Qwen3· sujet

Perplexity ouvre le code de Lily, un moteur d'inférence Rust + Metal pour Qwen3.6-35B-A3B sur Apple Silicon

Perplexity a mis en open source Lily, le moteur d'inférence local qui alimente la fonction Hybrid Compute de son application Perplexity Computer. Il s'agit d'un runtime mono-processus où une couche Rust charge le checkpoint et pilote la boucle de génération, une API de type chat-complétions compatible OpenAI diffuse les tokens en streaming, et des kernels Metal écrits à la main exécutent le modèle, sans passer ni par PyTorch ni par MLX. Le moteur cible un seul modèle, Qwen3.6-35B-A3B, sur une seule famille de matériel, les Mac Apple Silicon, et une démo autonome est publiée dans le dépôt pplx-garden. Le checkpoint quantifié en 4 bits pèse 19,4 Go, ce qui impose en pratique un Mac disposant d'au moins 32 Go de mémoire unifiée, le produit Hybrid Compute exigeant macOS 15 ou plus récent, 24 Go au minimum et 32 Go pour de meilleures performances. Sur un Mac M5 Max à 40 coeurs et 128 Go de RAM, en traitement par lot unique et sur dix longueurs de contexte allant de 256 à 128 000 tokens, Lily atteint en moyenne 4156 tokens par seconde en préremplissage contre 3388 pour MLX-LM, soit 1,23 fois plus vite, et 170 tokens par seconde en décodage contre 126,4, soit 1,35 fois plus vite. Cette spécialisation change la donne pour l'inférence locale sur Mac, un terrain où la pile par défaut MLX plus MLX-LM devait rester générique pour fonctionner sur de multiples architectures de modèles. En abandonnant cette généralité, Perplexity concentre la structure du modèle, les plans d'exécution et le choix des kernels dans un seul runtime dédié, ce qui se traduit par des gains de vitesse concrets pour les utilisateurs faisant tourner de gros modèles en local, sans dépendre du cloud, avec une meilleure latence et un débit plus élevé. Pour l'industrie, cela illustre une tendance à l'ingénierie bas niveau ultra-ciblée pour tirer le maximum d'une puce donnée, une approche que d'autres laboratoires pourraient reproduire pour leurs propres modèles vedettes sur matériel Apple. Qwen3.6-35B-A3B est un modèle à mélange d'experts totalisant 35 milliards de paramètres, dont environ 3 milliards seulement s'activent par token via un routeur qui évalue 256 experts et en sélectionne huit, plus un expert partagé actif en permanence, le tout combiné à dix couches d'attention complète de type GQA et trente couches récurrentes Gated DeltaNet. Pour exploiter cette structure, Lily reconstruit les poids quantifiés directement dans les calculs matriciels groupés sur le GPU, ce qui a relevé le débit de préremplissage de 77,4% sur un prompt de 512 tokens, et regroupe tout le routage des experts dans un seul lot d'instructions GPU pour un gain de 89% en supprimant les synchronisations avec le processeur. En décodage, où la bande passance mémoire est le facteur limitant, la fusion des kernels et la lecture optimisée du cache ont porté la bande passante des clés de 33,8 à 47,9 Go/s et celle des valeurs de 42 à 61,8 Go/s, avec des gains allant jusqu'à 40,2% à 128 000 tokens de contexte. Ces choix d'ingénierie très spécifiques à Qwen3.6-35B-A3B et à Apple Silicon marquent une divergence assumée avec les moteurs généralistes comme MLX, et posent la question de savoir si Perplexity étendra cette approche à d'autres modèles ou d'autres puces.

💬 Perplexity lâche la généralité de MLX pour coller à un seul modèle et une seule puce, et ça paie : 1,35 fois plus vite en décodage, c'est pas du flan. Le vrai signal, c'est que le futur de l'inférence locale se joue autant dans les kernels Metal écrits à la main que dans les modèles eux-mêmes, chaque labo va vouloir son moteur sur mesure pour sa puce fétiche. Reste que ça tourne sur un Mac à 128 Go pour un seul modèle, donc avant de crier à la révolution, faut voir si Perplexity élargit le truc ou si c'est juste une démo pour Max haut de gamme.

GLM-5.3-Flash face à Qwen3.8-Flash-Next : deux labos chinois convergent séparément vers la même architecture

Deux laboratoires chinois, Z.ai et l'équipe Qwen d'Alibaba, ont publié cette semaine, à moins de 24 heures d'intervalle, deux modèles ouverts aux architectures étonnamment convergentes. Z.ai a dévoilé GLM-5.3-Flash, un modèle multimodal à mélange d'experts de 320 milliards de paramètres dont 18 milliards actifs par requête, publié sous licence MIT sur Hugging Face et entraîné sur un corpus de 30 000 milliards de tokens, avec une fenêtre de contexte d'un million de tokens. Testé anonymement sous le nom "Ox Alpha" sur OpenRouter, il en est devenu le modèle le plus utilisé de la semaine; Z.ai affirme qu'il dépasse GLM-5.2 sur l'ensemble des benchmarks pour un dixième du prix, tout en approchant Claude Opus 4.8 sur le code et les tâches agentiques, pour 0,15 dollar par million de tokens en entrée et 0,50 dollar en sortie. Alibaba a de son côté lancé Qwen3.8-Flash-Next, aperçu public de la future architecture Qwen4, avec 125 milliards de paramètres plus une table d'embeddings n-gramme de 51 milliards, 6 milliards de paramètres activés par token, un contexte natif de 262 144 tokens extensible à un million via YaRN, et un entraînement qui n'aurait mobilisé qu'environ un neuvième du calcul consacré à Qwen3.7-Plus. Le plus notable n'est pas la performance de chaque modèle pris isolément, mais le fait que les deux équipes, en travaillant séparément, aient abouti à la même recette technique: un ratio de trois couches d'attention linéaire pour une couche d'attention complète, et un indexeur compressant l'historique par quatre avant de plafonner l'attention effective à 2048 tokens retenus. Cette convergence indépendante suggère que cette combinaison constitue désormais une solution quasi optimale pour bâtir des modèles à contexte long, rapides et peu coûteux à exploiter. Pour l'industrie, cela se traduit par une pression accrue sur les prix: à 0,15 dollar par million de tokens en entrée, GLM-5.3-Flash s'approche des performances de modèles propriétaires nettement plus onéreux, tandis que Qwen revendique des gains allant jusqu'à 7,6 fois en préremplissage et 4,9 fois en décodage à un million de tokens de contexte, un atout direct pour les usages agentiques et les applications de très longue portée. Cette architecture partagée s'inscrit dans une même lignée de recherche. L'attention linéaire de GLM, appelée Kimi Delta Attention, reprend le mécanisme introduit par Kimi Linear, le modèle du laboratoire Moonshot AI, tandis que Qwen utilise sa propre variante, Gated DeltaNet; leurs indexeurs compressés descendent tous deux de l'approche DSA développée par DeepSeek, et les deux équipes recourent à l'optimiseur Muon. Ce foisonnement reflète une compétition intense entre laboratoires chinois, Z.ai, Alibaba, Moonshot AI et DeepSeek, qui partagent des idées architecturales tout en rivalisant sur les prix face aux modèles occidentaux fermés. Qwen3.8-Flash-Next joue par ailleurs pour Qwen4 le même rôle que Qwen3-Next avait joué pour Qwen3.5, celui d'un banc d'essai public avant une génération complète, laissant présager l'arrivée prochaine d'une architecture Qwen4 pleinement déployée.

