2026-10-15
Coding agentique, en local
Sur SWE-bench, DeepSWE et Terminal-Bench, les modèles open-weights sont désormais au niveau des meilleurs modèles fermés. Avec SophyAI, vous les reliez à Cursor, OpenCode, Aider, Continue et Cline via un endpoint local, sans envoyer votre code dehors.
Le coding agentique n'est pas de l'autocomplétion : le modèle lit le dépôt, ouvre des fichiers, lance des commandes dans le terminal, exécute les tests et itère. C'est l'épreuve la plus sévère, et aussi celle où les modèles open-weights ont comblé l'écart.
Les chiffres annoncés par les constructeurs
| Modèle | DeepSWE v1.1 | Terminal-Bench 2.1 | Notes |
|---|---|---|---|
| DeepSeek-V4.1-Flash | 74,2 | 90,6 | Codeforces 3471, le plus haut de son tableau |
| Kimi K3 | 67,5 | 88,3 | FrontierSWE 81,2 ; ProgramBench 77,8 |
| MiMo-V2.6-Pro | 71,9 | 89,9 | Terminal-Bench 4.0 34,9 |
| GLM-5.3 | 66,9 | 88,2 | SOTA open sur Terminal-Bench 3.0 (28,3) |
| GLM-5.3-Flash | — | — | 18 B actifs, proche d'Opus 4.8 à un dixième du coût |
| Qwen3.8-Flash-Next | 58,7 | — | SWE-bench Pro 62,5 ; SWE-bench Multilingual 81,0 |
À titre de repère, dans les mêmes tableaux les meilleurs modèles fermés se situent autour de 73–74 sur DeepSWE v1.1 (Claude Opus 74,0, GPT-5.6 Sol 73,0). Les scores sont annoncés par les constructeurs avec des harnais et réglages différents, donc non comparables un à un — mais ils montrent à quel point l'écart s'est réduit.
Quelle recette choisir
- Un GPU, coût bas. Qwen3.8-Flash-Next en GGUF sur 1× RTX PRO 6000 fait ~95 tok/s à ~1,7 $/h : assez léger pour le laisser tourner toute la journée. GLM-5.3-Flash sur le même GPU fait ~51 tok/s à ~1,7 $/h.
- Qualité de code maximale. GLM-5.3 et DeepSeek-V4.1-Flash sont ici les modèles ouverts les plus forts. DeepSeek-V4.1-Flash tourne aussi en local sur un Mac 128 Go avec ds4 Metal en Q2, ou avec vLLM sur 8× H200 dès ~16,5 $/h pour les longs contextes et la vitesse.
- Longs horizons. Tous atteignent 1 M de tokens de contexte : un dépôt entier tient sans élaguer.
Comment le relier à votre éditeur
SophyAI publie un endpoint OpenAI sur 127.0.0.1. Vous le définissez comme base URL dans Cursor, OpenCode, Aider, Continue ou Cline et l'assistant utilise le modèle local. Le code client ne quitte jamais votre réseau, et le coût est l'heure de GPU, pas le token.
Les deux autres scénarios : agents IA en local et cybersécurité avec des modèles locaux. Vue d'ensemble complète : Les modèles de frontière open-weights, en local.