Cele mai bune modele open source pentru programare în 2026

Cele mai bune modele open source pentru programare la 4 octombrie 2026 sunt Kimi K3, GLM-5.3 și DeepSeek V4.1 Flash dacă poți folosi un API găzduit, și Qwen3.8-27B dacă vrei un singur model pe un singur GPU. Qwen3.8-27B e Apache-2.0, Ollama îl listează la 18GB și e pe locul 14 din 125 în clasamentul WebDev LMArena. Majoritatea fișelor de model din 2026 nu mai publică SWE-bench Verified, așa că ghidul folosește testele pe care sursele chiar le publică și datează fiecare cifră.

Care sunt cele mai bune modele cu greutăți deschise pentru cod acum?

Scorurile vin din clasamentul Code Arena WebDev de la LMArena (pagină datată 2 septembrie 2026, 640.806 voturi, 125 de modele, citită pe 4 octombrie 2026) și din fișa fiecărui laborator. Pe primul loc e un model închis, claude-fable-5.1-max, cu 1765. Cifrele raportate de laboratoare sunt autoraportate.

Model	Mărime (total / activ)	Licență	Loc și scor Code Arena	Cod, raportat de laborator
Kimi K3	2,8T / 104B	Licența Kimi K3	4, 1674	Terminal Bench 2.1 88,3, DeepSWE 67,5
GLM-5.3	753B / 40B	Stil MIT	12, 1609	Terminal Bench 2.1 88,2, DeepSWE 66,9
GLM-5.3-Flash	321B / 18B	MIT	13, 1604	nepublicat pe fișa citită de noi
Qwen3.8-27B	27,8B dens	Apache-2.0	14, 1597	SWE-bench Pro 61,7, LiveCodeBench v6 90,3
DeepSeek V4-Pro-0813	1,6T / 49B	MIT	17, 1582	Terminal Bench 2.1 87,9, DeepSWE 62,7
DeepSeek V4.1 Flash	552B / 16B	MIT	V4 Flash 18, 1581	Terminal Bench 2.1 90,6, DeepSWE 74,2 (tabelul DeepSeek)
MiniMax-M3	428B / 23B	MiniMax Community	43, 1487	nepublicat pe fișă
Kimi K2.7 Code	circa 1T	MIT modificat	47, 1473	Kimi Code Bench v2 62,0
Devstral 2 (123B)	123B dens	MIT modificat	119, 1194	SWE-bench Verified 72,2% (fișa din nov 2025)
gpt-oss-120b	116,8B	Apache-2.0	nelistat	nepublicat

Mărimile pentru Kimi K3, GLM-5.3, DeepSeek V4.1 Flash și MiniMax-M3 vin din tabelul open source al Artificial Analysis. Rândul V4.1 Flash combină un scor de arenă pentru V4 Flash cu cifre din fișa V4.1, fiindcă lista de arenă citită de noi nu are intrare V4.1.

„Open weight” înseamnă că poți descărca greutățile. Nu înseamnă că datele sau codul de antrenare sunt publice și nu spune nimic despre licență. Artificial Analysis punctează separat deschiderea, cu un Openness Index, așa că le numim modele cu greutăți deschise pe tot parcursul textului.

În ce teste de programare poți avea încredere?

În niciunul singur. Code Arena măsoară voturile oamenilor pe sarcini de dezvoltare web. Terminal Bench 2.1 și DeepSWE măsoară agenți care termină sarcini în terminal sau în repository, iar harness-ul schimbă rezultatul: fișa DeepSeek V4.1-Flash arată între 65,5 și 74,2 la DeepSWE pe cinci scaffold-uri de agent, de la OpenCode la mini-SWE.

SWE-bench Verified apare acum doar pe fișe mai vechi. Cea mai recentă găsită de noi este fișa Devstral 2 de la Mistral din noiembrie 2025, cu 72,2% pentru modelul de 123B și 68,0% pentru Devstral Small 2 de 24B. LiveCodeBench v6 apare pe fișa Qwen3.8-27B (90,3, față de 88,8 pentru Opus 4.6 Max în tabelul Qwen). Pentru Aider polyglot nu am găsit cifre din 2026 la o sursă primară, deci le omitem.