💬 Deux labos chinois qui bossent chacun de leur côté et qui sortent la même architecture à un jour d'intervalle, c'est pas une coïncidence, c'est le signe qu'on a trouvé l'optimum local du moment pour du contexte long pas cher : trois couches d'attention linéaire pour une couche complète, plus un indexeur qui compresse l'historique. Résultat, GLM-5.3-Flash frôle Opus 4.8 sur le code à 0,15 dollar le million de tokens en entrée, ça fait mal aux marges des modèles fermés. Reste à voir si ça tient en prod sur des vraies charges agentiques, mais la course au prix chinoise vient clairement de passer un cap.

Alibaba dévoile Qwen3.8-Flash-Next, un modèle MoE multimodal de 125 milliards de paramètres qui préfigure Qwen4

L'équipe Qwen d'Alibaba a dévoilé Qwen3.8-Flash-Next, un modèle multimodal à mélange d'experts (MoE) publié en poids ouverts et conçu pour minimiser le coût par token. Il combine un socle de 125 milliards de paramètres, une table d'embeddings N-gram de 51 milliards de paramètres et un module de prédiction multi-token de 4 milliards, pour un total de 180 milliards de paramètres sur disque, dont seulement 6 milliards s'activent réellement à chaque token. Alibaba présente ce modèle comme un aperçu de l'architecture qui équipera Qwen4, sur le même principe que Qwen3-Next avait préfiguré Qwen3.5. Quatre nouveautés portent cette version : une attention hybride associant Gated DeltaNet et Qwen Sparse Attention, un mécanisme de résidu à portes (Gated Residual), l'embedding N-gram, et l'optimiseur Muon. Le coût d'entraînement serait environ neuf fois inférieur à celui de Qwen3.7-Plus. Côté déploiement, la version FP8 pèse 172,78 Gio et la version BF16 335,28 Gio ; il faut au minimum deux GPU en parallélisme tensoriel (TP2) sur des puces GB300, quatre étant recommandés, et une configuration TEP8 sur un nœud à huit GPU H200. Le contexte natif atteint 262 144 tokens, extensible à un million via YaRN. Sur les benchmarks, le modèle obtient 58,7 sur DeepSWE 1.1, 62,5 sur SWE-bench Pro, 81,0 sur SWE-bench Multilingual et 91,9 sur LiveCodeBench v6, ainsi que 84,5 sur AndroidWorld et 95,7 sur MathVision avec interpréteur de code. Cette annonce illustre une tendance de fond : réduire drastiquement le coût de calcul des grands modèles sans sacrifier leurs capacités, grâce à une activation clairsemée des paramètres. Les gains annoncés en matière de service sont significatifs, jusqu'à 7,6 fois plus rapide en préremplissage et 4,9 fois en décodage à un million de tokens selon Qwen, avec des chiffres encore plus élevés cités par les recettes SGLang et vLLM, même si ces performances restent pour l'instant des annonces du fournisseur, non vérifiées de façon indépendante. Un débit de préremplissage multiplié par 8,6 par rapport à Qwen3.7-Plus est également revendiqué. Pour les entreprises et développeurs, cela signifie un modèle de pointe accessible via vLLM, SGLang, TokenSpeed, transformers serve ou llama.cpp, avec un fine-tuning possible via Unsloth, Swift ou LLaMA-Factory, déjà intégré au mode « Standard » de QwenWork et à Qwen Code. Il reste toutefois hors de portée d'une simple station de travail, nécessitant des clusters de GPU haut de gamme. Ce lancement s'inscrit dans la compétition mondiale sur les modèles de codage et d'agents autonomes, où Alibaba cherche à rivaliser avec Anthropic et DeepSeek. Sur ce terrain, Qwen3.8-Flash-Next reste compétitif sans dominer partout : Claude Opus 4.6 le devance sur le test de raisonnement HLE (40,0 contre 35,9) et DeepSeek-V4-Flash-0731 fait mieux sur NL2Repo-Bench (54,2 contre 48,1), signe que le raisonnement de pointe demeure un point faible. Ce modèle sert avant tout de démonstrateur technique avant l'arrivée de Qwen4, dans une course où chaque acteur cherche à combiner puissance, contexte étendu et coût de calcul réduit pour équiper agents logiciels et assistants professionnels.

💬 Le chiffre qui compte, c'est 6 milliards de paramètres activés sur 180 au total : voilà le vrai levier pour faire baisser le coût d'inférence, l'activation clairsemée plutôt que la taille brute du modèle. Sur le papier, l'entraînement neuf fois moins cher et le million de tokens de contexte, ça claque, mais si tu regardes le raisonnement pur face à Opus 4.6, Qwen accuse encore le coup. Et "poids ouverts" ne veut pas dire accessible : il te faut un cluster de GPU haut de gamme rien que pour le faire tourner, donc cette préversion de Qwen4 reste réservée à ceux qui ont déjà l'infra derrière.

Alibaba lance Qwen3.8-Flash-Next, axé sur une "efficacité maximale des coûts

L'équipe Qwen d'Alibaba a dévoilé Qwen3.8-Flash-Next, un modèle de langage présenté comme un aperçu de la future architecture Qwen4. Il s'agit d'un modèle à mélange d'experts (mixture-of-experts) qui n'active que 6 milliards de paramètres sur les 125 milliards que compte le système total, pour chaque token traité. Selon Alibaba, ce modèle a été entraîné pour un coût neuf fois inférieur à celui de ses concurrents directs, tout en surpassant des modèles bien plus lourds comme DeepSeek-V4-Flash et Claude Opus 4.6 d'Anthropic sur des benchmarks de programmation et de tâches bureautiques. Cette annonce illustre une tendance de fond dans l'industrie de l'intelligence artificielle : la course à l'efficacité commence à compter autant que la course à la puissance brute. En activant seulement une fraction de ses paramètres par requête, Qwen3.8-Flash-Next permet de réduire drastiquement les coûts d'inférence, un facteur déterminant pour les entreprises qui déploient des modèles à grande échelle. Pour les utilisateurs et les développeurs, cela signifie potentiellement un accès à des performances de haut niveau à des tarifs bien plus bas, ce qui accentue la pression tarifaire déjà exercée sur des acteurs comme OpenAI et Anthropic, contraints de justifier le prix de leurs modèles phares. Cette sortie s'inscrit dans la stratégie plus large d'Alibaba, qui multiplie depuis plusieurs mois les modèles open-weight de la famille Qwen pour s'imposer face aux géants américains et chinois, notamment DeepSeek. L'architecture mixture-of-experts, de plus en plus prisée pour son rapport coût-performance, devient un terrain de bataille central. La publication de ce modèle en amont de Qwen4 laisse présager une architecture complète encore plus optimisée, dans un marché où l'efficacité économique pourrait devenir le principal argument de différenciation entre laboratoires.

💬 Qwen3.8-Flash-Next n'active que 6 milliards de paramètres sur 125, et c'est bien plus intéressant que la bataille de benchmarks qu'Alibaba met en avant. Selon Le Fil IA, la vraie course en IA n'est plus à la puissance brute mais au coût par token, et chaque modèle MoE ultra-efficace qui sort met un peu plus la pression tarifaire sur OpenAI et Anthropic. Reste à voir si les perfs annoncées tiennent en prod, chez Alibaba les benchmarks maison ont souvent un train d'avance sur la réalité du déploiement.

