Trois modèles. Trois paris différents. Aucun vainqueur unique. Claude Opus 4.7 domine tous les benchmarks de programmation et d'agents (64,3 % SWE-bench Pro, 77,3 % MCP-Atlas, 78,0 % OSWorld). GPT-5.4 écrase la recherche web avec 89,3 % sur BrowseComp, dix points devant Opus 4.7. Gemini 3.1 Pro coûte 60 % de moins qu'Opus 4.7 : 2 $ en entrée contre 5 $. Sur le raisonnement de niveau doctoral (GPQA Diamond), ils sont identiques à 0,2 point près. Choisissez le modèle qui correspond à la tâche. Ne choisissez pas la marque.
- Claude Opus 4.7 domine SWE-bench Pro avec 64,3 % contre 57,7 % pour GPT-5.4 et 54,2 % pour Gemini 3.1 Pro (selon l'analyse benchmarks Opus 4.7 de Vellum).
- GPT-5.4 domine la recherche web avec 89,3 % sur BrowseComp contre 85,9 % pour Gemini 3.1 Pro et 79,3 % pour Opus 4.7.
- Les trois sont à égalité statistique sur GPQA Diamond : Opus 4.7 à 94,2 %, GPT-5.4 à 94,4 %, Gemini 3.1 Pro à 94,3 %.
- Gemini 3.1 Pro est le moins cher : 2 $ entrée / 12 $ sortie par 1M tokens (sous 200k de contexte). GPT-5.4 à 2,50 $/15 $. Opus 4.7 à 5 $/25 $.
- Opus 4.7 domine MCP-Atlas (orchestration d'outils) à 77,3 % contre 73,9 % pour Gemini 3.1 Pro et 68,1 % pour GPT-5.4.
- Opus 4.7 garde le même prix que Opus 4.6 (5 $/25 $) mais introduit un nouveau niveau d'effort 'xhigh' et les task budgets en bêta publique.
- La fenêtre de contexte de GPT-5.4 est d'environ 1,05M tokens avec 128k en sortie max ; au-delà de 272k tokens, le prix d'entrée double.
- Opus 4.7 a triplé la résolution d'image à 2 576 pixels sur le grand côté (environ 3,75MP), le premier Claude avec vraie vision haute résolution.
Trois labos frontier, trois paris différents. Anthropic a parié sur la programmation et les agents, et facture un premium pour ça. Google a parié sur le prix et a amené Gemini 3.1 Pro à coûter 60 % de moins qu'Opus 4.7. OpenAI a parié sur la recherche web et a réellement atterri là.
J'ai tiré les chiffres de benchmarks vérifiés de l'annonce officielle Opus 4.7 d'Anthropic, du détail des benchmarks Opus 4.7 de Vellum, et des pages de prix officielles de chaque fournisseur. Chiffres exacts uniquement, sans langage marketing. Pour la génération précédente, voir notre comparaison GPT-5.4 vs Opus 4.6 vs Gemini 3.1 Pro.
Le Comparatif des Benchmarks
Uniquement des chiffres vérifiés, tous de sources primaires ou secondaires crédibles.
Le tableau des benchmarks est plus clair qu'il ne l'a été depuis longtemps. Chaque modèle gagne vraiment sur son terrain choisi. Aucun des trois ne prétend être premier partout.
Chaque chiffre ci-dessous est aussi dans notre leaderboard de benchmarks en direct, où vous pouvez cliquer sur n'importe quelle cellule pour voir la source primaire.