Părerea noastră. Variantele dedicate de cod pierd teren în fața modelelor generale de top. În Code Arena, Qwen3-Coder-480B e pe 106 (1274) și Devstral 2 pe 119 (1194), iar Qwen3.8-27B, un model general, e pe 14. Vârsta explică o parte, fiindcă ambele sunt lansări din 2025. K2.7 Code, varianta de cod a Moonshot (depozit din 11 iunie 2026), e pe 47, mult sub K3 general (13 iunie), aflat pe 4.

Ce permit licențele?

• MIT: DeepSeek V4 și V4.1 Flash, GLM-5.3-Flash.
• Apache-2.0: Qwen3.8-27B, gpt-oss, Devstral Small 2.
• GLM-5.3: stil MIT, cu o clauză de revizuire de securitate pentru operatori model-as-a-service peste 10 miliarde USD venit.
• Kimi K3: uzul intern e scutit de termenii suplimentari. Afacerile model-as-a-service peste 20 de milioane USD au nevoie de un acord, iar produsele mari trebuie să afișeze numele.
• MiniMax-M3: uzul comercial cere mențiunea „Built with MiniMax M3”, iar peste 20 de milioane USD venit anual e nevoie de autorizare scrisă.
• Kimi K2.7 Code: MIT modificat, cu afișarea numelui peste 100M utilizatori lunari sau 20 de milioane USD venit lunar.
• Devstral 2 (123B): MIT modificat care nu acordă drepturi dacă venitul lunar al companiei tale depășește 20 de milioane USD, decât dacă iei o licență comercială de la Mistral.

Citește fișierul de licență de pe pagina Hugging Face a fiecărui model înainte să lansezi un produs.

Ce hardware îți trebuie ca să le rulezi local?

Greutățile pe 4 biți ocupă aproximativ parametri × 0,5 octeți. E calculul nostru și ignoră KV cache-ul, care crește cu contextul.

Model	Mărime pe disc sau estimare	Țintă realistă (estimarea noastră)
Qwen3.8-27B	18GB (Ollama)	GPU de 24GB sau 32GB memorie unificată, estimarea noastră
Devstral Small 2	15GB (Ollama)	GPU de 16 până la 24GB
gpt-oss-20b / 120b	14GB / 65GB (Ollama)	GPU de 16GB / un GPU de 80GB, estimarea noastră
DeepSeek V4.1 Flash	circa 276GB (552B × 0,5)	Server cu mai multe GPU-uri
GLM-5.3	circa 377GB (753B × 0,5)	Server cu mai multe GPU-uri
Kimi K3	circa 1,4TB (2,78T × 0,5)	Cluster sau găzduit

Modelele mari țin de API-uri găzduite. Ollama Cloud servește glm-5.3:cloud, minimax-m3:cloud și kimi-k2.7-code:cloud, iar OpenRouter listează z-ai/glm-5.3, moonshotai/kimi-k3, deepseek/deepseek-v4.1-flash, qwen/qwen3.8-27b și minimax/minimax-m3 (verificat pe 4 octombrie 2026). Fișele modelelor recomandă SGLang, vLLM, KTransformers sau Unsloth pentru găzduire proprie.

Cum le folosești cu Claude Code și cu alți agenți?

Documentația Anthropic despre gateway-uri spune că nu susține rutarea Claude Code către modele non-Claude prin niciun gateway. Tehnic merge prin ANTHROPIC_BASE_URL, deci o faci pe răspunderea ta și respectând termenii fiecărui furnizor. Ghidul nostru complet intră în detalii.

Local, cu Ollama

ollama pull qwen3.8
export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_API_KEY=""
export ANTHROPIC_BASE_URL=http://localhost:11434
claude --model qwen3.8

Ghidul Ollama spune că modelele locale au nevoie de o fereastră de context de 64k sau mai mare pentru repository-uri mari. ollama launch claude automatizează configurarea.

Local, cu LM Studio sau llama.cpp

LM Studio servește un endpoint /v1/messages compatibil Anthropic: setează ANTHROPIC_BASE_URL=http://localhost:1234 și ANTHROPIC_AUTH_TOKEN=lmstudio, conform paginii lor despre Claude Code, și folosește un context peste 25k. llama-server din llama.cpp expune și el /v1/messages, iar pentru tool use trebuie flag-ul --jinja.