Qwen3.8-27B fait tourner localement des agents de codage et du raisonnement de pointe, sans API cloud

Alibaba a mis en ligne vendredi sur Hugging Face les poids de Qwen3.8-27B, un modèle dense multimodal de 27 milliards de paramètres, sous licence libre Apache 2.0. Présenté comme une version compacte de la génération Qwen3.8, il intègre nativement la compréhension d'images et de vidéos, une fenêtre de contexte de 262 144 tokens, un raisonnement configurable ainsi qu'un support pour le code et les workflows agentiques. Son empreinte matérielle reste réduite : environ 56 Go de mémoire GPU en précision 16 bits, 28 Go en FP8, et seulement 17 Go environ une fois quantifié en 4 bits, un format accessible à un PC de jeu haut de gamme ou à un ordinateur portable bien équipé. Alibaba revendique des scores de 61,7 sur SWE-bench Pro, 90,3 sur LiveCodeBench v6, 70,7 sur son propre benchmark CoWorkBench et 84,3 sur OSWorld-Verified, des résultats qui, selon son tableau comparatif, dépassent ceux de Claude Opus 4.6 Max sur SWE-bench Pro et LiveCodeBench, même si Opus garde l'avantage sur Terminal-Bench, GPQA Diamond et Humanity's Last Exam. Ces chiffres proviennent en partie de tests internes et les protocoles d'évaluation diffèrent d'un comparatif à l'autre, ce qui limite leur valeur comme preuve définitive. Le lundi suivant, le cabinet indépendant Artificial Analysis a en partie confirmé ces résultats : Qwen3.8-27B obtient un score de 52 sur son Intelligence Index, un indice composite couvrant neuf évaluations en code, sciences, raisonnement et tâches professionnelles, soit exactement le score attribué au modèle propriétaire GPT-5.6 Luna d'OpenAI en mode raisonnement maximal, un service accessible uniquement via le cloud. Sur l'Agentic Index, qui mesure la performance sur des tâches agentiques, Qwen3.8-27B atteint 51 points, devançant Claude Opus 4.8 en raisonnement maximal, un modèle qu'Anthropic n'avait publié que trois mois plus tôt. L'agent de code open source Cline a résumé l'événement sur X en notant qu'il s'agissait de la première fois qu'un modèle local atteignait un niveau de capacité comparable aux modèles de pointe. Pour l'industrie, la nouvelle pèse lourd : un modèle téléchargeable, modifiable et exécutable localement s'approche des performances de systèmes propriétaires jusque-là réservés aux API payantes, ce qui pourrait redistribuer le rapport de force entre laboratoires fermés et écosystème open source, et réduire la dépendance des développeurs aux fournisseurs cloud pour des tâches de codage et de raisonnement avancées. Plusieurs développeurs ont illustré l'ampleur du changement. Sharif Cherf, connu sous le pseudonyme Sero (@0xSero), a souligné sur X qu'un modèle tournant sur environ 3 000 dollars de matériel surpassait désormais des systèmes vieux de quatre mois à peine, Opus inclus. Joshua « Xenova » Lochner, connu pour porter des modèles de machine learning dans le navigateur, a fait tourner Qwen3.8-27B avec des noyaux WebGPU personnalisés. Simon Willison, développeur et chroniqueur spécialisé en IA, a testé une version quantifiée Q4KM d'environ 17 Go sur un MacBook Pro équipé d'une puce M5 Max ainsi que sur un Nvidia DGX Spark : le modèle s'est montré capable d'écrire du code, d'interpréter des images et de piloter une boucle d'agent de codage via le framework Pi. Cette progression rapide des modèles open source de taille réduite s'inscrit dans une compétition mondiale entre laboratoires chinois, dont Alibaba, et acteurs américains comme OpenAI et Anthropic, chacun cherchant à dominer à la fois les benchmarks de raisonnement et l'accessibilité matérielle. Reste à voir si Qwen3.8-27B confirmera ces promesses à plus grande échelle et dans des usages professionnels réels, au-delà des benchmarks et des premiers essais de la communauté.

💬 Ce qui change la donne, c'est qu'Artificial Analysis confirme les scores d'Alibaba en indépendant, pas juste le tableau maison du constructeur. Un modèle téléchargeable qui tourne sur un PC de jeu à 3000 dollars et qui égale GPT-5.6 Luna en raisonnement max, ça veut dire que le cloud n'est plus le seul chemin vers le meilleur niveau de code et de raisonnement. Reste à voir si ça tient sur de vrais projets pros, pas juste sur les benchmarks et les premiers essais.

Qwen explose les compteurs : une claque pour Meta et Google ?

Alibaba a annoncé le 16 août 2026, via le compte officiel de son laboratoire d'intelligence artificielle sur X, que sa famille de modèles ouverts Qwen avait franchi la barre des trois milliards de téléchargements au cours des six derniers mois. Ce chiffre, confirmé dans le rapport 2026 de la plateforme Hugging Face, place Qwen très largement devant les offres ouvertes des géants américains : Google totalise environ 418 millions de téléchargements sur la même période, et Meta seulement 227 millions pour sa gamme Llama. La performance d'Alibaba ne repose pas sur un modèle unique mais sur un catalogue de plus de 460 versions Qwen, couvrant des tailles et des usages variés, du modèle embarqué léger jusqu'aux grandes architectures pour l'entreprise. Les développeurs du monde entier ont par ailleurs construit plus de 300 000 modèles dérivés à partir de cette base technique, un indicateur que Hugging Face met en avant pour qualifier Qwen de « pilier de l'écosystème actuel de l'IA ouverte ». Cette avancée a une portée qui dépasse la simple statistique de téléchargements. Contrairement aux modèles propriétaires fermés comme ceux d'OpenAI ou d'Anthropic, les poids ouverts de Qwen peuvent être récupérés, modifiés, affinés et intégrés directement dans des produits tiers, ce qui en fait un point de départ technique plutôt qu'un service fini. Pour les équipes qui cherchent à déployer de l'IA en local, à réduire leurs coûts d'inférence ou à adapter un modèle à un usage métier précis, Qwen devient ainsi une option par défaut plausible face aux alternatives américaines. Ce mécanisme crée un effet d'entraînement : chaque nouvelle variante développée par la communauté attire d'autres utilisateurs, ce qui élargit encore l'audience et la légitimité de l'écosystème Qwen, y compris dans des marchés que les entreprises américaines considéraient jusque-là comme acquis. Ce succès s'inscrit dans une offensive plus large des laboratoires chinois sur le terrain de l'IA ouverte, aux côtés de DeepSeek, Moonshot AI et MiniMax, qui gagnent eux aussi du terrain face aux solutions propriétaires américaines. Alibaba s'appuie en plus sur sa puissante infrastructure cloud pour distribuer Qwen hors de Chine, notamment en Asie du Sud-Est et en Afrique, des régions où l'entreprise cherche à s'imposer avant que des acteurs occidentaux ne s'y installent durablement. En retour, Meta et Nvidia ont récemment présenté de nouveaux modèles ouverts pour élargir leur propre offre et répondre à cette pression concurrentielle. La bataille ne se joue donc plus seulement sur la puissance brute d'un modèle, mais sur la taille et la vitalité de l'écosystème de développeurs qui l'adopte, un terrain sur lequel Alibaba dispose désormais d'une avance que ses rivaux surveillent de très près.

