Tendances LLM 2026 : classements OpenRouter et guide de sélection Agent

OpenRouter agrège des centaines de points de terminaison (Anthropic, Google, DeepSeek, Tencent, Moonshot, NVIDIA, etc.) derrière une API unifiée. Le classement repose sur le volume cumulé de tokens (payants et gratuits), ce qui en fait un indicateur de marché plus proche de la réalité opérationnelle que les scores de laboratoire.

Quatre écarts structurels justifient cette approche pour les décisions d’architecture :

• Benchmarks vs charge réelle. MMLU et HumanEval mesurent une réponse unique ; en 2026, la charge dominante est multi-étapes (lecture de dépôt, outils, PR, tests). SWE-bench Verified se rapproche du terrain, mais omet prix et latence.
• Comparabilité limitée entre éditeurs. Jeux de tests et niveaux d’inférence diffèrent ; le label « SOTA » est peu actionnable. OpenRouter homogénéise facturation et routage.
• Surcoût des modèles phares. Claude Opus 4.7 excelle sur les agents complexes ; l’utiliser pour le tagging ou les résumés de logs peut multiplier la facture. Le classement montre que le défaut est souvent un tier Flash ou un MoE open source.
• Fenêtre de contexte : annonce vs usage. Certaines offres « long context » restent inutilisables à cause du coût KV ; les modèles en tête de liste rendent le 256K–1M économiquement viable.

Nous recommandons d’aligner la gouvernance modèle sur des indicateurs internes corrélés à votre pipeline : nombre d’étapes, taux de succès des tool calls, part de cache, coût par million de tokens. OpenRouter sert de validation externe, pas de substitut aux tests A/B propres à votre codebase.

Un revue trimestrielle structurée — export des cinq premiers modèles par part de tokens, comparaison à la facture réelle, ajustement du routage si l’écart dépasse 15 points — maintient la politique alignée sur l’usage effectif plutôt que sur les communiqués de presse.

Mi-2026, la compétition se joue sur la capacité à faire tourner des agents plus longtemps, moins cher et plus stable — pas uniquement sur la qualité conversationnelle.

Cas d’usage illustratif : une équipe de douze développeurs, environ quarante exécutions Agent par jour et par personne, avec un défaut Opus unique, consommait près de 180 millions de tokens d’entrée par mois. Après bascule vers V4 Flash par défaut et Opus réservé aux escalades, le volume d’usage est resté comparable avec environ 22 % du coût token — taux de fusion interne équivalent sur fixtures. Documentez ce type de comparaison avant toute décision d’architecture.

Le tableau ci-dessous synthétise le classement OpenRouter (juin 2026) et des agrégations tierces de tokens mensuels. Les valeurs absolues fluctuent quotidiennement ; pour les engagements contractuels, consultez la page en temps réel.

Environ la moitié du Top 10 provient d’équipes chinoises (DeepSeek à trois places, Tencent Hy3, Moonshot Kimi), majoritairement en open source ou à tarification très basse. Les modèles propriétaires occidentaux restent pertinents, mais la croissance provient surtout du couple « rapport coût-efficacité + contexte long pour agents ».

Pour votre feuille de route : croisez ce tableau avec votre mix interne entrée/sortie et lectures cache. Si plus de 60 % des tokens alimentent des agents de code au-delà de 100k de contexte, privilégiez en premier les hypothèses Flash-MoE et fenêtre 1M avant d’engager Opus par défaut.

DeepSeek V4 Flash (284B total, 13B actifs, MoE) domine OpenRouter grâce au contexte natif 1M et à des tarifs API très bas. En scénario 1M, les FLOPs par token sont d’environ 10 % par rapport à V3.2, le cache KV d’environ 7 %. Niveaux Non-think / Think High / Think Max ; appels d’outils en XML pour limiter les échecs JSON imbriqués. Backend par défaut courant dans Claude Code et OpenClaw.

Hy3 Preview (Tencent Hunyuan 3, 295B/21B actifs + décodage spéculatif MTP) : publication open source, gain d’efficacité d’inférence d’environ 40 % ; SWE-bench Verified ~74,4 %, Terminal-Bench 2.0 comparable à Kimi K2.5. Adapté aux organisations exigeant un déploiement privé sans sacrifier les capacités Agent.

Claude Opus 4.7 reste la référence pour l’ingénierie logicielle complexe et la vision : CursorBench ~70 % (Sonnet 4.6 ~58 %) ; sur des runs autonomes d’environ une heure, le taux de « dérive » est d’environ la moitié de celui de Sonnet. Tarification 5 $ / 25 $ par million de tokens (entrée/sortie). Claude Sonnet 4.6 constitue le défaut production : benchmarks code au niveau ou au-delà d’anciens Opus-Sonnet, prix ~60 % d’Opus, couche gratuite complète.

Owl Alpha et Nemotron 3 Super (free) couvrent le segment à coût API nul : Owl (modèle furtif OpenRouter, 1,05M, données sensibles déconseillées) ; Nemotron (NVIDIA 120B/12B actifs, MoE+Mamba, fort débit en self-host). Gemini 3 Flash Preview : multimodal, SWE-bench Verified ~78 %. Kimi K2.6 (1T/32B MoE) : Agent Swarm (~300 sous-agents, ~4000 étapes de coordination).

Pour l’inférence locale V4 sur Mac, voir ds4 et Mac cloud haute mémoire. Le présent document se concentre sur l’API et l’architecture hybride.

Arbre de décision synthétique : contrainte budgétaire et nombre d’étapes élevé → V4 Flash ou Owl (vérifier la confidentialité). Conformité et on-premise → Hy3 ou Kimi. Stack Google et multimodal → Gemini 3 Flash. Échecs répétés ou run >30 minutes → Opus 4.7 ou V4 Pro. Ces règles réduisent l’espace de recherche avant pilote ; elles ne remplacent pas une campagne de 50 exécutions sur votre dépôt de référence.