Găzduit, cu OpenRouter

export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
export ANTHROPIC_AUTH_TOKEN="$OPENROUTER_API_KEY"
export ANTHROPIC_API_KEY=""
export ANTHROPIC_DEFAULT_SONNET_MODEL="z-ai/glm-5.3"

Asta urmează ghidul OpenRouter pentru Claude Code, cu un ID de model non-Claude în slotul Sonnet. Testează înainte să te bazezi pe el. Mai multe laboratoare oferă și endpoint-uri proprii compatibile Anthropic, tratate în comparația noastră de abonamente. CLI-urile native, Kimi Code pentru K3 și Mistral Vibe pentru Devstral, evită întrebarea despre gateway.

Cum îți testezi candidații pe propriul repository?

Un clasament nu îți cunoaște codul. O după-amiază de teste îl cunoaște.

1. Alege 20 de sarcini reale din istoricul tău: bug-uri cu un test care pică, funcții mici, refactorizări. Notează commit-ul de la care pornește fiecare.
2. Rulează fiecare model candidat în același harness de agent, cu același prompt, pe un checkout curat.
3. Repetă fiecare sarcină de cel puțin trei ori. Fișa DeepSeek folosește 8 eșantioane per sarcină la DeepSWE și 3 la Terminal Bench 2.1, fiindcă rulările singulare variază.
4. Notează rata de reușită, timpul și costul per sarcină și compară aceste trei cifre, nu locul din clasament.

E aceeași metodă ca seturile de evaluare pe care le folosim la deciziile de rutare, aplicată la cod.

Cum se compară prețurile găzduite?

Prețuri de listă per 1M tokeni de pe pagina de prețuri a fiecărui laborator, citite pe 4 octombrie 2026, înainte de cache și taxe:

Model	Intrare	Ieșire
GLM-5.3-Flash	$0,15	$0,50
DeepSeek V4.1 Flash (off-peak până la peak)	$0,15–0,30	$0,60–1,20
MiniMax-M3	$0,30	$1,20
Kimi K2.7 Code	$0,95	$4,00
GLM-5.3	$1,40	$4,40
Kimi K3	$3,00	$15,00

O sesiune de programare cu 3M tokeni de intrare fără cache plus 150K tokeni de ieșire costă circa $4,86 pe GLM-5.3 ($1,40 × 3 + $4,40 × 0,15) și circa $11,25 pe Kimi K3. Prompt caching scade ambele sume.

Viteza contează și în buclele de agent. Clasamentul Artificial Analysis listează viteze mediane de ieșire de circa 213 tokeni pe secundă pentru DeepSeek V4.1 Flash (max), 71 pentru GLM-5.3 (max) și 36 pentru Kimi K3 (max). La aceeași lungime a ieșirii, primul generează tokeni de aproape șase ori mai repede decât ultimul (213 ÷ 36 ≈ 5,9), ceea ce poate cântări mai mult decât o diferență mică de scor. Vitezele diferă de la un furnizor la altul.

Ce model să alegi, în funcție de nevoie?

Nevoie	Alegere	De ce
Cele mai bune greutăți deschise prin API	Kimi K3	Locul 4 în Code Arena WebDev (1674), context de 1M
Cel mai bun raport calitate-preț găzduit	GLM-5.3, DeepSeek V4.1 Flash	$1,40 / $4,40 și $0,15–0,30 / $0,60–1,20 per 1M tokeni
Un GPU, licență permisivă	Qwen3.8-27B	Apache-2.0, locul 14 în Code Arena, 18GB
Agent cât un laptop	Devstral Small 2, gpt-oss-20b	15GB și 14GB, Apache-2.0
Context de 1M tokeni	Kimi K3, GLM-5.3, DeepSeek V4, MiniMax-M3	Toate listează context de 1M
Cel mai strict control al datelor	Orice model rulat de tine	Fără procesare de terți

Pentru imaginea mai largă SUA versus China, vezi modelele AI chinezești vs frontiera americană.

Cum te poate ajuta Danube Labs

Danube Labs a construit My Claude Code, un gateway local care rutează agenții de programare către 57 de furnizori, inclusiv Ollama, LM Studio și llama.cpp, cu jurnal de cost per cerere (pagina proiectului). Pentru alegerea modelului pe codul tău, vezi sisteme AI sau programează un apel introductiv gratuit.