Devin baisse ses prix de 30–40%, et Fusion prend la tête de FrontierCode 1.1 avec 68,8 points

Devin est nettement moins cher. Selon ses développeurs, les prix reculent de 30–40% en modes Fusion et Normal, de 15–20% en Ultra et jusqu'à 70% en Devin Review. L'intelligence serait conservée, voire améliorée, dans tous les modes. Devin Fusion prend la première place de FrontierCode 1.1 Extended avec 68,8 points, pour un coût moyen de $0,60 par tâche.

Un agent moins cher et un agent plus performant impliquent d'ordinaire un compromis. Ici, les auteurs affirment avoir obtenu les deux à la fois. Le chiffre du tableau paraît convaincant, mais les mesures sont publiées par l'éditeur lui-même, et son propre modèle SWE-2 figure dans la comparaison. Mieux vaut tester sur ses propres tâches.

Modèles : le choix selon la tâche

Les modèles expliquent les deux tiers des économies ; le reste vient de l'ingénierie qui les entoure. Devin n'est pas lié à un seul fournisseur et choisit le modèle en fonction de chaque étape du travail. Selon la description de l'équipe :

• Opus 5.5 et GPT-6 Sol offrent une intelligence supérieure avec un bon rapport qualité-prix.
• GPT-6 Astra est le meilleur pour l'utilisation de l'ordinateur (computer use).
• GPT-6 Luna réduit nettement le coût des tâches auxiliaires.
• SWE-2 est le modèle propre à l'équipe.

Fusion repose sur un duo : un modèle principal performant et un assistant moins cher. Devin Review sélectionne ses modèles séparément pour l'analyse des diffs, la recherche de bugs et la catégorisation des changements. Normal et Ultra les choisissent pour la planification, les tests, le débogage et les migrations.

Benchmark : score contre coût

FrontierCode 1.1 Extended, coût moyen par tâche et score :

• Devin Fusion : 68,8 points, $0,60.
• Opus 5.5 (high) : 65,2, $0,90.
• Fable 5.1 (medium) : 63,6, $2,68.
• GPT-6 Astra (high) : 63,1, $2,62.
• SWE-2 (high) : 60,1, $0,64.
• GPT-6 Sol (high) : 59,6, $0,87.

Fusion devance Opus 5.5 de 3,6 points et coûte un tiers de moins. Face à Fable 5.1 et GPT-6 Astra, il est plus de quatre fois moins cher. Autre point notable : SWE-2 seul ne coûte presque pas plus cher que Fusion, mais accuse 8,7 points de retard. C'est bien l'association des deux modèles qui apporte le gain de qualité.

Harness : moins de tours, plus de cache

La seconde source d'économies est le harness, c'est-à-dire la couche qui pilote la boucle de l'agent. Les nouveaux modèles planifient mieux plusieurs actions à la fois. Auparavant, le formatage, le linting et les tests passaient en trois tours distincts. Désormais, le modèle peut demander les trois en un seul appel et analyser les résultats ensemble. Dans l'exemple illustratif de l'équipe, cela donne 2 tours au lieu de 4 et 49% de tokens envoyés en moins. Les appels indépendants s'exécutent maintenant en parallèle, et les séquences planifiées s'enchaînent sans repasser par le modèle.

Le second volet concerne la mise en cache du prompt. Les LLM ne conservent pas d'état : chaque requête de l'agent transporte donc tout l'historique, soit les instructions, le code et les actions passées. Si le début de la requête est identique à la précédente, le fournisseur réutilise les calculs du préfixe commun. Dans une session de démonstration de cinq tours, avec le cache, 27K tokens sont traités depuis zéro au lieu de 93K, soit 71% de moins. Là encore, il s'agit de chiffres schématiques et arrondis, et non d'une mesure sur des tâches réelles.

Cette approche a ses limites. Le préfixe commun doit rester inchangé, le cache a une durée de vie courte et il est lié à un modèle et à un fournisseur précis. Le harness doit donc être conçu avec soin. En contrepartie, il profite de la baisse du prix de lecture du cache : chez Opus 5.5, elle est 60% moins chère que chez Opus 5, et chez GPT-6 Sol et Luna, le prix est deux fois inférieur à celui de leurs prédécesseurs de la gamme 5.6. Sur de longues sessions avec un historique volumineux, ces remises s'accumulent.

Que faire pour les équipes

Pour ceux qui paient déjà Devin, il est logique de recalculer le budget : les mêmes tâches coûtent désormais moins cher, surtout en Review. Si la vérification automatique des pull requests revenait trop cher, une remise allant jusqu'à 70% change le calcul. Il vaut mieux lancer sur son propre dépôt quelques tâches types en Normal et en Fusion, comparer le coût final et la part de correctifs acceptés, puis seulement changer le mode par défaut.

Pour ceux qui construisent leurs propres agents, la leçon est plus pratique. Gardez un préfixe de requête stable pour que le cache fonctionne. Laissez le modèle regrouper les commandes en un seul appel. Confiez les étapes auxiliaires à des modèles bon marché. La mise à jour est déjà disponible sur devin.ai.