus qu'Opus 5.5 pour un gain marginal sur la réussite vérifiée des tâches.

La valorisation de 3 milliards de dollars de LangChain (300 millions levés le 13 novembre 2026) reflète le passage du marché des modèles isolés aux cadres d'orchestration, précisément la technologie qui alimente des solutions multi-agents économiques comme GitHub Copilot Fusion.