Bancs d’essai de programmation

DeepSWE

Instantané du 2026-07-16 · 113 tâches · Source · Public leaderboard snapshot; verify current rankings on the source before citing.

Instantané indicatif du classement public DeepSWE avec mini-swe-agent. Les scores et les coûts ne proviennent pas de mesures OpenCodex en direct.

Modèle	Niveau	Score	Coût par tâche	Score par dollar	Cas d’usage
gpt-5.6-sol	max	73% ±3	$8.39	8.7	Pointe, Planification
claude-fable-5	max	70% ±4	$21.63	3.2	Planification, Pointe
gpt-5.6-terra	max	70% ±3	$4.95	14.1	Polyvalent, Pointe
gpt-5.6-luna	max	67% ±4	$3.03	22.1	Polyvalent, Sous-agent économique
gpt-5.5	xhigh	67% ±6	$7.23	9.3	Pointe, Polyvalent
claude-opus-4.8	max	59% ±2	$13.22	4.5	Pointe, Planification
claude-sonnet-5	max	54% ±4	$26.4	2.0	Planification
grok-4.5	high	54% ±2	$2.42	22.3	Polyvalent, Sous-agent économique
muse-spark-1.1Meilleur rapport qualité-prix	xhigh	53% ±3	$2.36	22.5	Polyvalent, Sous-agent économique
gpt-5.4	xhigh	52% ±2	$5.65	9.2	Polyvalent
glm-5.2	max	44% ±2	$3.92	11.2	Polyvalent, Sous-agent économique
gemini-3.5-flash	medium	37% ±2	$7.34	5.0	Rapide
kimi-k2.7-code	—	31% ±1	$2.82	11.0	Sous-agent économique, Polyvalent
claude-sonnet-4.6	high	30% ±4	$5.52	5.4	Polyvalent
gemini-3.1-pro	high	12% ±2	$9.48	1.3	Pointe

AA Coding Agent

Instantané du 2026-07-09 · undefined tâches · Source · Figures from Artificial Analysis public pages; not affiliated with AA.

Instantané de l’Artificial Analysis Coding Agent Index après la disponibilité générale de GPT-5.6, le 9 juillet 2026. Consultez provenance.url. Il ne s’agit pas de mesures OpenCodex en direct.

Modèle	Niveau	Score	Coût par tâche	Score par dollar	Cas d’usage
composer-2.5Meilleur rapport qualité-prix	std	62	$0.07	885.7	Polyvalent, Sous-agent économique, Rapide
composer-2.5	fast	62	$0.44	140.9	Polyvalent, Rapide
claude-opus-4.7	max	66	$4.1	16.1	Pointe, Planification
gpt-5.5	xhigh	65	$4.82	13.5	Pointe, Polyvalent
gpt-5.6-luna	max	75	$1.55	48.4	Polyvalent, Sous-agent économique
gpt-5.6-terra	max	77	$2.4	32.1	Polyvalent
gpt-5.6-sol	max	80	$3.9	20.5	Pointe, Planification
grok-4.5	high	76	$2.54	29.9	Polyvalent, Sous-agent économique
claude-sonnet-4.6	high	58	$2.8	20.7	Polyvalent
claude-fable-5	high	64	$9.5	6.7	Planification, Pointe

FrontierCode

Instantané du 2026-07-16 · 100 tâches · Source · Public FrontierCode snapshot; verify on cognition.com before citing.

Instantané indicatif de cognition.com/frontiercode, FrontierCode 1.1 Main, juillet 2026. Le score suit la grille de mergeability et le coût est la moyenne en USD par exécution. Les modes de raisonnement Meilleur et Tous correspondent au sélecteur du classement Cognition. Il ne s’agit pas de mesures OpenCodex en direct.

