modèles open-weight
11 published articles
IA à poids ouverts
dots3-note de Xiaohongshu : un MoE ouvert de 280B qui n'active que 16B
Le studio dots de Xiaohongshu a publié dots3-note preview, son premier modèle à poids ouverts : un MoE multimodal de 280B de paramètres, 16B actifs et une fenêtre de contexte de 512K. La conception sparse vise un faible coût d'inférence sur un nœud de 8 GPU, mais la fiche technique n'a pas encore publié de chiffres de benchmarks.
2026-08-20
IA d'entreprise
Oubliez la course aux modèles : Alibaba automatise les opérations de sécurité
Qwen3.8-Max a fait la une, mais la véritable manœuvre d'Alibaba est plus discrète : des agents d'IA qui pilotent les opérations de sécurité dans sa console cloud. Nous décortiquons l'agent SecOps, l'analyse forensique de fraude propulsée par Qwen et la stratégie de verrouillage derrière les scores.
2026-08-06
Intelligence artificielle
Les LFM2.5-Encoders plaident pour les petits modèles : 3,7× plus rapides que ModernBERT sur CPU
Les LFM2.5-Encoders open-weight de Liquid AI plaident pour une NLP de production confiée aux petits modèles. Un encodeur de 230M bat ModernBERT-base sur les benchmarks et analyse des documents complets en environ 28 secondes sur un CPU d'ordinateur portable, soit environ 3,7× plus vite.
2026-08-05
Politique IA
41 rivaux ont signé la même lettre sur les poids ouverts. Ce n'est pas un consensus, c'est de l'inquiétude
Quarante et une entreprises rivales ont signé la même lettre affirmant que l'IA à poids ouverts est le meilleur atout de l'Amérique, au moment même où les laboratoires chinois égalent les benchmarks américains en termes de capacité, et pas seulement de prix. Lue ensemble, la lettre ressemble moins à de la confiance qu'à une couverture contre un problème de coordination que les signataires n'ont pas encore résolu.
2026-07-29
Stratégie des plateformes IA
Qui contrôle l'infrastructure IA : quatre réponses très différentes viennent d'arriver
De l'écosystème organisé d'Apple à l'indépendance européenne d'ElevenLabs, quatre stratégies distinctes se disputent le contrôle de l'infrastructure IA. Développeurs et entreprises font face à un champ fragmenté sans vainqueur unique.
2026-07-29
Analyse
Benchmarks, pas des bonnes affaires : les laboratoires d'IA chinois atteignent la parité
Les laboratoires chinois d'IA Qwen, DeepSeek, MiniMax et Kimi ont égalé ou battu les modèles de pointe américains dans les benchmarks de raisonnement, codage et analyse de documents. Avec une tarification agressive et des stratégies open-weight, ils ne sont plus de simples alternatives bon marché, ce sont de véritables concurrents.
2026-07-27
Intelligence artificielle
41 entreprises, un message : l'IA à poids ouvert est le meilleur atout de l'Amérique
Une coalition rare de 41 organisations, dont OpenAI et Meta, affirme que les modèles à poids ouverts sont essentiels au leadership américain en IA. Avec MiniMax M3 égalant les modèles propriétaires de pointe sur des références clés, le débat entre ouvert et fermé prend une nouvelle urgence.
2026-07-27
Open Source
Gemma 4 franchit les 300 millions de téléchargements, faisant des poids ouverts la nouvelle norme du développement de l'IA
Gemma 4 de Google DeepMind a atteint 300 millions de téléchargements, une étape qui signale le rôle croissant des modèles à poids ouverts dans le développement de l'IA en production. Son mélange d'efficacité architecturale et de capacités multimodales en fait une alternative sérieuse aux modèles propriétaires.
2026-07-24
Google DeepMind
Gemma 4 vient de donner l’impression que tous les autres modèles open-weight sont 10 fois trop gros
La famille open-weight nativement multimodale Gemma 4 de Google DeepMind introduit un mode de réflexion, une architecture sans codeur et des options MoE. Le modèle à 2,3 milliards de paramètres correspond aux performances du Gemma 3 à 27 milliards. Le modèle à 31 milliards domine les classements open-weight.
2026-07-13
Le dossier de dépréciation
Mistral AI vient de supprimer la moitié de sa famille de modèles. Voici ce qui a survécu et pourquoi.
Un audit à la mi-2026 du portefeuille de modèles de Mistral AI révèle 36 modèles actifs répartis en niveaux frontière, spécialiste et héritage, avec 19 modèles devant être dépréciés d'ici la mi-2026. La stratégie de l'entreprise met l'accent sur de petits modèles spécialisés pour les agents et le codage, tout en dépréciant les variantes expérimentales comme Magistrate et les premières versions de Devstral.
2026-07-13
Google DeepMind
Gemma 4 de Google DeepMind transforme 26 milliards de paramètres en une machine de raisonnement qui tient sur un seul GPU
Le rapport technique de Gemma 4 de Google DeepMind détaille une famille de modèles à poids ouverts avec mélange d'experts, fenêtres de contexte d'un million de tokens et vision multimodale. La publication signale un mouvement stratégique pour apporter le raisonnement de niveau frontalier aux développeurs sans le coût des API propriétaires.
2026-07-09