Le leader des poids ouverts se met à rivaliser sur les prix

Muse Spark 1.1 : Meta agressif sur les prix pour rattraper les cadors de l’IA

Meta a lancé cette semaine Muse Spark 1.1, une nouvelle version de son modèle d'IA, accompagnée d'une API en préversion publique désormais ouverte aux développeurs tiers. Après une première mouture grand public dévoilée début avril, puis le lancement de Muse Image et la présentation de Muse Video cette même semaine, il manquait une brique essentielle : une interface de programmation permettant de tester des prompts et de prototyper des intégrations, jusque là réservée à un aperçu privé. Cette version 1.1 est présentée comme pensée pour les tâches agentiques : utilisation d'outils, navigation sur ordinateur, codage et raisonnement à partir d'images, de documents et de vidéos. Meta met en avant une fenêtre de contexte d'un million de tokens et une capacité à conserver le fil sur de longues sessions, le modèle mémorisant les actions passées pour synthétiser les étapes critiques nécessaires à la suite. Côté tarifs, l'API facture 1,25 dollar par million de tokens en entrée, 4,25 dollars en sortie, et seulement 0,15 dollar pour les tokens en entrée mis en cache. Ce choix tarifaire agressif traduit une stratégie assumée : plutôt que de viser le modèle le plus puissant du marché, Meta mise sur le rapport performances/prix pour convaincre développeurs et entreprises d'intégrer Muse Spark 1.1 dans leurs outils. Les tarifs pratiqués sont inférieurs à ceux de Grok 4.5, qui facture 2 dollars en entrée et 6 dollars en sortie, et très en deçà des 5 et 25 dollars demandés par Opus 4.8. Les benchmarks fournis par Meta montrent que le modèle domine nettement sur les tâches d'agent face à Gemini 3.1 Pro high, Opus 4.8 max et GPT-5.5 xhigh, même s'il reste en retrait sur le codage et le multimodal. Pour les développeurs, cela ouvre la possibilité d'un modèle assez robuste pour des usages agentiques répétés à grande échelle, sans le coût prohibitif des modèles premium. Meta insiste aussi sur la sécurité, affirmant que Muse Spark 1.1 reste dans des marges sûres sur les grands risques, cybersécurité, usages chimiques ou biologiques, perte de contrôle, avec une meilleure résistance aux jailbreaks et aux injections de prompt, ainsi que moins d'hallucinations et une tendance réduite à flatter l'utilisateur. Cette offensive tarifaire s'inscrit dans un contexte où Meta cherche à se repositionner après la déception suscitée par ses précédents modèles Llama. L'entreprise a massivement investi dans les infrastructures et le recrutement de talents, avec la création du Meta Superintelligence Labs dirigé par Alexandr Wang, sous l'impulsion de Mark Zuckerberg. Face à des concurrents comme Anthropic et OpenAI, dont les modèles Opus et GPT dominent encore les classements de performance pure, Meta choisit le pragmatisme et l'accessibilité économique plutôt que la course aux benchmarks. L'enjeu est de gagner des parts de marché chez les développeurs et les entreprises en misant sur un modèle assez solide pour les usages agentiques, suffisamment polyvalent, et surtout assez bon marché pour être utilisé intensivement. La bataille des coûts d'inférence, déjà engagée par SpaceXAI avec Grok 4.5, pourrait s'intensifier à mesure que les usages agentiques se généralisent et que la facture en tokens devient un critère décisif pour les entreprises.

💬 Meta ne cherche plus à sortir le modèle le plus intelligent, il cherche à sortir le moins cher à faire tourner en boucle. Muse Spark 1.1 à 1,25 dollar le million de tokens en entrée face aux 5 dollars d'Opus 4.8, ça change le calcul pour qui envoie des millions de requêtes agentiques par jour, même si le modèle reste en retrait sur le code. Le vrai terrain de bataille de l'IA en 2026, c'est plus le classement des benchmarks, c'est le prix du token à grande échelle.

« Beaucoup de bruit autour des poids ouverts »

