Programmation — L'IA qui écrit du code de production

Le modèle de programmation agentique qui ne se contente pas d'autocompléter — il planifie, utilise des outils, débogue entre les fichiers et termine la tâche du dépôt chaotique pendant que vous promenez le chien. Terminal-Bench 82,7 % n'est pas une faute de frappe.

Terminal-Bench 2.0 82,7 % (écrase les 69,4 % d'Opus 4.7) ; Expert-SWE 73,1 % sur des tâches de 20 heures ; FrontierMath Tier 4 35,4 % ; ~40 % de tokens de sortie en moins ; contexte de 1M avec utilisation native d'outils et intégration Codex.

Prix API multiplié par 2 (5 $/30 $ par 1M de tokens) ; derrière Claude Opus 4.7 sur SWE-Bench Pro (58,6 % vs 64,3 %) ; API non disponible au lancement ; rapports précoces d'hallucination nécessitent vérification.

Le monstre de raisonnement hybride d'Anthropic — le modèle qui ne se contente pas d'écrire du code, il l'*ingénierie*. SWE-Bench Pro 64,3% pulvérise tous les autres modèles sur le benchmark de codage réel le plus difficile. CursorBench 70%. Vision haute résolution qui lit vos captures d'écran. Et un mode d'effort 'xhigh' qui pense plus profondément que tout modèle avant lui.

SWE-Bench Pro 64,3% (nouveau SOTA — bat le 57,7% de GPT-5.4 et le 58,6% de Kimi K2.6 par un gouffre). CursorBench 70% en sessions IDE réelles. OSWorld 78%. Vision haute résolution jusqu'à 3,75 MP. Même tarification que Opus 4.6 ($5/$25). Disponible partout : Claude.ai, API, Bedrock, Vertex, GitHub Copilot.

Pas que du bonheur. La consommation de tokens est nettement plus élevée (le nouveau tokenizer gonfle les coûts de 15–35% sur les prompts lourds en code). Le raisonnement adaptatif le rend 'paresseux' sur les prompts simples. Certains utilisateurs signalent des régressions dans le rappel de contexte long au-delà de 100K tokens.

Le vaisseau amiral d'Alibaba pour le codage agentique — conçu spécifiquement pour les tâches de programmation qui prennent des heures, pas des minutes. Qwen 3.7 Max a mené une session d'optimisation de noyau de 35 heures avec 1 158 appels d'outils et zéro intervention humaine. SWE-Bench Pro 60,6 %, une fenêtre de contexte de 1M de tokens, et une compatibilité multi-harness qui lui permet de s'intégrer dans Claude Code ou tout framework d'agent standard sans configuration.

SWE-Bench Pro 60,6 %, Terminal-Bench 2.0 Terminus 69,7, Code Arena WebDev ~1541 Elo (top 4). Le premier modèle propriétaire chinois à rivaliser de manière constante avec les modèles frontière occidentaux sur les benchmarks de programmation en production. 210+ tokens de sortie/sec en fait l'un des modèles frontière les plus rapides disponibles.

API uniquement, sans poids ouverts (pour l'instant). Les sessions agentiques intensives deviennent vite coûteuses — un utilisateur a signalé 43 $ en 15 minutes de codage autonome. Les évaluations indépendantes montrent plus de variance que les benchmarks officiels ne le suggèrent. Pas le meilleur choix pour le travail purement UI/design.