Benchmarks de code des modèles

Tous les scores de benchmark de code présents dans nos fiches et dans le comparateur de modèles, regroupés par test. Chaque score est accompagné de ses conditions annoncées et d'un lien vers la page de l'éditeur.

Méthodologie : à lire avant de comparer

Scores auto-déclarés : chaque chiffre est repris tel quel de l'annonce de l'éditeur du modèle (billet, fiche de modèle ou documentation, lien « source » sur chaque ligne). OrigoTech ne les a pas mesurés.
Harnais différents : chaque éditeur choisit son harnais d'agent, son niveau de raisonnement et ses conditions de test (colonne « Conditions annoncées »). Les comparaisons entre modèles sont donc à prendre avec prudence : quelques points d'écart ne suffisent pas à les départager.
Aucun chiffre ajouté : la page reprend uniquement les scores déjà présents dans nos données, sans calcul ni moyenne. Un modèle sans score publié n'apparaît pas.
L'ordre par défaut (score décroissant) n'est pas un classement ; cliquez sur un en-tête de colonne pour trier autrement.

Données vérifiées le 26 oct. 2026

Scores affichés : 15 · benchmarks : 2

DeepSWE v1.1 (11 scores)

Scores DeepSWE v1.1 annoncés par les éditeurs. Les en-têtes de colonne sont des boutons de tri.
				Sources
Gemini 4 Argon	Google	77,9 %	annoncé par Google	source — Gemini 4 Argon
DeepSeek V4.1-Flash-1017	DeepSeek	77 %	annoncé par DeepSeek, harnais Mini-SWE-V2	source — DeepSeek V4.1-Flash-1017
MiniMax M3.1 Flash	MiniMax	73,7 %	annoncé par MiniMax	source — MiniMax M3.1 Flash
Grok 4.7	xAI	71 %	effort élevé, annoncé par xAI	source — Grok 4.7
Kimi K3	Moonshot AI	67,3 %	harnais mini-SWE-agent (classement DeepSWE), cité par Moonshot	source — Kimi K3
GLM-5.3	Z.ai	66,9 %	annoncé par Z.ai	source — GLM-5.3
GLM-5.3-Flash	Z.ai	63,4 %	annoncé par Z.ai	source — GLM-5.3-Flash
DeepSeek V4-Pro-0813	DeepSeek	62,7 %	DeepSeek Harness (mode minimal), effort max, annoncé par DeepSeek	source — DeepSeek V4-Pro-0813
Muse Spark Open (816B-A42B)	Meta	60 %	annoncé par Meta, harnais préféré, raisonnement xhigh	source — Muse Spark Open (816B-A42B)
Qwen3.8-Max	Alibaba (Qwen)	56,6 %	meilleur score Claude Code / mini-SWE-agent, annoncé par Qwen	source — Qwen3.8-Max
Qwen3.8-27B	Alibaba (Qwen)	42,2 %	harnais Claude Code, annoncé par Qwen	source — Qwen3.8-27B

Terminal-Bench 4.0 (4 scores)

Scores Terminal-Bench 4.0 annoncés par les éditeurs. Les en-têtes de colonne sont des boutons de tri.
				Sources
Kimi K3.1 Pro	Moonshot AI	65,7 %	harnais Claude Code, annoncé par Moonshot	source — Kimi K3.1 Pro
Gemini 4 Carbon	Google	65,2 %	harnais Artificial Analysis, publié par Google	source — Gemini 4 Carbon
GPT-6.1 Terra	OpenAI	50,3 %	effort de raisonnement max, annoncé par OpenAI	source — GPT-6.1 Terra
Nanbeige4.3-33B	Nanbeige (BOSS Zhipin)	23,8 %	harnais mini-swe-agent v2.4.6, annoncé par Nanbeige	source — Nanbeige4.3-33B

Comparateur de modèles → Graphique prix / performance → Calculateur de coût →

Qu'est-ce que DeepSWE ? · Méthodologie