Fine-tuner des LLM pour l'appel d'outils : guide complet avec XYZ-Aquila-SFT et Qwen3

Un tutoriel technique détaille la mise en place d'un pipeline complet de fine-tuning supervisé pour des modèles de langage capables d'appeler des outils, en s'appuyant sur le jeu de données XYZ-Aquila-SFT publié par XYZAILab, ainsi que sur les bibliothèques Hugging Face Transformers, PyTorch et PEFT. Le processus commence par le streaming de 400 exemples du corpus en anglais, l'inspection de sa structure et l'analyse de trajectoires conversationnelles multi-tours contenant des appels d'outils. Un analyseur JSON conçu pour gérer les structures imbriquées est utilisé pour extraire de façon fiable les appels d'outils encapsulés dans des balises dédiées, contournant les limites des expressions régulières classiques face à des arguments imbriqués. Le modèle entraîné est Qwen3-0.6B, affiné via la technique LoRA avec un rang de 16, sur 30 étapes, avec une longueur de séquence maximale de 2048 tokens, un taux d'apprentissage de 1e-4 et une accumulation de gradient sur 8 pas. Les données sont converties au format ChatML compatible avec Qwen, avec un masquage de la perte limité aux réponses de l'assistant, avant une évaluation des prédictions d'appels d'outils menée sur 24 exemples, comparant les performances avant et après l'entraînement sur un jeu de 40 échantillons réservés. Ce type de pipeline reproductible importe car les appels d'outils sont devenus une capacité centrale des modèles de langage modernes, permettant à un assistant IA d'interroger des bases de données, d'exécuter du code ou d'accéder à des API externes plutôt que de se limiter à générer du texte. Disposer d'une méthode claire pour transformer des trajectoires conversationnelles brutes en données d'entraînement structurées facilite la création d'assistants spécialisés, notamment pour des équipes souhaitant adapter des modèles compacts et peu coûteux comme Qwen3-0.6B à des tâches précises sans recourir à des modèles de très grande taille. L'usage de LoRA, qui n'ajuste qu'un sous-ensemble réduit de paramètres, rend cette adaptation accessible avec des ressources de calcul limitées, ce qui élargit l'accès à l'expérimentation en fine-tuning pour les développeurs et chercheurs indépendants. Ce guide s'inscrit dans une tendance plus large de publication de tutoriels pratiques permettant de reproduire les techniques utilisées pour entraîner des agents IA interagissant avec des outils externes, un domaine en forte expansion avec la multiplication des architectures d'agents autonomes. Le jeu de données XYZ-Aquila-SFT, conçu pour ce type d'entraînement, rassemble des conversations multi-tours enrichies de raisonnement intermédiaire et d'observations issues de résultats d'outils, reflétant les formats employés par les modèles récents pour structurer leur processus de décision. En rendant public l'ensemble du code, incluant la configuration, les statistiques du corpus et le jeu de données transformé, les auteurs permettent à la communauté de reproduire, d'ajuster ou d'étendre cette approche à d'autres modèles ou corpus, dans un contexte où la maîtrise du fine-tuning spécialisé devient un enjeu de compétitivité pour les équipes développant des produits d'intelligence artificielle appliqués aux agents.

💬 Ce que je retiens, c'est qu'un modèle à 0,6 milliard de paramètres qui apprend l'appel d'outils en 30 étapes de LoRA, ça change la donne sur le coût d'entrée du fine-tuning spécialisé : plus besoin de louer un cluster pour adapter un assistant à une tâche précise. Le vrai mérite du truc, c'est le parser JSON maison pour extraire les appels d'outils imbriqués, parce que les regex classiques craquent dès que les arguments se compliquent, et ça, c'est le genre de détail qui décide si un pipeline tourne vraiment ou reste un jouet de démo. Reste que 30 étapes sur 400 exemples, c'est une preuve de concept propre, pas encore un modèle qu'on met en prod.

Alibaba dévoile Qwen 3.8, des modèles open source sous licence Apache 2.0

Alibaba a dévoilé Qwen 3.8, une nouvelle famille de modèles à poids ouverts publiée sous licence Apache 2.0 par son équipe d'intelligence artificielle Qwen. Le modèle phare de cette génération est un modèle dense de 27 milliards de paramètres, conçu pour surpasser le plus volumineux Qwen 3.7 Plus sur les tâches de programmation et de bureautique. Il se distingue également par sa capacité native à traiter jusqu'à 262 000 tokens de contexte en une seule fois, ce qui lui permet d'ingérer de très longs documents, bases de code ou historiques de conversation sans étape de découpage préalable. Cette sortie confirme la stratégie d'Alibaba consistant à rendre disponibles gratuitement des modèles performants et personnalisables, à destination des développeurs qui construisent des applications locales ou des agents autonomes. En proposant un modèle plus compact que Qwen 3.7 Plus tout en revendiquant de meilleures performances sur des tâches concrètes comme le code, Alibaba abaisse le coût de calcul nécessaire pour obtenir un haut niveau de qualité, un enjeu majeur pour les entreprises et les équipes qui souhaitent déployer de l'IA générative sans dépendre exclusivement des API propriétaires de fournisseurs comme OpenAI ou Anthropic. Ce lancement s'inscrit dans la compétition mondiale des modèles ouverts, où les géants chinois de la tech, Alibaba en tête avec sa famille Qwen, cherchent à s'imposer face aux modèles américains fermés et aux alternatives ouvertes comme celles de Meta ou Mistral. La montée en puissance des applications agentiques, capables d'exécuter des tâches complexes de façon autonome, pousse ces entreprises à optimiser conjointement la taille des modèles, leur fenêtre de contexte et leurs capacités de codage, autant de critères désormais décisifs pour les développeurs.

💬 Qwen 3.8 confirme un truc qu'on voit depuis un an : la course n'est plus à la taille du modèle mais au ratio perf/coût, et Alibaba le fait mieux que tout le monde en ce moment. Un modèle dense de 27 milliards qui bat un modèle plus gros, avec 262k tokens de contexte natif, c'est le genre de specs qui rendent les API propriétaires beaucoup plus dures à justifier pour du code ou de l'agentique. Reste à voir si ça tient la comparaison en usage réel, mais sur le papier, la stratégie open source d'Alibaba avance plus vite que ce que les labs fermés voudraient.