Les niveaux d’inférence DeepSeek (Think High, Think Max) améliorent les tâches terminal et raisonnement au prix de latence et de tokens de sortie. Pour des boucles de refactor en IDE, Non-think suffit souvent ; pour une résolution d’issue autonome de nuit, Think Max peut diviser par deux le taux de retry — à mesurer sur votre pipeline.

Pour Hy3 et Kimi, évaluez licence commerciale, besoins GPU et maturité MLOps sur MoE et décodage spéculatif. L’open source réduit la facture API mais reporte capex et exploitation ; en dessous d’environ 500 millions de tokens mensuels, Flash-API reste fréquemment plus prévisible en coût total.

Stratégie recommandée : double modèle — environ 80 % des requêtes sur DeepSeek V4 Flash ou Sonnet 4.6 ; passage à Opus 4.7 ou V4 Pro après deux échecs ou marquage « risque élevé ». Le gateway OpenRouter permet ce routage sans refactoriser les clients.

Modélisez explicitement le coût mensuel : (tokens prompt + completion − cache) × tarif effectif. À titre indicatif, 50 millions de tokens d’entrée par mois représentent un écart d’environ un ordre de grandeur entre Opus et Flash avec cache — souvent déterminant pour la validation budgétaire.

• Tendance 1 : contexte 1M token standard. DeepSeek V4, Claude Opus 4.7, Owl Alpha, Gemini 3 Flash, Nemotron 3 Super — le RAG sur dépôt entier recule ; coûts KV et bande passante favorisent le MoE.
• Tendance 2 : open source chinois mondialisé. DeepSeek, Tencent et Moonshot croissent souvent plus vite qu’un éditeur occidental unique sur OpenRouter ; licences MIT/Apache facilitent la migration.
• Tendance 3 : métriques Agent. SWE-bench Verified, Terminal-Bench 2.0, BrowseComp structurent les annonces ; stabilité XML/JSON des outils pèse plus que MMLU en achat.
• Tendance 4 : victoire du MoE. Peu de modèles denses trillion dans le Top 10 ; V4 Flash (13B actifs) rivalise avec des centaines de milliards denses en production.
• Tendance 5 : offres gratuites. Owl Alpha, Nemotron free poussent Claude/Gemini à renforcer gratuité et remises cache (jusqu’à ~90 % sur entrées répétées Gemini).
• Tendance 6 : multimodalité obligatoire. Les modèles texte seul progressent moins vite que Gemini 3 Flash et Claude vision.

Données techniques citables (sources publiques, à revalider avant déploiement) :

• DeepSeek V4 Flash API : entrée ~0,14 $/M (cache ~0,028 $/M), sortie ~0,28 $/M ; contexte 1M, sortie max 384K.
• V4 Pro vs Flash : SWE-Verified ~80,6 vs 79 ; Terminal-Bench 2.0 ~67,9 vs 56,9.
• Claude Opus 4.7 vs Sonnet 4.6 : CursorBench ~70 % vs 58 % ; dérive Agent longue ~moitié pour Opus.
• Gemini 3 Flash Preview : SWE-bench Verified ~78 % ; API batch ~−50 % (documentation Google).
• Kimi K2.6 Agent Swarm : ~300 sous-agents, ~4000 étapes ; BrowseComp ~83,2, SWE-Bench Verified ~80,2.

Pour les comités d’architecture : tendances 1–4 appuyées par le Top 10 OpenRouter ; tendances 5–6 validées par votre mix de tokens et le taux d’échec des tool calls.

Documentez également les stratégies de cache : mise en cache des prompts côté Anthropic et Google, réutilisation de préfixes pour les system prompts longs et les instantanés de dépôt répétés peuvent modifier la courbe de coût d’entrée plus qu’un changement de modèle d’un cran de benchmark. Mesurez le taux de succès du cache chaque semaine et reliez-le aux règles de routage.

1. Inventaire des charges : moyenne sur 30 jours — étapes, tool calls, présence image/PDF ; >20 étapes ou retries → quota Opus/V4 Pro.
2. Estimation tokens : prix effectifs OpenRouter (cache inclus) × volume journalier ; tier Flash souvent 5 à 20× moins cher que le phare.
3. Gateway unifié : clé projet, défaut V4 Flash ou Sonnet 4.6, plafond de dépense mensuel.
4. Routage double : dans Cursor / Claude Code / OpenClaw, mapper édition simple vs refactor lourd ; upgrade après deux échecs.
5. Test tool calls : dépôt fixture avec 10+ outils, 50 cycles, mesurer échecs JSON/XML.
6. Hôte 24/7 : clés API, Skills, launchd versionnés ; Mac dédié pour gateway/CLI (OpenClaw Mac distant launchd).

L’API résout l’intelligence et le prix, pas la disponibilité du runner : Mac personnel éteint → flux interrompu ; VPS surchargés sans macOS officiel → Metal et TCC incertains ; machine partagée → versions Xcode/CLI et rotation des clés incohérentes.

Pour les équipes exécutant Cursor Agent, OpenClaw Gateway et CI iOS en parallèle, JEXCLOUD Mac bare metal multi-régions offre Apple Silicon dédié, macOS authentique, provisionnement en ~120 s, location mensuelle flexible ; routage cloud, facturation modèle via OpenRouter. Tarifs, Aide.

Critère de succès post-migration : même suite de tâches, comparaison durée, taux d’erreur et $/tâche sur 14 jours — seul indicateur d’achèvement mesurable du changement de modèle.