Stripe a lancé le 19 novembre 2026 un banc d’essai public et open source qui évalue les agents de programmation sur la création d’intégrations Stripe fonctionnelles. Réparti en 11 environnements reproductibles, il couvre des tâches backend, des flux à pile complète vérifiés dans un navigateur et des problèmes spécialisés, notamment liés à Checkout et à la facturation par abonnement. Les agents ont atteint en moyenne 78 % des critères requis, mais seulement 29 % des exécutions ont satisfait l’ensemble de ces critères. Le plugin de Stripe a améliorer les scores de 3 à 8 points, réduit les recherches web de 96 % et diminuer d’environ 40 % le code de test superflu. Claude Opus 4.5 a obtenu 92 % sur les tâches à pile complète, tandis que GPT-5.2 a atteint 73 % sur les ensembles spécialisés avec une stratégie en trois tentatives.
Source: Lire l’article original