Comparaison de benchmarks vérifiés
| Benchmark | Opus 4.7 | GPT-5.4 | Gemini 3.1 Pro |
|---|---|---|---|
| SWE-bench Verified | 87,6 % | non divulgué | 80,6 % |
| SWE-bench Pro | 64,3 % | 57,7 % | 54,2 % |
| MCP-Atlas (usage outils) | 77,3 % | 68,1 % | 73,9 % |
| OSWorld-Verified | 78,0 % | 75,0 % | non divulgué |
| BrowseComp (recherche) | 79,3 % | 89,3 % | 85,9 % |
| GPQA Diamond | 94,2 % | 94,4 % | 94,3 % |
| Finance Agent v1.1 | 64,4 % | 61,5 % | 59,7 % |
| MMMLU | 91,5 % | non divulgué | 92,6 % |
Le verdict programmation est maintenant décisif
Opus 4.7 ne se contente pas de gagner SWE-bench Pro. Il gagne de 6,6 points sur GPT-5.4 et de 10,1 points sur Gemini 3.1 Pro. C'est un écart plus large qu'Opus 4.6 n'en a jamais eu. Si vous livrez du code, le premium Opus est maintenant réellement justifié.
L'image change complètement sur BrowseComp. Opus 4.7 a obtenu 79,3 %, soit quatre points de moins qu'Opus 4.6 (83,7 %). GPT-5.4 est à 89,3 %. Si votre flux de travail implique de la recherche sur le web, Opus 4.7 est maintenant le mauvais outil. C'est la lecture honnête.
GPQA Diamond est effectivement saturé. Opus 4.7 à 94,2 %, GPT-5.4 à 94,4 %, Gemini 3.1 Pro à 94,3 %. L'écart de 0,2 point est dans la variance d'exécution. Ne choisissez plus votre modèle sur la base de GPQA.
Prix : Où Gemini Gagne Discrètement
Les trois fournisseurs listent des tarifs par million de tokens, et les prix de Google sont structurés pour frapper directement Anthropic. Voici le détail pour le niveau phare de chacun.
Prix par million de tokens (niveau standard)
| Modèle | Entrée (court) | Sortie (court) | Entrée (long) | Sortie (long) |
|---|---|---|---|---|
| Claude Opus 4.7 | 5,00 $ | 25,00 $ | 5,00 $ | 25,00 $ |
| GPT-5.4 | 2,50 $ | 15,00 $ | 5,00 $ | 22,50 $ |
| Gemini 3.1 Pro | 2,00 $ | 12,00 $ | 4,00 $ | 18,00 $ |
Les seuils de contexte court diffèrent par fournisseur. GPT-5.4 double son prix d'entrée au-delà de 272k tokens. Gemini 3.1 Pro fait la même chose au-delà de 200k. Opus 4.7 n'a pas de palier : 5 $/25 $ plat. Si vous faites tourner régulièrement des prompts énormes, le prix plat d'Opus 4.7 peut réellement gagner sur les workflows de long contexte, malgré son apparence chère au départ.
Le joker caché : les changements de tokenizer
Opus 4.7 a livré un nouveau tokenizer qui utilise 1,0x à 1,35x plus de tokens qu'Opus 4.6 selon le type de contenu. C'est une hausse de prix furtive de 0 à 35 % sur un modèle dont le prix affiché « n'a pas changé ». Si vous budgétez, tenez compte d'une augmentation réelle de coût de 10-15 % par rapport à Opus 4.6, pas zéro.
Calcul Réel : Ce Que Coûte 1M de Tokens
Besoin d'aide pour implémenter ceci ?
Plus de 50 implémentations · 60 % plus rapide · 2-4 semaines
Les benchmarks sont abstraits. L'argent ne l'est pas. Voici ce que coûte une charge agentique réaliste sur chaque modèle, en supposant un split 50/50 entrée/sortie avec 1M de tokens traités par jour.
Coût quotidien avec 1M entrée + 1M sortie de tokens
| Modèle | Coût entrée | Coût sortie | Total par jour | Par mois |
|---|---|---|---|---|
| Claude Opus 4.7 | 5,00 $ | 25,00 $ | 30,00 $ | 900 $ |
| GPT-5.4 (court) | 2,50 $ | 15,00 $ | 17,50 $ | 525 $ |
| Gemini 3.1 Pro (court) | 2,00 $ | 12,00 $ | 14,00 $ | 420 $ |
Sur un mois de 30 jours, Opus 4.7 coûte 480 $ de plus que Gemini 3.1 Pro pour le même volume. Si votre charge de travail ressemble à SWE-bench Pro (résoudre de vraies issues GitHub, faire tourner des agents orientés outils), les 10 points d'avance d'Opus 4.7 valent probablement ces 480 $. Si votre charge de travail est rédaction, résumés ou recherche, Gemini 3.1 Pro au même niveau de qualité est le choix évident.