Nvidia lance Nemotron 3.5 Lightning : Claude pourrait devenir beaucoup trop cher

Nvidia a présenté le 11 août 2026 Nemotron 3.5 Lightning, un modèle en poids ouverts de type mixture-of-experts à 30 milliards de paramètres dont seulement 3 milliards activés à chaque passage, doté d'un contexte d'un million de tokens et déployable sur un DGX Spark, une carte H100 ou une GeForce RTX 5090. L'entreprise revendique jusqu'à quatre fois plus de vitesse et 30% de temps en moins sur des tâches agentiques face à des modèles ouverts comparables, avec poids et recettes d'entraînement publiés sous licence OpenMDW-1.1 sur Hugging Face. L'annonce s'accompagne de NeMo Switchyard, une bibliothèque qui choisit automatiquement quel modèle doit traiter chaque étape d'un agent selon la difficulté, le coût ou la latence, réservant les modèles premium comme Claude Opus aux tâches les plus complexes. Testé avec LangChain sur 145 tâches agentiques multi-étapes, ce routage entre Lightning et Claude Opus 4.8 a réduit le coût de 74%, avec seulement 7% des appels envoyés au modèle frontier, pour environ six points de précision perdus. Artificial Analysis attribue par ailleurs à Lightning un score de 24 sur son Intelligence Index, équivalent à gpt-oss-120b obtenu avec environ quatre fois moins de paramètres, et mesure près de 670 tokens par seconde avec les poids finaux au format NVFP4. Cette annonce vise le coût d'exploitation des agents IA en entreprise, où les tâches répétitives (appels d'outils, validation de résultats, revue de code) finissent par exploser la facture lorsqu'elles sont envoyées à un modèle frontier comme Claude Opus. En confiant l'essentiel du volume à Lightning et en ne remontant vers un modèle premium que les cas réellement difficiles, Switchyard promet de diviser les coûts par plusieurs sans sacrifier la qualité globale, selon les chiffres avancés par Nvidia. La licence ouverte permet en plus un hébergement local, un argument qui compte pour les entreprises réticentes à envoyer leur propriété intellectuelle vers une API externe. Pour Anthropic et les autres fournisseurs de modèles premium, le risque est de voir leur usage réduit aux seules tâches complexes, pendant que Nvidia capte l'essentiel du volume avec du matériel et des modèles qu'il maîtrise de bout en bout. Cette sortie s'inscrit dans une stratégie à double face : fin juin 2026, Nvidia avait annoncé l'arrivée de Claude sur ses GPU Blackwell Ultra, consolidant sa position de fournisseur d'infrastructure incontournable pour Anthropic. Six semaines plus tard, l'entreprise propose aux mêmes clients un moyen de limiter leur recours à Claude en misant sur ses propres modèles Nemotron, dont Lightning est présenté comme le successeur de Nemotron 3 Nano 30B. Sur le terrain des modèles ouverts concurrents, Qwen3.6 35B et Muse Glimmer restent devant Lightning sur l'intelligence générale mesurée par Artificial Analysis, qui a publié ses propres résultats indépendants dès le lancement. La suite dépendra de l'adoption réelle de Switchyard par les équipes qui construisent des agents en production, et de la réponse des fournisseurs de modèles premium face à cette pression nouvelle sur les prix.

💬 Ce qui me frappe, c'est que Nvidia vend l'infra qui fait tourner Claude et propose au même client de quoi s'en passer, tu sens le coup en deux temps. Lightning tout seul, c'est correct sans plus, il traîne derrière Qwen3.6 sur l'intelligence pure. Mais Switchyard change la donne : 74% d'économie pour six points de précision perdus, et le vrai risque pour Anthropic c'est de finir cantonné aux tâches compliquées pendant que Nvidia récupère tout le volume du quotidien.

Alibaba teste un nouveau modèle économique pour Qwen, son IA open source

Alibaba prépare un nouveau modèle économique pour son prochain modèle d'IA à poids ouverts Qwen, rapporte Reuters citant deux sources proches du dossier. Les grandes entreprises qui exploitent ce modèle pour proposer un service commercial devront désormais conclure un accord de partage de revenus avec le groupe chinois, dont le taux n'est pas encore fixé. Jusqu'ici, Alibaba facturait l'accès aux modèles hébergés sur son cloud, mais laissait les entreprises déployer gratuitement ses modèles open source dans leurs propres serveurs. Les modèles Qwen3 actuels restent sous licence Apache 2.0, qui autorise usage commercial, modification et redistribution. Ce virage rappelle la licence adoptée par Moonshot pour Kimi K3, lancé le mois dernier : les entreprises dont les revenus cumulés dépassent 20 millions de dollars sur douze mois doivent signer un accord séparé, pouvant représenter jusqu'à 30% de partage de revenus selon des sources proches de Moonshot. Chinasoft International et DigitalOcean ont confirmé de tels accords commerciaux avec Moonshot. Cette évolution marque une inflexion pour l'IA open source chinoise, longtemps opposée à l'approche fermée d'OpenAI, Anthropic et Google, qui commercialisent leurs modèles phares via des services hébergés propriétaires. En fixant des seuils de revenus déclenchant des accords payants, Alibaba et Moonshot cherchent à monétiser l'usage massif de leurs modèles par les fournisseurs cloud et d'infrastructure, sans renoncer à la gratuité pour les petits développeurs. Pour des acteurs comme DigitalOcean, qui propose Kimi K3 à ses clients, cela implique des coûts supplémentaires au-delà de certains seuils d'usage. Ce glissement souligne aussi la différence entre modèles "à poids ouverts" et véritablement "open source" : la définition de l'Open Source Initiative exige un accès libre sans autorisation préalable, condition que ces nouvelles licences commerciales ne remplissent plus entièrement. Cette stratégie tient aussi à l'ampleur des ressources nécessaires pour exploiter ces modèles à grande échelle : Kimi K3 compte 2 800 milliards de paramètres au total, dont 104 milliards activés grâce à une architecture de mélange d'experts (896 experts, 16 sélectionnés par token), ce qui exige une infrastructure de calcul considérable même lorsque les poids sont téléchargeables gratuitement. Alibaba et Moonshot cherchent ainsi de nouvelles sources de revenus auprès des acteurs qui monétisent leurs modèles, à travers une approche que le PDG de DigitalOcean, Paddy Srinivasan, qualifie de "freemium" : accès initial peu coûteux, puis facturation pour l'usage à grande échelle, le support technique ou l'accès anticipé aux futures versions. Reste à voir si d'autres développeurs chinois emboîteront le pas et comment les entreprises occidentales, déjà confrontées à des coûts d'infrastructure croissants, réagiront à ces nouvelles conditions.

💬 Alibaba et Moonshot viennent d'inventer le freemium pour l'IA open source chinoise, et ça change la nature du deal : gratuit pour bricoler, payant dès que tu montes en échelle. Sur le papier ça reste ouvert, mais dès qu'un fournisseur cloud dépasse un seuil de revenus il doit signer un accord de partage, donc on n'est plus dans l'esprit "open source" au sens strict, juste dans du "poids ouverts avec facture différée". Retenez la phrase : quand un modèle open source devient massivement utilisé, quelqu'un finit toujours par vouloir sa part, même en Chine.

Qwen 3.8-Max et Claude Opus 5 montrent que les scores bruts de benchmarks ne prédisent pas la facture

Alibaba a présenté cette semaine la version preview de Qwen 3.8-Max, la positionnant comme la deuxième meilleure IA du marché, juste derrière Claude Fable 5, un classement que son propre tableau de lancement nuance puisque le modèle ne l'emporte que sur une des douze catégories d'agents de codage testées. Un benchmark indépendant, VulcanBench, a évalué apparemment la même version preview et abouti à un résultat quasi inverse : en configuration « meilleur effort », Qwen 3.8-Max se classe dans la moyenne, et en réglage par défaut, il termine dernier. L'écart s'explique par les budgets de temps : Alibaba fixe un délai de cinq heures pour les tâches de codage, et jusqu'à douze heures par test sur PaperBench, contre 45 à 60 minutes chez VulcanBench, soit un budget cinq à seize fois supérieur côté Alibaba. Ce décalage illustre un problème plus large : le prix au token ne prédit plus la facture réelle. Qwen 3.8-Max coûte 2 dollars par million de tokens en entrée et 6 dollars en sortie, contre 3 et 15 dollars pour Kimi K3, et seulement 0,14 et 0,28 dollar pour DeepSeek-V4-Flash-0731, entré en bêta publique le 31 juillet. Les modèles de raisonnement consomment une grande partie de leur quota en tokens de réflexion avant de répondre, au risque de produire un résultat vide, aussi coûteux qu'un run complet. Artificial Analysis a mesuré le phénomène : faire tourner son Intelligence Index sur DeepSeek-V4-Flash en effort maximal a consommé 210 millions de tokens de sortie, contre une médiane de 100 millions pour sa catégorie. Le coût reste faible grâce à des tokens bon marché, mais la verbosité coûte du temps, un problème que seul un calcul en coût par tâche réussie permet de repérer. Un échec par mauvaise réponse et un échec par épuisement du budget sont deux problèmes distincts que la plupart des harnais de test confondent. Long-Horizon-Terminal-Bench, publié en juillet, a testé 17 modèles de pointe sur 46 tâches avec une seule tentative de 90 minutes chacune : les dépassements de délai représentent 79% des échecs, contre 19% pour les agents qui abandonnent d'eux-mêmes et 3% pour des erreurs du harnais, même si les tâches interrompues affichaient une récompense moyenne de 0,10 à 0,35, loin d'une réussite probable. VulcanBench illustre le mécanisme inverse : dans un rapport daté du 26 juillet, le réglage d'effort le plus bas de Claude Opus 5 s'est montré le plus performant, résolvant 20 tâches sur 23, contre 18 sur 23 en effort élevé. La leçon commune : les budgets de temps et de tokens devraient devenir un critère d'acceptation explicite, pas un détail caché en note de bas de page.

