Les modèles de fondation qui écrivent le code : leur performance mesurée sur des benchmarks, leur tarif d'API et les forfaits qui y donnent accès.
Les barres d'erreur affichent l'intervalle de confiance à 95 % : quand deux barres se chevauchent, l'écart n'est pas significatif et les deux modèles sont à égalité. Chaque point renvoie à sa source et à la date de sa mesure.
Coût d'accès à l'API, au million de jetons. Seuls figurent les tarifs relevés sur la page officielle du fournisseur (provider). Un modèle absent de cette liste n'est pas gratuit : son tarif n'a simplement pas encore été vérifié.
Aucun benchmark ne résume un modèle : chacun teste une compétence précise. Pour choisir un modèle qui code, regardez d'abord ceux qui mettent un agent au travail sur du vrai code ; les autres renseignent sur le raisonnement ou le travail de bureau. Le benchmark sélectionné dans le classement est encadré ; cliquez sur une fiche pour la déplier.
Couche 1 — l'interface développeur. Le harnais est le logiciel avec lequel on code et qui pilote le modèle : il lit le dépôt, construit le contexte, décide quels outils appeler et enchaîne les étapes. Deux harnais donnant le même modèle n'obtiennent pas le même résultat — sur Terminal-Bench, l'écart entre harnais dépasse souvent l'écart entre deux modèles concurrents.
BYOK = votre propre clé d'API · MCP = outils externes branchables · Modèles locaux = modèle sur votre machine
Couche 2 — le routage et le service. Une passerelle n'écrit jamais de code : c'est le tuyau entre le harnais et le modèle. Elle prend la requête du harnais et la route, soit vers plusieurs laboratoires derrière une clé d'API unique (agrégateur), soit vers un modèle tournant sur votre propre machine (serveur local). Changer de passerelle ne change pas la qualité du code produit : cela change le prix, la latence et qui voit vos données.
BYOK = votre propre clé d'API · MCP = outils externes branchables · Modèles locaux = modèle sur votre machine
Transformer des PDF, des scans et des photos en texte exploitable. Trois familles à ne pas confondre : les moteurs OCR classiques lisent les caractères ligne par ligne ; les modèles de lecture de documents prennent une page et rendent du Markdown structuré ; les chaînes de conversion (Docling, Marker, MinerU) orchestrent mise en page, tableaux et formules, et confient la lecture des caractères à un moteur ou à un modèle, comme un harnais pilote un modèle. Ne figurent que des outils qu'on peut faire tourner soi-même, plus Mistral OCR, service payant, pour comparaison.
mesuré par l'auteur du benchmark publié par l'éditeur du modèle mesuré par un autre acteur ⚖ auteur du benchmark classant son propre modèle
lang=['french'].Des modèles qui ne rédigent pas : on leur donne une situation (texte, JSON, parfois une image) et des questions typées — une option parmi plusieurs, oui ou non, une note — et ils rendent une probabilité pour chaque réponse, en une seule passe. Plus rapides et moins chers qu'un LLM pour classer, router, filtrer ou valider. La famille est née en septembre 2026 avec Jev.
Les modèles à poids ouverts de 35 milliards de paramètres ou moins, qu'on peut faire tourner sur ses propres serveurs. Un modèle MoE (mixture of experts) n'active qu'une partie de ses paramètres à chaque mot : il répond aussi vite qu'un petit modèle, mais tous ses poids doivent tenir en mémoire. Un modèle hybride remplace une partie de l'attention par des couches plus légères (Mamba, attention linéaire) pour mieux tenir les longs contextes. Le seuil porte sur la taille annoncée par l'éditeur ; le compte exact des poids, affiché, peut la dépasser de moins d'un milliard (encodeur d'images, embeddings).
Ce que ce référentiel s'autorise à affirmer, et ce qu'il refuse.
Ce que la vérification couvre à ce jour, et ce qu'elle ne couvre pas encore.