La mise en cache des entrées réduit encore les calculs. L'entrée cachée de GPT-5.4 est à 1,25 $ par million de tokens, une réduction de 50 % appliquée automatiquement au contexte répétitif. Si vous itérez sur le même long system prompt à travers de nombreuses requêtes, le cache de GPT-5.4 descend agressivement sous les deux concurrents en prix effectif.
Qui Gagne Vraiment Où
Vainqueur par charge de travail
| Charge de travail | Vainqueur | Pourquoi |
|---|---|---|
| Livrer du code en production | Claude Opus 4.7 | 64,3 % SWE-bench Pro, domine tous les benchmarks de programmation |
| Agents orientés outils / MCP | Claude Opus 4.7 | 77,3 % MCP-Atlas, 9,2 points devant GPT-5.4 |
| Usage ordinateur / automatisation bureau | Claude Opus 4.7 | 78,0 % OSWorld-Verified, 3 points devant GPT-5.4 |
| Recherche web / deep research | GPT-5.4 | 89,3 % BrowseComp, 10 points devant Opus 4.7 |
| Analyse financière | Claude Opus 4.7 | 64,4 % Finance Agent v1.1 contre 61,5 % GPT-5.4 |
| Débit bas coût et haut volume | Gemini 3.1 Pro | Prix 2 $/12 $ plus 80,6 % solide sur SWE-bench Verified |
| Connaissance multilingue | Gemini 3.1 Pro | 92,6 % MMMLU contre 91,5 % Opus 4.7 |
| Raisonnement niveau doctoral | Égalité (à 0,2 point près) | 94,2 % / 94,4 % / 94,3 % GPQA Diamond |
Le motif que personne ne mentionne
Opus 4.7 gagne la plupart des catégories. GPT-5.4 possède la recherche. Gemini possède le prix. Si vous pouvez vous payer Opus 4.7, c'est le défaut. Mais uniquement si votre goulot d'étranglement est la programmation ou les agents. Pour la recherche, GPT-5.4 est strictement meilleur. Pour le débit à l'échelle, Gemini gagne sur le prix sans écart de qualité significatif pour la plupart des charges.
Limites Honnêtes Pour Les Trois
Opus 4.7 : La régression sur BrowseComp (83,7 % à 79,3 %) est réelle. Si votre flux dépend de recherche web, Opus 4.7 est un downgrade par rapport à Opus 4.6. Le nouveau tokenizer augmente aussi silencieusement le coût effectif de 10 à 35 % selon le contenu.
GPT-5.4 : Le prix de contexte double au-delà de 272k tokens. La « victoire » sur Terminal-Bench 2.0 utilise un harness auto-rapporté qui n'est pas directement comparable aux runs d'Opus 4.7 et Gemini 3.1 Pro. Traitez-la comme non vérifiée.
Gemini 3.1 Pro : Traîne de 10 points sur SWE-bench Pro. Pas de chiffre publié sur OSWorld, ce qui suggère que Google n'est pas sûr de son histoire d'usage d'ordinateur face à Opus 4.7 et GPT-5.4. Le support MCP rattrape mais reste derrière l'intégration native d'Anthropic.
Choisir Un - Selon la Tâche
Cadre de décision
- 1Vous livrez du code à plein temps ? Opus 4.7. L'avance de 6-10 points sur SWE-bench vaut le premium et la programmation agentique est son avantage décisif.
- 2Vous faites tourner des agents orientés outils ? Opus 4.7. L'avance sur MCP-Atlas et le score OSWorld en font le défaut agentique.
- 3Recherche web profonde ou veille concurrentielle ? GPT-5.4. L'écart de 10 points sur BrowseComp est le plus large entre deux modèles quelconques de cette comparaison.
- 4Génération à haut volume (résumés, brouillons, traductions) ? Gemini 3.1 Pro. 60 % moins cher qu'Opus 4.7 sans écart de qualité sur les charges les plus communes.
