Des scores IA proches cachent des modèles très différents
DeepSWE place Luna Max à 2,2 points de Sol High pour près d’un sixième du coût. J’explique pourquoi leur façon de travailler reste très différente.
Notes de terrain sur l’IA et le développement logiciel
Page 3 sur 3
Mes agents IA oublient le dépôt. Je leur ai fait une carte
J'ai créé un système de gestion du contexte en quatre couches qui guide mes agents vers les faits à jour. Il fonctionne, mais sa maintenance reste difficile.
GPT-5.6 face à Claude 5 : pourquoi les benchmarks divergent
J'ai comparé Sol, Terra, Opus 5 et Fable 5 sur des benchmarks de code. Le gagnant change selon la tâche, le niveau d'effort, l'agent et le budget.
Kimi K3 égale GPT-5.6, mais prend 4,6 fois plus de temps
Kimi K3 égale GPT-5.6 medium, mais prend 4,6 fois plus de temps. GLM-5.2 coûte peu par token, mais cher par tâche. J’ai vérifié où chacun excelle.
J'ai comparé huit alternatives à Convex. Je reste sur Convex
Appwrite et InsForge s'en approchent, mais Convex reste plus simple pour mes agents d'IA. Le prix de l'hébergement dans l'UE est son vrai défaut.
GPT-5.6 Sol fait trop de sur-ingénierie. Je l'utilise quand même
Dans mon audit, GPT-5.6 Sol a trouvé près de six fois plus de problèmes possibles que Fable 5. La plupart ont échoué au triage, alors j'ai changé de méthode.
Opus 5 est un excellent employé, mais un mauvais patron
Opus 5 égale Fable 5 sur les benchmarks pour un prix par token réduit de moitié, mais le superviser reste pénible. Voici pourquoi Fable garde sa place.