💬 Le classement de Qwen 3.8-Max s'effondre dès qu'on change le budget de temps alloué : cinq heures chez Alibaba, 45 minutes chez VulcanBench, et le modèle passe de médaille d'argent à dernier de la classe. Un benchmark sans budget de temps affiché, c'est un chiffre sans unité. Et le détail qui devrait alerter tout le monde, c'est que Claude Opus 5 réussit mieux en réglage bas qu'en réglage élevé, 20 tâches sur 23 contre 18 : la sur-réflexion coûte cher et ne paie pas toujours.

Qwen3.8-Max : Alibaba revient dans la course pour rivaliser avec Fable 5 et Kimi K3

Alibaba a dévoilé Qwen3.8-Max, un modèle de langage doté de 2 400 milliards de paramètres, quinze jours seulement après le lancement de Kimi K3 par Moonshot AI, un autre acteur chinois du secteur. Contrairement à Kimi K3 et ses 2 800 milliards de paramètres et 104,2 milliards de paramètres actifs par token, Qwen3.8-Max repose sur une architecture Mixture of Experts activant 95 milliards de paramètres par token, tout en nécessitant le chargement complet du modèle en mémoire. Alibaba revendique, benchmarks à l'appui, des performances comparables à Gemini 3.1-Pro, GPT-5.6 Sol et Fable 5 sur le raisonnement multimodal, l'analyse d'images en tant qu'« agent visuel », le code et l'analyse de documents. Comme Moonshot AI l'avait fait avec Kimi K3, Alibaba promet de rendre les poids du modèle disponibles en open source sur Hugging Face et ModelScope dans la semaine, après une exclusivité initiale sur sa propre plateforme QwenCloud. Côté tarifs, l'entreprise affiche 2 dollars par million de tokens en entrée et 6 dollars en sortie, des prix inférieurs à ceux de Kimi K3 (3 et 15 dollars), GPT-5.6 Sol (5 et 30 dollars), Opus 4.8 (5 et 25 dollars) et Fable 5 (10 et 50 dollars). Cette sortie confirme que les entreprises chinoises de l'IA générative continuent de talonner les leaders américains, un an après le « moment DeepSeek » qui avait déjà bousculé le secteur. En ciblant explicitement le code et l'automatisation des tâches de bureau, Alibaba se positionne frontalement contre Anthropic, un terrain jusque-là dominé par cette dernière. Pour appuyer sa démonstration, l'entreprise met en avant trois défis réalisés sans intervention humaine, écriture et exécution de code exclues : la génération du projet « oh-my-cli » en dix jours, la reproduction du code d'un article scientifique, et un concours de compréhension des besoins clients. Alibaba insiste sur le fait que son modèle ne se contente pas de suivre un plan prédéfini mais s'adapte grâce à des boucles de rétroaction, un argument destiné à convaincre les développeurs et les entreprises cherchant à automatiser des tâches complexes. Les prix cassés renforcent l'attractivité du modèle pour les usages à grande échelle. Reste que la comparaison des prix par million de tokens masque une réalité plus complexe, comme le montre l'exemple d'Opus 4.7 qui consommait ses tokens bien plus rapidement qu'Opus 4.6 sans que cela soit reflété dans le tarif affiché. Plusieurs utilisateurs de Qwen3.8-Max rapportent déjà avoir épuisé leur quota en quelques prompts seulement, ce qui interroge sur l'écart entre le prix nominal et le coût réel d'usage. Cette question de la consommation de tokens devient centrale dans un marché où les modèles surenchérissent sur les benchmarks et les tarifs, sans que les utilisateurs disposent toujours d'outils fiables pour comparer l'efficacité réelle de chaque système face à leurs besoins concrets.

💬 Le vrai combat n'est plus sur les benchmarks, il est sur le prix au token réel. Alibaba affiche 2 dollars l'entrée contre 10 pour Fable 5, sauf que plusieurs utilisateurs ont grillé leur quota en quelques prompts à peine, preuve que le tarif affiché ne dit presque rien de la facture finale. Kimi K3 puis Qwen3.8-Max en quinze jours, la Chine ne rattrape plus les leaders américains, elle les talonne à un rythme mensuel, mais sans mètre étalon pour la conso réelle, choisir son LLM reste un pari sur une étiquette.

Cette IA chinoise a réinventé une méthode scientifique… et a fait mieux que les chercheurs

Le 3 août 2026, Alibaba a présenté Qwen3.8-Max, son modèle d'intelligence artificielle le plus avancé, un système multimodal et open weight doté de 2 400 milliards de paramètres. Au-delà de sa taille, l'entreprise met en avant sa capacité à travailler seul pendant plusieurs jours sur un même objectif, sans supervision humaine. Pour l'illustrer, Alibaba a publié trois démonstrations. Dans la première, le modèle a développé de bout en bout un projet logiciel baptisé oh-my-cli : pendant environ seize jours, il a écrit le code, lancé les tests, corrigé ses propres erreurs et intégré des retours d'utilisateurs, produisant au final 265 commits, 127 pull requests et 151 tickets traités. Dans la deuxième, on lui a fourni un seul article scientifique sur la sélection de données d'entraînement, sans code associé : en 125 heures, soit un peu plus de cinq jours, le modèle a reconstruit tout le pipeline expérimental, écrit 7 600 lignes de code, réalisé plus de 1 100 actions et 33 entraînements sur GPU, reproduit les résultats de l'étude, puis proposé et testé 18 idées d'amélioration, aboutissant selon Alibaba à une méthode dépassant l'original sur le benchmark AIME24. Enfin, inscrit à un concours réel sur la plateforme Tianchi avec les mêmes 24 heures que les participants humains, Qwen3.8-Max a conçu sa solution, entraîné plusieurs modèles et soumis 45 versions successives, terminant devant 458 équipes sur 526, soit 87 % des concurrents. Ces résultats marquent une rupture avec le fonctionnement habituel des assistants IA, où chaque étape nécessite une validation humaine avant de passer à la suivante. Un modèle capable de tenir un objectif général sur plusieurs jours, de détecter ses erreurs et d'ajuster sa méthode change la nature du travail qu'on peut lui confier : développement logiciel complet, recherche scientifique exploratoire, participation à des compétitions techniques. Pour les développeurs et chercheurs, cela laisse entrevoir des gains de productivité considérables, mais aussi des questions sur le contrôle qualité et la fiabilité de productions non supervisées pendant de longues périodes. Ce lancement s'inscrit dans une course mondiale à l'IA agentique, où les grands laboratoires cherchent à dépasser le simple chatbot pour créer des agents autonomes capables de planifier, exécuter et corriger leur propre travail. En choisissant l'open weight, Alibaba pousse aussi une stratégie de diffusion large face aux modèles fermés occidentaux. Les chiffres avancés restent toutefois auto-rapportés par Alibaba, sans vérification indépendante à ce stade, ce qui invite à la prudence avant de valider pleinement ces performances face aux futurs benchmarks et à la concurrence.