- 5Travail financier ou analytique ? Opus 4.7 de peu, mais GPT-5.4 est assez proche pour que la différence 5 $ contre 2,50 $ l'emporte habituellement.
- 6Itérer sur le même long system prompt à travers beaucoup de requêtes ? GPT-5.4 avec cache agressif de prompts à 1,25 $ par million de tokens cachés.
- 7Faire tourner régulièrement des prompts uniques énormes (300k+ tokens) ? Opus 4.7. Son prix plat 5 $/25 $ bat les deux concurrents une fois que les majorations long contexte s'activent.
La vérité plus large : plus personne n'utilise juste un de ces modèles. Le motif conscient du coût, c'est Gemini 3.1 Pro pour le volume, Opus 4.7 pour le code, GPT-5.4 pour la recherche, tous routés depuis la même couche d'orchestration. Si vous ne pensez pas encore au routage de modèles, vous payez trop.
FAQ
Quel modèle d'IA est véritablement le meilleur en 2026 ?
Ça dépend entièrement de la tâche. Claude Opus 4.7 domine tous les benchmarks de programmation et d'agents. GPT-5.4 domine la recherche web de loin. Gemini 3.1 Pro est le moins cher de 60 % avec une qualité compétitive sur la plupart des charges générales. Le raisonnement niveau doctoral (GPQA Diamond) est saturé : les trois sont autour de 94 % et à égalité statistique.
Combien coûte Claude Opus 4.7 comparé à GPT-5.4 ?
Opus 4.7 est à 5 $ entrée / 25 $ sortie par million de tokens, plat. GPT-5.4 est à 2,50 $/15 $ jusqu'à 272k tokens, puis 5 $/22,50 $ pour contexte plus long. Pour des prompts courts à moyens, GPT-5.4 est environ la moitié du prix d'Opus 4.7. Pour des prompts très longs (300k+), la différence se comprime car le prix long contexte de GPT-5.4 égale le prix plat d'Opus 4.7.
Quelle est la plus grande amélioration d'Opus 4.6 à Opus 4.7 ?
SWE-bench Pro a sauté de 53,4 % à 64,3 %, soit 11 points d'amélioration. C'est la plus grande amélioration programmation sur une seule génération qu'Anthropic ait faite. OSWorld est aussi passé de 72,7 % à 78,0 %. Le prix est resté plat à 5 $/25 $, bien que le nouveau tokenizer augmente silencieusement le coût effectif de 10 à 35 % selon le contenu.
Dois-je passer d'Opus 4.6 à Opus 4.7 ?
Pour la programmation et le travail agentique, oui. Les gains sur SWE-bench Pro et MCP-Atlas sont significatifs. Pour toute chose axée recherche, non. BrowseComp a régressé de 83,7 % à 79,3 %, donc Opus 4.6 est en fait meilleur pour la recherche web. Opus 4.7 est une mise à niveau ciblée programmation, pas universelle.
Gemini 3.1 Pro est-il vraiment 60 % moins cher que Claude Opus 4.7 ?
Sur les tokens d'entrée sous 200k, oui : 2 $ contre 5 $. Sur les tokens de sortie, Gemini est à 12 $ contre 25 $, soit 52 % moins cher. Au-delà de 200k de contexte, Gemini passe à 4 $/18 $, ce qui reste 20-28 % moins cher que le plat 5 $/25 $ d'Opus 4.7. L'écart de coût est réel et constant.
Puis-je utiliser les trois à travers la même API ?
Pas directement, mais les couches d'orchestration (LiteLLM, OpenRouter, ou votre propre routeur) normalisent les trois APIs pour que vous puissiez router par requête. C'est le motif qu'adoptent les utilisateurs sérieux : Gemini pour le volume, Opus 4.7 pour le code, GPT-5.4 pour la recherche. Penser à un seul modèle laisse de l'argent sur la table.
Continuer la lecture
Stay ahead of the AI curve
We test new AI tools every week and share honest results. Join our newsletter.