Modèle	Niveau	Score	Coût par tâche	Score par dollar	Cas d’usage
claude-fable-5	xhigh	53.5%	$13.09	4.1	Pointe, Polyvalent, Planification
claude-fable-5	high	52.7%	$9.48	5.6	Pointe, Polyvalent, Planification
claude-fable-5	max	51.6%	$19.07	2.7	Pointe, Polyvalent, Planification
claude-fable-5	medium	49.8%	$7.15	7.0	Pointe, Polyvalent, Planification
claude-fable-5	low	48%	$4.92	9.8	Pointe, Polyvalent, Planification
gpt-5.6-sol	max	47.5%	$6.3	7.5	Pointe, Polyvalent, Planification
gpt-5.6-sol	xhigh	46.8%	$5	9.4	Pointe, Polyvalent, Planification
claude-opus-4.8	max	46.5%	$9.62	4.8	Pointe, Polyvalent, Planification
claude-opus-4.8	xhigh	45.5%	$6.78	6.7	Pointe, Polyvalent, Planification
gpt-5.6-sol	high	45.1%	$4.1	11.0	Pointe, Polyvalent, Planification
gpt-5.5	xhigh	43%	$4.03	10.7	Pointe, Polyvalent
claude-sonnet-5	xhigh	42.7%	$9.06	4.7	Pointe, Polyvalent
grok-4.5	high	42.4%	$1.3	32.6	Polyvalent, Sous-agent économique, Rapide
claude-sonnet-5	max	42.4%	$15.4	2.8	Pointe, Polyvalent
swe-1.7	—	42.3%	$1.97	21.5	Polyvalent, Sous-agent économique
grok-4.5	medium	41.9%	$1.2	34.9	Polyvalent, Sous-agent économique, Rapide
gpt-5.6-terra	max	41.3%	$2.3	18.0	Polyvalent
claude-opus-4.8	high	41%	$4.28	9.6	Pointe, Polyvalent, Planification
gpt-5.5	high	40.6%	$3.12	13.0	Pointe, Polyvalent
claude-opus-4.8	medium	40.5%	$3.7	10.9	Pointe, Polyvalent, Planification
gpt-5.6-sol	medium	39.9%	$3.1	12.9	Pointe, Polyvalent, Planification
gpt-5.6-luna	max	39.8%	$1.8	22.1	Polyvalent, Sous-agent économique
claude-sonnet-5	high	39.4%	$5.49	7.2	Pointe, Polyvalent
gpt-5.6-luna	xhigh	38.9%	$1.5	25.9	Polyvalent, Sous-agent économique
gpt-5.6-terra	xhigh	38.7%	$1.6	24.2	Polyvalent, Sous-agent économique
claude-opus-4.7	max	38.5%	$9.09	4.2	Polyvalent
grok-4.5	low	37.9%	$0.8	47.4	Polyvalent, Sous-agent économique, Rapide
gpt-5.6-terra	high	36.9%	$1.4	26.4	Polyvalent, Sous-agent économique, Rapide
gpt-5.5	medium	36.6%	$2.35	15.6	Pointe, Polyvalent
gpt-5.6-luna	high	35.9%	$1.1	32.6	Polyvalent, Sous-agent économique, Rapide
gpt-5.6-sol	low	35.4%	$2.1	16.9	Pointe, Polyvalent, Planification
claude-sonnet-5	medium	35.2%	$3.43	10.3	Pointe, Polyvalent
claude-opus-4.7	high	35.2%	$5.03	7.0	Polyvalent
claude-opus-4.8	low	35.1%	$2.68	13.1	Pointe, Polyvalent, Planification
claude-opus-4.7	xhigh	34.9%	$6.87	5.1	Polyvalent
gpt-5.6-terra	medium	33.9%	$0.9	37.7	Polyvalent, Sous-agent économique, Rapide
gpt-5.5	low	30.6%	$1.65	18.5	Pointe, Polyvalent, Sous-agent économique
kimi-k2.7	—	30.1%	$3.01	10.0	—
claude-opus-4.7	medium	28.9%	$3.22	9.0	Polyvalent
claude-sonnet-5	low	28.7%	$2.15	13.3	Pointe, Polyvalent
claude-opus-4.7	low	27.6%	$2.47	11.2	Polyvalent
gpt-5.6-luna	medium	25.7%	$0.6	42.8	Polyvalent, Sous-agent économique, Rapide
composer-2.5	—	25.6%	$3.09	8.3	—
glm-5.2	—	24.5%	$2.47	9.9	—
gpt-5.6-terra	low	24.1%	$0.5	48.2	Polyvalent, Sous-agent économique, Rapide
deepseek-v4-pro	—	17.6%	$1.6	11.0	Sous-agent économique
gpt-5.6-lunaMeilleur rapport qualité-prix	low	15.4%	$0.2	77.0	Polyvalent, Sous-agent économique, Rapide
minimax-m3	—	14.7%	$0.7	21.0	Sous-agent économique, Rapide
inkling	0.99	14%	$3.6	3.9	—
qwen-3.7-plus	—	10.2%	$0.2	51.0	Sous-agent économique, Rapide

FrontierSWE

Instantané du 2026-07-16 · undefined tâches · Source · Scores from FrontierSWE; costs are illustrative API/relative blends, not measured $/task.

Instantané indicatif de frontierswe.com selon la dominance Mean@5. L’axe horizontal utilise un tarif API public combiné en $/MTok comme indicateur de coût relatif, et non un coût par tâche mesuré. Il ne s’agit pas de mesures OpenCodex en direct.

Les coûts de ce tableau sont des estimations ou des combinaisons de tarifs API. Le classement par score/dollar et l’indication du meilleur rapport qualité-prix restent désactivés tant que chaque ligne ne dispose pas d’un coût par tâche mesuré par la source.

