Une comparaison pratique récente par un développeur chinois a opposé trois grands modèles de langage leaders – Opus 4.8, GPT-5.5 et Gemini 3.1 Pro – sur un ensemble commun de tâches de codage. Les résultats remettent en question la notion d'un seul modèle 'meilleur'. Opus 4.8 s'est avéré le plus fort pour les tâches d'agent complexes, le refactoring à grande échelle de codebase et les revues de code en plusieurs étapes, mais il n'est pas toujours le choix optimal. Pour l'automatisation de terminal, GPT-5.5 s'est révélé supérieur, tandis que Gemini 3.5 Flash a été recommandé pour les applications sensibles aux coûts. Ce résultat nuancé souligne une leçon cruciale pour les équipes d'ingénierie : la sélection du modèle doit être guidée par la charge de travail spécifique, et non par les classements de benchmark. La méthodologie de test, bien que non entièrement détaillée, fournit des signaux pratiques pour les développeurs évaluant ces modèles pour une utilisation en production.
Un développeur a testé Opus 4.8, GPT-5.5 et Gemini 3.1 Pro sur un ensemble commun de tâches de codage. Opus 4.8 excelle dans les tâches d'agent complexes et le refactoring à grande échelle, tandis que GPT-5.5 est meilleur pour l'automatisation de terminal et Gemini 3.5 Flash pour les scénarios sensibles aux coûts. Les résultats montrent que le choix du modèle dépend fortement du cas d'utilisation.