Nouveau

Opus 5, GPT-5.6, Kimi K3 : trois lancements, trois classements qui se contredisent

Claude Opus 5 (24 juillet 2026), GPT-5.6 (9 juillet) et Kimi K3 (27 juillet) sont sortis à quelques semaines d'écart. Prix, benchmarks, et pourquoi le trône WebDev Arena a changé de main en trois jours.

  • Comparatif
  • Outils
Publié le

En bref

Trois modèles frontière sont sortis à quelques semaines d'écart. GPT-5.6 le 9 juillet 2026 , Claude Opus 5 le 24 , et Kimi K3 de Moonshot AI le 27, trois jours plus tard à peine . Sur ce site, Opus 5 est le nouveau modèle par défaut de Claude Max et le plus puissant proposé sur Claude Pro , ce qui suffit déjà à justifier un article. Mais ce qui rend cette semaine intéressante, ce n'est pas "qui gagne" : c'est que les trois labos publient des classements qui se contredisent d'un jour sur l'autre, parfois d'un tableau à l'autre dans le même document.

Cet article compare les fiches techniques, montre où Opus 5 devance vraiment la concurrence, et où les chiffres qui circulent méritent une lecture plus prudente que le titre qui les accompagne.

Les trois fiches techniques

Sur le papier, les trois modèles jouent dans la même catégorie de prix, avec des approches d'"effort" de raisonnement comparables mais pas identiques.

ModèleEntrée ($/MTok)Sortie ($/MTok)ContexteSortie maxEffort par défaut
Claude Opus 55 $25 $1M tokens128k tokenshigh (5 niveaux : low à max)
GPT-5.6 Sol5 $30 $1,05M tokens128k tokensnon documenté publiquement
Kimi K33 $ (cache miss) / 0,30 $ (cache hit)15 $1M tokens (1 048 576)131 072 par défaut, jusqu'à 1 048 576max (3 niveaux : low, high, max)

Le prix d'Opus 5 n'a pas bougé par rapport à Opus 4.8 : mêmes 5 $ / 25 $ par million de tokens. Kimi K3 est un cas à part : c'est un modèle à poids ouverts, une architecture MoE de 2,8 billions de paramètres au total dont 104 milliards activés par token, publiée sous une licence propriétaire Moonshot (pas une licence MIT modifiée, contrairement à ce qu'on lit parfois : au-delà de 20 millions de dollars de chiffre d'affaires annuel en usage "Model as a Service", un accord commercial séparé est requis). On y reviendra en détail dans un article dédié.

L'indice qui met (presque) tout le monde d'accord

Artificial Analysis publie un Intelligence Index qui agrège plusieurs évaluations indépendantes. Sur le relevé du 28 juillet 2026, Claude Opus 5 (adaptive thinking, effort max) arrive en tête avec un score de 61, devant Claude Fable 5 (60) et GPT-5.6 Sol (59). Et Opus 5 y est aussi moins cher : 3,85 $ le million de tokens en tarif blended contre 4,35 $ pour Sol.

La nuance à garder : Opus 5 est nettement plus lent en débit, 54,8 tokens par seconde contre 76,0 pour Sol, même si son délai avant le premier token est meilleur (65 secondes contre 143). Premier de l'indice, oui. Le plus rapide à produire du texte, non.

Autre nuance : ces chiffres bougent selon la date de mesure. Le tech report de Kimi K3, gelé le 23 juillet (la veille de la sortie d'Opus 5), donne une photo différente : GPT-5.6 Sol à 58,9, Fable 5 à 59,9, Opus 4.8 à 55,7, Kimi K3 à 57,1, quatrième sur 580 modèles. Ce n'est pas une contradiction, c'est un instantané pris un jour donné : Opus 5 n'existait pas encore quand Moonshot a arrêté sa campagne de mesure.

Le trône WebDev Arena a changé de main en trois jours

C'est l'histoire la plus révélatrice de cette semaine de sorties. WebDev Arena est un classement par vote humain qui évalue la qualité du code produit par un modèle sur des tâches de développement web.

Le tech report de Kimi K3 revendique la première place : 1 678 Elo, relevé daté du 23 juillet 2026, présenté comme "the first open model to top this leaderboard". Le document a été publié le 27 juillet, jour même de la sortie du modèle.

Sauf que le relevé du classement en direct, à cette même date du 27 juillet, ne donne plus Kimi K3 en tête. Claude Opus 5 (variante max) est passé devant avec 1 725 points, Kimi K3 (max) suit à 1 682, puis Opus 5 (variante high) à 1 670, Fable 5 à 1 629 et GPT-5.6 Sol (xhigh) à 1 623. Le tech report qui annonce fièrement la première place ouverte affiche donc, le jour de sa propre publication, un classement déjà dépassé.

Ce n'est pas une erreur de Moonshot : ses évaluations étaient gelées avant même la sortie d'Opus 5. C'est juste la preuve que sur ce type de classement, un chiffre a une date de péremption courte.

Le piège GPQA : ces chiffres ne viennent pas d'Anthropic

Si vous cherchez un score GPQA Diamond ou AIME pour Claude Opus 5, vous ne le trouverez pas dans les publications d'Anthropic. La system card d'Opus 5 ne contient aucune occurrence de "GPQA" ni de "AIME". Les seuls chiffres GPQA Diamond qui circulent pour des modèles Claude (Fable 5 à 92,6 %, Opus 4.8 à 92 %) viennent en réalité du tableau de comparaison publié par OpenAI dans son propre article de lancement de GPT-5.6, pas d'une mesure faite par Anthropic elle-même. Si un article cite "Claude a XX % sur GPQA", vérifiez toujours de quel labo vient réellement la mesure : Anthropic ne publie tout simplement pas ce benchmark.

swebench.com ne connaît ni Opus 5 ni GPT-5.6

Le leaderboard officiel de SWE-bench Verified, tenu par l'équipe SWE-bench elle-même, n'a pas encore de ligne pour Opus 5 ni pour GPT-5.6 au 28 juillet 2026. Ses entrées les plus récentes datent de février 2026 ; le meilleur score y est de 76,80 % pour "Claude 4.5 Opus" en raisonnement élevé.

