Articles par tag: swe-bench

GLM-5.1 domine sur SWE-Bench Pro : 58.4 %

GLM-5.1 de Z.ai surpasse GPT-5.4 et Claude sur SWE-Bench Pro. A assemblé un bureau Linux en 8 heures, x6 sur VectorDBBench. Poids sur HuggingFace. Test pour les tâches à longue durée.

Qwen3.6-Plus : programmation agentique et multimodalité

Qwen3.6-Plus d'Alibaba surpasse les concurrents en codage sur SWE-bench, prend en charge 1M tokens et la multimodalité. Accès API, benchmarks, intégrations — pour les développeurs. Découvrez les détails.

Dégradation Claude Code : profondeur de raisonnement -73%

Analyse de 6852 sessions Claude Code : chute de la profondeur de pensée de 73 %, augmentation des coûts ×122, éditions aveugles 33 %. Solution de contournement et métriques pour les développeurs middle/senior. Vérifiez sur vos propres tâches.

14 benchmarks LLM : Analyse et critique

Analyse détaillée de SWE-bench, Terminal-Bench, τ² et autres tests pour LLM. Découvrez les faiblesses et la pertinence pour les tâches de dev. Choisissez un modèle en toute conscience.