💬 Bon, seize jours en autonomie totale sans validation humaine à chaque étape, c'est ça le vrai changement, pas les 2 400 milliards de paramètres. On passe d'un assistant qu'on pilote pas à pas à un système qu'on lâche sur un objectif et qui revient avec le taf fini. Après, les chiffres viennent d'Alibaba et de personne d'autre, donc j'attends de voir ça tourner ailleurs qu'en démo avant de crier au génie.

Qwen 3.8-Max : Alibaba clash la Silicon Valley avec une IA puissante et… open weight

Alibaba a dévoilé le 3 août 2026 Qwen 3.8-Max, le modèle le plus puissant de toute la famille Qwen à ce jour. Contrairement aux modèles fermés d'OpenAI ou d'Anthropic, celui-ci sera open-weight : ses poids seront publiés la semaine prochaine, et Qwen3.8-27B suivra le même chemin. Le modèle est déjà accessible sur la plateforme officielle Qwen et le sera bientôt sur Model Studio, la plateforme cloud d'Alibaba. Techniquement, il s'agit d'un modèle multimodal capable de traiter texte, images et vidéo dans une même conversation, avec une fenêtre de contexte d'un million de tokens. Alibaba affirme qu'il peut analyser des rapports financiers de plusieurs centaines de pages en comprenant simultanément texte, graphiques et tableaux, ou encore parcourir plus de 100 heures de vidéo pour identifier personnages, événements et changements de scène. Le modèle repose sur une architecture Mixture of Experts avec 2 400 milliards de paramètres au total, dont seulement 95 milliards activés à chaque requête. Cette approche change la donne pour l'accès à l'IA de pointe. En rendant public un modèle qui rivalise avec les meilleures offres américaines, Alibaba permet à des chercheurs et développeurs du monde entier de télécharger, étudier et adapter le modèle sur leurs propres infrastructures, sans dépendre d'une API propriétaire. Les résultats publiés sont significatifs : sur PaperBench, qui évalue la capacité à reproduire un article scientifique en code, Qwen 3.8-Max obtient 93 sur 100, devançant Fable 5 (88,8) et Claude Opus 4.8 (80,3). Sur OSWorld, qui mesure l'usage d'un ordinateur comme le ferait un humain, il prend la première place mondiale avec 86,1. Pour les entreprises et développeurs, cela signifie un accès à des capacités de pointe en codage autonome et en automatisation, à moindre coût grâce à l'architecture MoE qui limite les ressources mobilisées par requête. Ce lancement s'inscrit dans une compétition de plus en plus vive entre laboratoires chinois et américains. Sur Arena.AI, Qwen 3.8-Max s'est immédiatement classé premier modèle chinois pour les tâches textuelles, même s'il reste derrière Claude Fable 5 au niveau mondial. En vision par ordinateur, il se classe deuxième, juste derrière une variante de Claude Fable 5. Alibaba le compare directement à Kimi K3, le modèle de Moonshot AI doté de 2 800 milliards de paramètres, signe que plusieurs acteurs chinois jouent désormais dans la même catégorie que les géants américains. Reste que les benchmarks ne disent pas tout : l'usage en conditions réelles déterminera si cette avance open source chinoise se confirme face à des modèles fermés qui gardent, pour l'instant, une légère longueur d'avance sur certains terrains.

Qwen 3.8 Max (2,4 T) et 27B : nouveaux modèles ouverts pour le code et le travail collaboratif

Alibaba a dévoilé le 25 juillet 2026 son nouveau modèle phare Qwen3.8-Max, un système de 2400 milliards de paramètres présenté comme le plus capable jamais produit par le laboratoire chinois. L'entreprise a annoncé que ses poids, ainsi que ceux d'une version plus légère, Qwen3.8-27B, seraient rendus publics la semaine suivante. En attendant, le modèle est accessible via API à 2 dollars par million de tokens en entrée, 6 dollars en sortie et 0,25 dollar pour les tokens mis en cache, sur Qwen Studio, l'API maison et Command Code, avec Venice prévu prochainement ; Baseten et Hermes Agent ont confirmé leur intégration. Alibaba met en avant des démonstrations d'autonomie prolongée : plus de dix jours de codage sans supervision, durant lesquels le modèle a construit lui-même un harnais de développement auto-évolutif, une recherche scientifique de 125 heures ayant permis de dépasser un benchmark existant de 2,71 points, un classement dans le top 13 % face à 526 équipes humaines lors d'un défi de dialogue multimodal, et une conception de puce électronique ayant réduit le nombre de portes logiques d'un accélérateur cryptographique de 8298 à 678. Cette annonce dépasse la simple mise à jour technique. Qwen3.8-Max aurait probablement été le modèle à poids ouverts le plus capable au monde si Kimi K3 n'avait pas été publié quelques jours plus tôt, preuve de la vitesse à laquelle les laboratoires chinois rivalisent désormais entre eux autant qu'avec OpenAI, Anthropic ou Google. Pour les développeurs et entreprises qui bâtissent des produits d'IA, des poids ouverts sur un modèle de cette taille changent concrètement l'accès à des capacités agentiques de pointe, sans dépendre d'une API propriétaire fermée. Les démonstrations mises en avant, code autonome sur plusieurs jours, recherche itérative, conception matérielle, signalent un glissement du terrain de compétition vers la capacité d'un modèle à mener seul des tâches complexes sur des horizons longs, avec un minimum de supervision humaine. Ce lancement intervient après une période d'incertitude pour Qwen. L'an dernier, le départ d'ingénieurs clés du laboratoire, suivi de l'arrivée d'une nouvelle direction tournée vers des modèles fermés commercialisés par API, avait fait craindre qu'Alibaba abandonne sa stratégie d'ouverture des poids. Qwen3.8-Max dissipe ce doute et relance la compétition avec d'autres laboratoires chinois comme celui derrière Kimi K3. Cette couverture, rapportée par la newsletter AI News après analyse de douze subreddits et 544 comptes Twitter entre le 25 et le 27 juillet, s'inscrit dans un narratif où plusieurs observateurs jugent que la frontière ouverte chinoise rivalise désormais directement avec les meilleurs modèles fermés occidentaux. La publication effective des poids, promise pour la semaine suivante, sera le test décisif de cette dynamique.

💬 Ce qui compte dans cette annonce, c'est pas la taille du modèle, c'est les dix jours de codage en autonomie totale : la compétition entre labos se déplace du score sur un benchmark vers la durée qu'un modèle tient seul sur une tâche complexe. Alibaba avait fait peur avec son virage vers le fermé l'an dernier, et les voilà qui reviennent en poids ouverts sur un modèle de 2400 milliards de paramètres, ça calme direct les doutes sur leur stratégie. Bon, sur le papier ça envoie du lourd, mais tant que les poids promis pour la semaine prochaine ne sont pas publiés, c'est une démo maison, pas encore un modèle qu'on peut tester soi-même.

