eXalt Value presents
Agents IA Classement
Ce que mesure chaque catégorie :
- Résolution de bugs — Correction de bugs dans de vrais issues GitHub (SWE-Bench)
- Frontend — Développement UI avec contexte visuel (SWE-Bench Multimodal)
- Greenfield — Création d'applications depuis zéro (Commit0)
- Tests — Génération de tests et qualité (SWT-Bench)
- Collecte d'information — Recherche et collecte d'information (GAIA)
Classement
| Modèle | Score moy. ↓ | Coût moy. / run | Temps moy. | Contexte | Bugs | Frontend | Greenfield | Tests | Information |
|---|---|---|---|---|---|---|---|---|---|
|
|
66,7 | $1,14 | 410s | 200K | 76,8% ($0,77) | 41,8% ($2,37) | 56,2% ($1,70) | 78,8% ($0,43) | 80,0% ($0,44) |
GPT-5.4
|
63,8 | $1,82 | 372s | — | 75,6% ($1,36) | 36,8% ($4,24) | 56,2% ($2,19) | 71,4% ($0,55) | 78,8% ($0,74) |
|
|
60,6 | $1,77 | 378s | 200K | 76,6% ($1,82) | 41,2% ($2,54) | 37,5% ($2,54) | 78,5% ($1,38) | 69,1% ($0,55) |
|
GPT-5.2-Codex
|
59,5 | $1,43 | 819s | 400K | 73,8% ($0,94) | 35,9% ($2,97) | 50,0% ($2,02) | 67,0% ($0,66) | 70,9% ($0,55) |
Qwen3.6-Plus
|
57,9 | $2,12 | 819s | — | 74,2% ($1,52) | 30,9% ($2,27) | 50,0% ($4,40) | 62,1% ($2,04) | 72,1% ($0,34) |
|
GPT-5.2
|
56,3 | $1,20 | 596s | 400K | 74,6% ($0,86) | 30,9% ($2,77) | 37,5% ($1,34) | 73,2% ($0,56) | 65,5% ($0,48) |
Gemini-3.1-Pro
|
55,7 | $0,80 | 883s | 10M | 75,4% ($0,63) | 44,1% ($1,24) | 18,8% ($1,52) | 64,0% ($0,50) | 76,4% ($0,12) |
|
|
53,0 | $1,57 | 583s | 200K | 74,2% ($1,19) | 36,8% ($1,89) | 12,5% ($2,90) | 68,8% ($0,98) | 72,7% ($0,87) |
GLM-5
|
49,4 | $0,97 | 1323s | — | 73,4% ($1,06) | 35,3% ($0,58) | 31,2% ($1,96) | 47,3% ($0,91) | 60,0% ($0,36) |
|
|
49,2 | $1,09 | 854s | 256K | 68,8% ($0,48) | 32,8% ($1,58) | 18,8% ($2,86) | 61,9% ($0,42) | 63,6% ($0,13) |
|
Gemini-3-Pro
|
49,0 | $1,42 | 1091s | 10M | 70,6% ($0,95) | 36,8% ($1,46) | 25,0% ($3,18) | 68,6% ($1,01) | 44,2% ($0,50) |
|
Gemini-3-Flash
|
49,0 | $0,64 | 726s | 1M | 74,6% ($0,42) | 22,1% ($0,80) | 18,8% ($1,28) | 70,7% ($0,30) | 58,8% ($0,38) |
|
|
46,5 | $0,13 | 715s | 1M | 72,6% ($0,10) | 25,0% ($0,15) | 18,8% ($0,29) | 68,1% ($0,07) | 47,9% ($0,02) |
|
|
44,6 | $0,36 | 1032s | — | 75,6% ($0,17) | 27,9% ($0,33) | 25,0% ($0,94) | 69,1% ($0,13) | 25,5% ($0,21) |
|
|
44,4 | $0,13 | 1124s | 128K | 71,6% ($0,16) | 27,9% ($0,19) | 18,8% ($0,12) | 53,6% ($0,12) | 50,3% ($0,06) |
|
|
43,3 | $1,29 | 501s | 1M | 74,4% ($1,03) | 30,9% ($2,24) | 43,8% ($1,88) | 54,0% ($0,87) | 13,3% ($0,41) |
|
GLM-4.7
|
41,0 | $0,44 | 968s | 203K | 73,4% ($0,56) | 22,1% ($0,66) | 6,2% ($0,47) | 49,4% ($0,37) | 53,9% ($0,15) |
|
|
39,9 | $0,22 | 1211s | 197K | 68,8% ($0,14) | 16,2% ($0,21) | 12,5% ($0,61) | 61,4% ($0,11) | 40,6% ($0,02) |
|
|
39,7 | $1,76 | 1484s | 256K | 69,2% ($2,00) | 32,4% ($2,31) | 6,2% ($2,47) | 47,3% ($1,39) | 43,6% ($0,65) |
| Nemotron-3-Super | 36,2 | $0,57 | 1329s | — | 62,0% ($0,44) | 20,6% ($0,73) | 12,5% ($1,23) | 45,7% ($0,32) | 40,0% ($0,11) |
|
Qwen3-Coder-480B
|
30,9 | $0,92 | 502s | 262K | 62,4% ($1,26) | 23,5% ($2,09) | 0,0% ($0,01) | 34,9% ($0,97) | 33,9% ($0,28) |
■ Meilleur
■ Bon
■ Moyen
■ Faible
OpenHands Team (2025). OpenHands Index: A Comprehensive Leaderboard for AI Coding Agents. index.openhands.dev