Les 96,0 % de SWE-bench Verified souvent cités pour Opus 5 viennent de la section 8.2 de la system card d'Anthropic, mesurés en interne. C'est un score auto-rapporté, pas une entrée validée par le leaderboard officiel : harnais, conditions et date diffèrent, la comparaison directe avec les 76,80 % ci-dessus n'a pas de sens.

Les incohérences internes de l'article d'OpenAI

Même en restant dans le seul document de lancement de GPT-5.6, deux passages se contredisent entre le texte et le tableau de chiffres qui l'accompagne.

Sur Agents' Last Exam, le texte de l'article annonce "a new high of 53.6" et un écart de 13,1 points sur Claude Fable 5. Le tableau, lui, donne 52,7 % pour GPT-5.6 Sol et 40,5 % pour Fable 5, soit un écart de 12,2 points, pas 13,1.

Sur BrowseComp, le texte revendique "state-of-the-art results at 92.2%" pour Sol. Le tableau attribue ce 92,2 % à une variante distincte, "Sol Ultra", et donne 90,4 % pour Sol seul. Deux détails qui ne changent pas la conclusion générale (GPT-5.6 reste très fort sur ces deux tests) mais qui rappellent qu'il faut toujours lire le tableau, pas seulement le texte qui l'accompagne.

Ce que ça change concrètement dans Claude Code

1

Opus 5 est désormais votre modèle par défaut sur Max

Sur Claude Max, Opus 5 remplace Opus 4.8 comme modèle par défaut. Sur Claude Pro, c'est le modèle le plus puissant disponible. Vous n'avez rien à configurer pour en bénéficier.

2

L'effort par défaut est `high`

Opus 5 supporte cinq niveaux d'effort (low, medium, high, xhigh, max), et Claude Code utilise high par défaut. Si vos tâches les plus longues stagnaient sur l'ancien modèle, c'est le moment de tester xhigh ou max.

3

Une requête sans champ `thinking` tourne désormais avec adaptive thinking

C'est un changement cassant si vous appelez l'API directement. Sur Opus 4.8, une requête sans champ thinking tournait sans thinking activé. Sur Opus 5, elle tourne avec adaptive thinking. Si vos scripts n'envoient jamais ce champ explicitement, vérifiez le comportement avant de migrer en production.

4

`thinking: disabled` avec effort `xhigh` ou `max` renvoie une erreur 400

Deuxième changement cassant : combiner thinking: {"type": "disabled"} avec un effort xhigh ou max n'est plus accepté sur Opus 5, contrairement à Opus 4.8. Il faut soit remonter le thinking à low ou high, soit retirer le champ thinking.

{
"model": "claude-opus-5",
"effort": "xhigh",
"thinking": { "type": "disabled" }
}

Cette requête renvoyait un résultat valide sur Opus 4.8. Sur Opus 5, elle renvoie une erreur 400 : à cet effort, le thinking ne peut plus être désactivé.

Et Kimi K3 dans tout ça ?

Kimi K3 ne tourne pas dans Claude Code : c'est un modèle à poids ouverts qui se déploie via vLLM, SGLang ou son propre moteur TokenSpeed, ou s'utilise via l'API compatible OpenAI et Anthropic de Moonshot. Il n'apparaît dans cet article que parce qu'il est au centre de l'histoire du classement WebDev Arena. Sa fiche complète (licence, architecture, benchmarks détaillés) fait l'objet d'un article séparé.

FAQ

Opus 5 est-il vraiment meilleur que GPT-5.6 Sol ? Sur l'Artificial Analysis Intelligence Index du 28 juillet 2026, oui : 61 contre 59, et à moindre coût blended. Mais Sol produit du texte presque 1,4 fois plus vite. Aucun des deux n'est "meilleur" dans l'absolu : ça dépend de ce que vous mesurez.

Est-ce qu'Opus 5 est vraiment numéro 1 sur WebDev Arena ? Au relevé du 27 juillet 2026, oui, avec 1 725 Elo. Mais avec seulement 686 votes contre plusieurs milliers pour ses concurrents directs, cette première place n'est pas encore statistiquement solide.

Pourquoi je ne trouve pas de score GPQA officiel pour Claude Opus 5 ? Parce qu'Anthropic ne le publie pas. Les chiffres GPQA associés à des modèles Claude viennent des tableaux de comparaison d'OpenAI, pas d'Anthropic.

Les 96 % SWE-bench Verified d'Opus 5 sont-ils vérifiés indépendamment ? Non. C'est un chiffre auto-rapporté par Anthropic dans sa system card. Le leaderboard officiel swebench.com ne contient ni Opus 5 ni GPT-5.6 au 28 juillet 2026.

Dois-je changer mes scripts d'API après la sortie d'Opus 5 ? Vérifiez deux points : si vous n'envoyez jamais de champ thinking, votre requête active désormais l'adaptive thinking par défaut ; et si vous combinez thinking: disabled avec un effort xhigh ou max, vous obtiendrez une erreur 400.

Prochaines étapes