Modèle	Niveau	Score	Coût par tâche	Cas d’usage
claude-fable-5	claude-code	89%	$30	Planification, Pointe
grok-4.5	grok-cli	78%	$4	Polyvalent, Pointe
claude-opus-4.8	claude-code	73%	$15	Pointe, Planification
glm-5.2	claude-code	72%	$1.98	Polyvalent, Sous-agent économique
gpt-5.5	codex	70%	$17.5	Pointe, Polyvalent
claude-opus-4.7	claude-code	61%	$15	Pointe
claude-opus-4.6	claude-code	53%	$15	Polyvalent
gpt-5.4	codex	51%	$8.75	Polyvalent
composer-2.5	cursor-cli	38%	$1	Polyvalent, Sous-agent économique, Rapide
gemini-3.1-pro	gemini-cli	37%	$8.75	Pointe
glm-5.1	claude-code	29%	$2.9	Polyvalent
deepseek-v4-pro	claude-code	27%	$2.4	Sous-agent économique, Polyvalent
kimi-k2.6	kimi-cli	25%	$2.13	Sous-agent économique
kimi-k2.5	kimi-cli	25%	$2.13	Sous-agent économique
qwen3.6-plus	qwen-code	21%	$1.75	Sous-agent économique

Program Bench

Instantané du 2026-06-23 · 200 tâches · Source · Scores and average API costs from ProgramBench extended leaderboard.

Instantané du classement étendu de programbench.com avec mini-SWE-agent sur 200 tâches. Le score « presque résolu » correspond à au moins 95 % de tests réussis ; les coûts sont les moyennes API publiées par tâche. Il ne s’agit pas de mesures OpenCodex en direct.

Modèle	Niveau	Score	Coût par tâche	Score par dollar	Cas d’usage
gpt-5.5Meilleur rapport qualité-prix	xhigh	13.5%	$8.85	1.5	Pointe, Planification
gpt-5.5	high	5%	$3.65	1.4	Pointe, Polyvalent
claude-opus-4.7	xhigh	4.5%	$10.96	0.4	Planification, Pointe
claude-opus-4.7	—	3%	$3.81	0.8	Pointe
claude-opus-4.6	—	2.5%	$11.38	0.2	Polyvalent
gpt-5.5	—	1.5%	$1.21	1.2	Polyvalent
claude-sonnet-4.6	—	1%	$26.73	0.0	Polyvalent
gpt-5.4	—	0%	$0.33	0.0	Rapide, Sous-agent économique
gemini-3.1-pro	—	0%	$1.51	0.0	Pointe
gemini-3-flash	—	0%	$0.3	0.0	Rapide, Sous-agent économique
claude-haiku-4.5	—	0%	$0.8	0.0	Rapide, Sous-agent économique
gpt-5.4-mini	—	0%	$0.04	0.0	Rapide, Sous-agent économique
gpt-5-mini	—	0%	$0.03	0.0	Rapide, Sous-agent économique

SWE Marathon

Instantané du 2026-07-09 · 20 tâches · Source · Scores from SWE-Marathon; costs are estimates.

Instantané indicatif de swe-marathon.org : pass@1 sur 20 tâches à très long horizon. L’axe des coûts représente un coût d’exécution relatif estimé pour de longues trajectoires, et non un coût par tâche publié. Il ne s’agit pas de mesures OpenCodex en direct.

Les coûts de ce tableau sont des estimations ou des combinaisons de tarifs API. Le classement par score/dollar et l’indication du meilleur rapport qualité-prix restent désactivés tant que chaque ligne ne dispose pas d’un coût par tâche mesuré par la source.

Modèle	Niveau	Score	Coût par tâche	Cas d’usage
grok-4.5	grok-build	29%	$8	Pointe, Planification
claude-opus-4.8	claude-code	26%	$28	Pointe, Planification
claude-fable-5	claude-code	24%	$45	Planification, Pointe
claude-opus-4.7	claude-code	16%	$22	Pointe
glm-5.2	claude-code	13%	$6	Polyvalent, Sous-agent économique
gpt-5.5	codex	12%	$18	Pointe, Polyvalent
claude-opus-4.7	terminus-2	11%	$20	Polyvalent
gemini-3.5-flash	gemini-cli	7%	$5	Rapide
gpt-5.5	terminus-2	6%	$16	Polyvalent
gemini-3.1-pro	terminus-2	4%	$12	Pointe
deepseek-v4-pro	terminus-2	4%	$7	Sous-agent économique
gemini-3.1-pro	gemini-cli	2%	$12	Pointe
glm-5.1	terminus-2	1%	$5	Polyvalent
minimax-m2.7	terminus-2	0%	$3	Sous-agent économique
kimi-k2.6	kimi-cli	0%	$4	Sous-agent économique