
Databricks teste les agents de code en production et GLM 5.2 entre dans la ligue première
Databricks a publié l’un des benchmarks les plus intéressants du moment pour les agents de programmation, pas parce qu’il utilise une batterie d’exercices publics, mais parce qu’il s’appuie sur son propre code. La société a évalué modèles et harnesses d’agents sur des tâches réelles extraites de pull requests internes, sur une base de code de plusieurs millions de lignes en Python, Go, TypeScript, Scala, Rust et Java. Le résultat le plus frappant : GLM 5.2, un modèle open source de Z.ai, se hisse parmi les modèles les plus performants et se retrouve statistiquement à égalité avec Claude Opus 4.8 en qualité sur ce test interne. La différence se joue sur le coût : 1,28 dollar par tâche pour GLM 5.2,