Kimi K3, publié ce week-end par la start-up chinoise Moonshot AI, s'est imposé comme l'événement marquant de la semaine dans le débat sur les modèles ouverts. Il s'agit d'un modèle de type MoE (mixture of experts) de 2 800 milliards de paramètres, avec 104 milliards de paramètres actifs répartis sur 896 experts dont 16 sont activés par requête, une fenêtre de contexte d'un million de tokens et une compréhension visuelle native. Moonshot a également ouvert le code de trois briques techniques associées : FlashKDA, ses noyaux d'attention Kimi Delta Attention, MoonEP, sa bibliothèque de communication pour architectures MoE, et AgentENV, son infrastructure distribuée pour environnements d'agents. Plusieurs évaluations indépendantes ont depuis confirmé que Kimi K3 surpasse Opus 4.8, ce qui en fait, selon Moonshot, le meilleur modèle à poids ouverts au monde. Le rapport technique met en avant un gain d'efficacité d'entraînement d'environ 2,5 fois par rapport à K2, obtenu grâce à des choix d'architecture centrés sur la stabilité numérique à grande échelle : poids en MXFP4, activations en MXFP8, et un encodeur visuel entraîné conjointement depuis le début. Le rapport ne précise toutefois pas le nombre total de tokens utilisés pour l'entraînement, une omission relevée par plusieurs observateurs. Cette sortie illustre un tournant dans la manière dont l'industrie définit l'ouverture des modèles d'IA. La licence de Kimi K3 est qualifiée d'« open weights » mais pas de logiciel libre au sens strict : les fournisseurs d'hébergement générant plus de 20 millions de dollars de revenus annuels doivent signer un accord commercial séparé, et les produits dépassant 100 millions d'utilisateurs mensuels actifs ou 20 millions de dollars de revenus mensuels doivent afficher la mention « Kimi K3 » dans leur interface. Cette formule, entre gratuité d'accès et restrictions commerciales ciblées, pourrait devenir la norme pour les futurs modèles frontière présentés comme ouverts. La disponibilité immédiate du modèle chez une douzaine de plateformes dès le premier jour, vLLM, Baseten, Modal, Fireworks, Nebius, Together, DigitalOcean, Cursor, Cognition (Devin), Ollama Cloud et Dell Enterprise Hub, montre que le lancement d'un modèle ouvert frontière est désormais un événement d'écosystème et de chaîne d'approvisionnement, et plus seulement une annonce de recherche. Ce lancement intervient alors que le débat public sur les modèles ouverts s'est enflammé cette semaine autour d'une lettre appelant à davantage d'ouverture, signée notamment par NVIDIA et Microsoft. OpenAI, d'abord donnée comme réticente, a fini par signer le texte, tandis qu'Anthropic s'en est tenue à l'écart. Cette agitation autour des prises de position publiques contraste avec le fait que seul Moonshot a effectivement livré un modèle à poids ouverts cette semaine, ce qui a conduit plusieurs commentateurs à juger plus utile de lire le rapport technique de Kimi K3 que de suivre les innombrables réactions sur les réseaux sociaux. Par ailleurs, la newsletter AI News, désormais intégrée à Latent Space, a annoncé l'arrivée de Richard MacManus au poste de responsable éditorial.

💬 Kimi K3 bat Opus 4.8 sur les bancs d'essai indépendants avec un modèle "open weights", et ça vaut le coup de lire le rapport technique plutôt que le flot de réactions LinkedIn sur la lettre NVIDIA-Microsoft. La vraie histoire de la semaine, c'est que pendant qu'OpenAI signait un texte sur l'ouverture, Moonshot livrait un modèle disponible day one sur douze plateformes, code d'inférence compris. Selon Le Fil IA, l'ouverture des modèles frontière est en train de devenir une affaire de licence commerciale et de chaîne d'approvisionnement, plus une déclaration de principe.

Kimi K3 en poids ouverts : le pari chinois de l'IA mise sur la mémoire, pas sur la puissance de calcul

Moonshot AI a dévoilé le 16 juillet 2026 Kimi K3, un modèle open-weight de 2,8 billions de paramètres, le plus grand jamais publié en accès ouvert. Ce volume le fait entrer dans la catégorie dite "3T", jamais atteinte par un modèle ouvert auparavant, et dépasse largement le précédent modèle phare de Moonshot, un peu plus de 1 billion de paramètres, ainsi que le V4 Pro de DeepSeek, qui culmine à 1,6 billion. K3 propose une fenêtre de contexte d'un million de tokens et une architecture nativement multimodale. Moonshot met en avant deux innovations techniques : l'attention Kimi Delta, qui accélère le décodage jusqu'à 6,3 fois sur des contextes d'un million de tokens, et les Attention Residuals, qui améliorent l'efficacité d'entraînement d'environ 25 % pour moins de 2 % de coût supplémentaire. Le modèle repose sur une architecture mixture of experts divisée en 896 sections spécialisées, dont seulement 16 sont activées à chaque calcul, soit environ 1,8 % du total. Autre choix marquant, K3 a été entraîné à une précision de 4 bits par paramètre au lieu des 16 bits habituels, une technique appliquée dès la phase de fine-tuning. Résultat, selon des analyses indépendantes : environ 1,4 To de mémoire nécessaire dans ce format, contre 5,6 To en pleine précision. Moonshot a aussi contribué du code de mise en cache au projet open-source vLLM et recommande de faire tourner K3 sur au moins 64 accélérateurs étroitement interconnectés, avec des tests réalisés sur des puces Nvidia H200 et sur un GPGPU d'un fournisseur alternatif non identifié. Ce choix de conception traduit une réponse directe aux restrictions américaines sur l'exportation de puces vers la Chine. Plutôt que de contourner la contrainte de calcul, Moonshot la déplace vers la mémoire, une ressource qui peut être assemblée à partir d'un grand nombre de puces individuellement modestes, contrairement à la puissance de calcul nécessaire à l'entraînement de modèles de cette taille. En réduisant drastiquement l'empreinte mémoire du modèle, l'entreprise affirme pouvoir proposer des prix compétitifs malgré la taille de K3, une promesse cruciale pour les entreprises qui veulent déployer des modèles ouverts sans dépendre exclusivement du matériel Nvidia. Pour l'industrie, cela signifie qu'un modèle de pointe peut désormais tourner sur une infrastructure mixte ou alternative, ce qui élargit le choix des fournisseurs de cloud et des opérateurs de datacenters. Cette stratégie interroge aussi la solidité des restrictions américaines sur les semi-conducteurs : si la mémoire peut compenser le manque de puissance de calcul dédiée, la barrière technologique censée freiner les laboratoires chinois s'avère plus poreuse que prévu. Kimi K3 s'inscrit dans une compétition intense entre laboratoires chinois pour la publication de modèles ouverts toujours plus grands, face à DeepSeek et d'autres acteurs du secteur, dans un contexte où les Etats-Unis limitent depuis plusieurs années l'accès de la Chine aux puces d'intelligence artificielle les plus avancées. L'approche de Moonshot, qui consiste à répartir la charge mémoire sur des grappes de 64 accélérateurs ou plus étroitement interconnectés, rappelle la logique des systèmes CloudMatrix développés par Huawei, un signe que l'industrie chinoise mise sur l'agrégation de matériel moins performant plutôt que sur l'accès à des puces de pointe individuelles. Reste une zone d'ombre : Moonshot n'a pas précisé si ses tests incluaient du silicium chinois, se contentant de mentionner un fournisseur alternatif sans le nommer, ce qui laisse planer le doute sur la nature exacte du matériel utilisé en interne. À mesure que d'autres laboratoires observeront les performances réelles de K3 en production, la question centrale restera de savoir si cette architecture axée sur la mémoire plutôt que sur le calcul brut peut être répliquée à grande échelle, et si elle annonce une nouvelle norme pour les modèles ouverts entraînés hors des Etats-Unis.

