Benchmark di programmazione dei modelli di IA

Tutti i punteggi dei benchmark di programmazione presenti nelle nostre schede degli strumenti e nel confronto dei modelli, raggruppati per test. Ogni punteggio è accompagnato dalle condizioni dichiarate e da un link alla pagina dell'azienda.

Metodologia: da leggere prima di confrontare

Punteggi autodichiarati: ogni dato è ripreso così com'è dall'annuncio dell'azienda del modello (post del blog, model card o documentazione, con un link «fonte» su ogni riga). OrigoTech non li ha misurati.
Harness diversi: ogni azienda sceglie il proprio agent harness, il livello di ragionamento e le condizioni di test (colonna «Condizioni dichiarate»). I confronti tra modelli vanno quindi fatti con cautela: uno scarto di pochi punti non basta per classificare due modelli.
Nessun dato aggiunto: questa pagina mostra solo i punteggi già presenti nei nostri dati, senza calcoli né medie. Un modello senza punteggio pubblicato non è elencato.
L'ordine predefinito (dal punteggio più alto) non è una classifica; cliccate sull'intestazione di una colonna per ordinare in altro modo.

Dati verificati 26 ott 2026

Punteggi mostrati: 15 · benchmark: 2

DeepSWE v1.1 (11 punteggi)

DeepSWE v1.1: punteggi dichiarati dalle aziende. Le intestazioni delle colonne sono pulsanti di ordinamento.
				Fonti
Gemini 4 Argon	Google	77,9 %	dichiarato da Google	fonte — Gemini 4 Argon
DeepSeek V4.1-Flash-1017	DeepSeek	77 %	dichiarato da DeepSeek, harness Mini-SWE-V2	fonte — DeepSeek V4.1-Flash-1017
MiniMax M3.1 Flash	MiniMax	73,7 %	dichiarato da MiniMax	fonte — MiniMax M3.1 Flash
Grok 4.7	xAI	71 %	livello di ragionamento alto, annunciato da xAI	fonte — Grok 4.7
Kimi K3	Moonshot AI	67,3 %	harness mini-SWE-agent (classifica DeepSWE), citato da Moonshot	fonte — Kimi K3
GLM-5.3	Z.ai	66,9 %	annunciato da Z.ai	fonte — GLM-5.3
GLM-5.3-Flash	Z.ai	63,4 %	annunciato da Z.ai	fonte — GLM-5.3-Flash
DeepSeek V4-Pro-0813	DeepSeek	62,7 %	DeepSeek Harness (modalità minimale), livello di ragionamento massimo, annunciato da DeepSeek	fonte — DeepSeek V4-Pro-0813
Muse Spark Open (816B-A42B)	Meta	60 %	dichiarato da Meta, harness preferito, ragionamento xhigh	fonte — Muse Spark Open (816B-A42B)
Qwen3.8-Max	Alibaba (Qwen)	56,6 %	il migliore tra Claude Code / mini-SWE-agent, annunciato da Qwen	fonte — Qwen3.8-Max
Qwen3.8-27B	Alibaba (Qwen)	42,2 %	harness Claude Code, annunciato da Qwen	fonte — Qwen3.8-27B

Terminal-Bench 4.0 (4 punteggi)

Terminal-Bench 4.0: punteggi dichiarati dalle aziende. Le intestazioni delle colonne sono pulsanti di ordinamento.
				Fonti
Kimi K3.1 Pro	Moonshot AI	65,7 %	harness Claude Code, dichiarato da Moonshot	fonte — Kimi K3.1 Pro
Gemini 4 Carbon	Google	65,2 %	harness di Artificial Analysis, dichiarato da Google	fonte — Gemini 4 Carbon
GPT-6.1 Terra	OpenAI	50,3 %	massimo livello di ragionamento, dichiarato da OpenAI	fonte — GPT-6.1 Terra
Nanbeige4.3-33B	Nanbeige (BOSS Zhipin)	23,8 %	harness mini-swe-agent v2.4.6, dichiarato da Nanbeige	fonte — Nanbeige4.3-33B

Confronto dei modelli → Grafico prezzo / prestazioni → Calcolatore dei costi →

Che cos'è DeepSWE? · Metodologia