korshunov.ai L'essentiel du monde ML
FR
Benchmark · agentic

DeepSWE

25 résultats 20 modèles

DataCurve's long-horizon real-repo coding-agent suite (headline metric = pass@1 resolve rate); Artificial Analysis swapped SWE-bench Pro out of its Coding Agent Index for it. Not a SWE-bench variant.

0 23.5 47 70.5 94 2026-07-27 2026-08-18 2026-09-10 Kimi K3 · 68.5 · 2026-07-27 GPT-5.6 Sol · 72.7 · 2026-07-27 GPT-5.6 Sol · 85.8 · 2026-08-18 Gemini 3.6 Flash · 49 · 2026-07-27 DeepSeek-V4-Flash · 54.4 · 2026-07-31 DeepSeek-V4-Flash-0731 · 54.4 · 2026-07-31 Qwen3.8-Max · 56.6 · 2026-08-03 DeepSeek-V4 Flash 0731 · 53.3 · 2026-08-07 GPT-5.6 Luna · 67.2 · 2026-08-07 Grok 4.6 · 65.9 · 2026-08-13 DeepSeek-V4-Pro · 62.7 · 2026-08-13 Gemini 3.7 Flash · 65.3 · 2026-08-13 GLM-5.3 · 66.9 · 2026-08-17 GLM-5.3 · 69 · 2026-08-22 DeepSeek V4 Pro 0813 · 88.5 · 2026-08-18 DeepSeek V4 Pro 0813 · 62.8 · 2026-08-18 Claude Fable 5 · 69.7 · 2026-08-18 Claude Fable 5 · 69.7 · 2026-08-22 Ornith-1.5 · 56 · 2026-08-19 Ornith-1.5 · 56 · 2026-08-20 DeepSeek-V4-Flash-Vision-Exp · 59.3 · 2026-08-21 GLM-5.3-Flash · 63 · 2026-08-26 Muse Spark 1.3 · 75.4 · 2026-09-04 GPT-6 Astra · 74.1 · 2026-09-04 DeepSeek-V4.1-Flash · 74.2 · 2026-09-10
Kimi K3 GPT-5.6 Sol Gemini 3.6 Flash DeepSeek-V4-Flash DeepSeek-V4-Flash-0731 Qwen3.8-Max DeepSeek-V4 Flash 0731 GPT-5.6 Luna Grok 4.6 DeepSeek-V4-Pro Gemini 3.7 Flash GLM-5.3 DeepSeek V4 Pro 0813 Claude Fable 5 Ornith-1.5 DeepSeek-V4-Flash-Vision-Exp GLM-5.3-Flash Muse Spark 1.3 GPT-6 Astra DeepSeek-V4.1-Flash
Chronologie
Date Modèle Score Source
2026-09-10 DeepSeek-V4.1-Flash 74.2% DeepSeek lance le modèle V4.1-Flash avec support multimodal natif
2026-09-04 GPT-6 Astra 74.1% OpenAI publie GPT-6 Astra, un modèle d'utilisation informatique avec une fenêtre de contexte de 1,05M
2026-09-04 Muse Spark 1.3 75.4% Meta lance Muse Spark 1.3 avec moins d'appels d'outils et de tokens
2026-08-26 GLM-5.3-Flash 63.0% Ox Alpha est GLM-5.3-Flash
2026-08-22 GLM-5.3 69.0% GLM-5.3 égale la précision de Claude Fable 5 sur DeepSWE pour un cinquième du coût
2026-08-22 Claude Fable 5 69.7% GLM-5.3 égale la précision de Claude Fable 5 sur DeepSWE pour un cinquième du coût
2026-08-21 DeepSeek-V4-Flash-Vision-Exp 59.3% DeepSeek lance le modèle multimodal DeepSeek-V4-Flash-Vision-Exp
2026-08-20 Ornith-1.5 56.0% Z.ai propose une loi d'échelle post-entraînement et publie GLM 5.3 ; Ornith-1.5 lance avec auto-amélioration
2026-08-19 Ornith-1.5 56.0% Ornith-1.5 lance des modèles de 9B, 35B-A3B et 397B avec un entraînement auto-améliorant
2026-08-18 DeepSeek V4 Pro 0813 62.8% DeepSeek V4 Pro 0813 vs Claude Fable 5 sur DeepSWE : coût, codage et routage
2026-08-18 Claude Fable 5 69.7% DeepSeek V4 Pro 0813 vs Claude Fable 5 sur DeepSWE : coût, codage et routage
2026-08-18 GPT-5.6 Sol 85.8% DeepSeek V4 Pro et GPT-5.6 Sol résolvent 83 % des tâches DeepSWE en cascade pour 3,35 $
2026-08-18 DeepSeek V4 Pro 0813 88.5% DeepSeek V4 Pro et GPT-5.6 Sol résolvent 83 % des tâches DeepSWE en cascade pour 3,35 $
2026-08-17 GLM-5.3 66.9% Z.ai lance le modèle de codage GLM-5.3 ; Cursor rejoint SpaceXAI
2026-08-13 Gemini 3.7 Flash 65.3% Google présente Gemini 3.7 Flash avec une meilleure programmation et des coûts réduits
2026-08-13 DeepSeek-V4-Pro 62.7% La version GA de DeepSeek-V4-Pro améliore les capacités des agents et ajoute le support de l'API Responses
2026-08-13 Grok 4.6 65.9% SpaceXAI publie Grok 4.6 avec un contexte de 500K et un raisonnement agentic amélioré
2026-08-07 DeepSeek-V4 Flash 0731 53.3% DeepSeek-V4 Flash 0731 vs GPT-5.6 Luna sur DeepSWE : Coût et codage
2026-08-07 GPT-5.6 Luna 67.2% DeepSeek-V4 Flash 0731 vs GPT-5.6 Luna sur DeepSWE : Coût et codage
2026-08-03 Qwen3.8-Max 56.6% Alibaba publie Qwen3.8-Max, un modèle MoE de 2,4 T de paramètres
2026-07-31 DeepSeek-V4-Flash-0731 54.4% DeepSeek publie V4-Flash-0731 avec d'importantes améliorations agentic à moindre coût
2026-07-31 DeepSeek-V4-Flash 54.4% DeepSeek lance la version bêta publique de DeepSeek-V4-Flash avec des capacités d'agent améliorées
2026-07-27 Gemini 3.6 Flash 49.0% Google lance Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber
2026-07-27 Kimi K3 68.5% Kimi K3 bat GPT-5.6 Sol sur DeepSWE pass@4 et coûte 64 % de moins
2026-07-27 GPT-5.6 Sol 72.7% Kimi K3 bat GPT-5.6 Sol sur DeepSWE pass@4 et coûte 64 % de moins