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.
DeepSWE v1.1
| Sources | ||||
|---|---|---|---|---|
| Gemini 4 Argon | 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 |
Comparateur de modèles → Graphique prix / performance → Calculateur de coût →