☕️ Thinking Machines publie Inkling, un modèle généraliste à poids ouverts

Le laboratoire Thinking Machines, fondé par Mira Murati, ancienne directrice technique d'OpenAI, a dévoilé mercredi 15 juillet son premier modèle à poids ouverts, baptisé Inkling. L'annonce intervient dix huit mois après une levée de fonds record de 2 milliards de dollars pour l'entreprise. Inkling repose sur une architecture Mixture of Experts totalisant 975 milliards de paramètres, dont seulement 41 milliards sont activés à chaque requête, une conception pensée pour limiter les coûts de calcul tout en conservant une large capacité de connaissances. Le modèle gère une fenêtre de contexte pouvant atteindre 1 million de tokens et a été entraîné sur 45 000 milliards de tokens couvrant texte, images, audio et vidéo. Thinking Machines propose également une version allégée, Inkling Small, dotée de 12 milliards de paramètres actifs et entraînée selon la même méthode. Les deux modèles sont accessibles dès à présent via Tinker, le service de personnalisation et de fine tuning lancé en accès anticipé début 2026, avec des fenêtres de contexte de 64 000 et 256 000 tokens et une tarification de lancement fixée à 1,87 dollar le million de tokens en entrée et 4,68 dollars en sortie. Cette sortie marque un tournant stratégique pour un laboratoire jusque là connu surtout pour la notoriété de son équipe fondatrice plutôt que pour des produits concrets. En choisissant d'ouvrir les poids d'Inkling plutôt que de viser la performance brute face à des modèles fermés comme ceux d'OpenAI ou d'Anthropic, Thinking Machines se positionne sur un créneau différent, celui des chercheurs et développeurs souhaitant personnaliser un modèle généraliste solide en chat, audio et vision, quitte à sacrifier une partie des capacités agentiques les plus avancées. Cette approche pourrait séduire des équipes de recherche et des entreprises qui cherchent une base fiable, multimodale et modulable, sans dépendre entièrement des API propriétaires des grands acteurs du secteur, tout en bénéficiant d'un contrôle direct sur les données et la boucle d'entraînement via Tinker. L'initiative s'inscrit dans une stratégie produit plus large amorcée par Thinking Machines dès octobre dernier avec le lancement de Tinker, conçu pour affranchir les chercheurs des contraintes d'infrastructure lors du réglage fin de modèles. Inkling doit désormais nourrir d'autres développements du laboratoire, notamment TLM Interaction Small, un modèle à très faible latence destiné en particulier aux interactions vocales, illustrant une volonté de construire un écosystème cohérent plutôt qu'un modèle isolé. Dans un marché de l'IA générative dominé par une poignée d'acteurs aux modèles fermés, ce pari sur l'ouverture et la personnalisation pourrait redéfinir la place que Thinking Machines entend occuper, entre laboratoires de recherche indépendants et géants technologiques.

💬 Bon, sur le papier c'est le pari le plus honnête que Thinking Machines pouvait faire : au lieu de courir après OpenAI sur la perf brute, ils ouvrent les poids et misent sur la personnalisation via Tinker. Ça vaut ce que ça vaut face à des géants fermés, mais c'est exactement le créneau qui manquait entre labos indépendants et boîtes qui verrouillent tout. Reste à voir si les chercheurs suivent, parce qu'un modèle ouvert sans écosystème solide autour, ça finit vite sur une étagère.