Qwen3.8-Max affirme surpasser GPT-5.6 Sol Max et Fable 5 sur l'usage d'ordinateur à base d'agents

L'équipe Qwen d'Alibaba a dévoilé son nouveau modèle phare Qwen3.8-Max, un grand modèle de langage multimodal de type mixture-of-experts doté de 2 400 milliards de paramètres, conçu pour l'ingénierie logicielle autonome et les tâches d'entreprise à long horizon. Sur le benchmark OSWorld-Verified, qui évalue les agents capables d'utiliser un ordinateur de bureau, Qwen3.8-Max obtient un score de 86,1, devant GPT-5.6 Sol Max (83,2), Fable 5 (85,0) et Gemini 3.1 Pro (76,2). Le modèle affiche également les meilleurs résultats publiés sur PaperBench (93,0), TerminalBench 2.1 (86,6), Vision2Web (69,0), LVBench (81,8) et ERQA (77,8). Alibaba a par ailleurs annoncé la publication des poids ouverts de Qwen3.8-Max la semaine prochaine, accompagnés d'une version plus légère, Qwen3.8-27B, sans toutefois préciser les termes exacts de la licence. Cette annonce marque un tournant potentiellement important pour Alibaba, qui positionne son modèle non pas comme un assistant conversationnel mais comme un collègue autonome capable de mener à bien des projets s'étalant sur plusieurs jours plutôt que quelques minutes. Selon l'entreprise, Qwen3.8-Max peut réaliser seul des projets logiciels de plus de dix jours, reproduire des articles de recherche impliquant des milliers de lignes de code, optimiser de manière itérative la conception de puces électroniques et réviser continuellement ses plans à partir de retours multimodaux. Si la licence s'avère réellement permissive, comme Apache 2.0, il s'agirait de la première fois qu'un modèle Qwen de catégorie Max devient disponible pour un déploiement auto-hébergé, ce qui pourrait bouleverser l'adoption en entreprise face aux modèles propriétaires d'OpenAI, d'Anthropic ou de Google. Ces démonstrations restent toutefois produites par Alibaba elle-même et n'ont pas encore été vérifiées de façon indépendante. Cette sortie illustre une tendance de fond du secteur: la compétition entre modèles de pointe se spécialise de plus en plus. OpenAI concentre sa gamme GPT sur le raisonnement général et la productivité multimodale, Anthropic mise sur le code et la fiabilité en contexte long avec Claude, Google pousse Gemini vers des flux de travail multimodaux natifs du web, tandis que Moonshot AI a récemment introduit son modèle ouvert Kimi K3. Qwen3.8-Max tente de réunir plusieurs de ces atouts en un seul modèle, dans un contexte où les benchmarks récompensent désormais autant la capacité à mener à terme un flux de travail complet que la simple exactitude d'une réponse ponctuelle. La domination du modèle chinois n'est cependant pas totale: OpenAI conserve la tête sur le benchmark d'ingénierie logicielle professionnelle SWE-Pro, et Opus 4.8 reste devant sur certaines évaluations de développement ainsi que sur Agents' Last Exam, signe que la course aux modèles frontières se fragmente plutôt qu'elle ne désigne un vainqueur unique.

💬 Le score sur OSWorld, c'est Alibaba qui le mesure sur son propre modèle, donc je garde une réserve tant que personne d'indépendant ne l'a reproduit. Ce qui compte vraiment ici, c'est ailleurs : si la licence des poids ouverts s'avère bien permissive la semaine prochaine, ce sera la première fois qu'un Qwen catégorie Max devient auto-hébergeable, et ça change le rapport de force pour toute boîte qui ne veut plus dépendre d'un abonnement OpenAI ou Anthropic pour faire tourner un agent de code. Reste que la course aux modèles frontières ne désigne plus un vainqueur unique, elle se fragmente benchmark par benchmark.

Alibaba (Chine) tente une nouvelle offensive contre la suprématie américaine dans l'IA

Alibaba a dévoilé lundi Qwen3.8-Max, présenté comme son modèle d'intelligence artificielle le plus vaste et le plus performant à ce jour. Le géant technologique chinois affirme que ce système rivalise avec les meilleures offres des laboratoires américains de pointe, Anthropic et OpenAI, ainsi qu'avec son concurrent domestique Moonshot AI et son modèle Kimi K3. L'annonce, publiée sur le blog officiel d'Alibaba, confirme un lancement déjà anticipé depuis le mois précédent, lorsque l'entreprise avait présenté une version préliminaire du modèle en le qualifiant de "juste derrière" le modèle phare d'Anthropic. Qwen3.8-Max est désormais mis à disposition à grande échelle des utilisateurs, marquant une nouvelle étape dans la stratégie d'Alibaba de rendre ses modèles accessibles largement plutôt que de les garder propriétaires. Cette sortie confirme que les entreprises chinoises continuent de réduire l'écart technologique avec les laboratoires américains, longtemps considérés comme largement en tête sur les modèles de fondation les plus avancés. Pour les développeurs et les entreprises du monde entier, la disponibilité d'un modèle open ou largement accessible aussi performant qu'un système propriétaire américain change la donne: elle offre une alternative moins coûteuse et potentiellement moins contrainte par les restrictions d'export américaines. Pour l'industrie de l'IA dans son ensemble, cela accentue la pression concurrentielle sur les laboratoires occidentaux, qui doivent désormais justifier leurs prix et leurs conditions d'accès face à des rivaux chinois de plus en plus crédibles. Cette annonce s'inscrit dans un contexte de tensions déjà vives entre les Etats-Unis et la Chine sur plusieurs fronts liés à l'intelligence artificielle, entre restrictions américaines sur l'exportation de puces avancées vers la Chine et volonté de Pékin d'atteindre l'autonomie technologique dans ce secteur jugé stratégique. Alibaba, comme d'autres géants chinois de la tech, investit massivement dans le développement de modèles capables de rivaliser avec les meilleurs systèmes occidentaux, une course qui s'accélère à mesure que Washington et Silicon Valley observent avec attention les progrès réalisés de l'autre côté du Pacifique. Les prochains mois devraient voir se multiplier les annonces similaires de la part des acteurs chinois et américains, chacun cherchant à démontrer sa suprématie technologique dans un secteur dont les enjeux dépassent largement la seule compétition commerciale.

💬 Alibaba enfonce le clou et ça devient dur à ignorer. Qwen3.8-Max qui prétend rivaliser avec Anthropic et OpenAI en accès large, pas en démo, c'est un signal de plus que l'écart se referme vite. Selon Le Fil IA, la vraie bascule n'est pas technique mais économique: pour un développeur en France, un modèle chinois quasi aussi bon et moins cher devient un argument qu'aucun labo américain ne peut juste ignorer avec un "on est meilleurs".

Alibaba dévoile Qwen3.8-Max, un modèle MoE de 2,4 billions de paramètres, le plus performant de la famille Qwen à ce jour

Alibaba a annoncé la disponibilité générale de Qwen3.8-Max, un modèle de mélange d'experts (MoE) de 2,4 billions de paramètres, le plus puissant à ce jour dans la famille Qwen. L'entreprise a confirmé que les poids ouverts du modèle seront publiés la semaine prochaine, tout comme ceux d'un second modèle, Qwen3.8-27B, plus adapté à un déploiement sur des serveurs GPU classiques. Qwen3.8-Max accepte du texte, des images et de la vidéo en entrée et produit du texte en sortie. Son API hébergée, compatible avec les formats OpenAI et DashScope, est utilisable dès aujourd'hui par toute entreprise, l'intégration se limitant à un changement d'URL de base et d'identifiant de modèle. Le modèle propose une fenêtre de contexte d'un million de tokens, avec une entrée maximale de 991 000 tokens (983 000 en mode réflexion) et une sortie maximale de 131 000 tokens. Les limites de débit sont fixées à 2 millions de tokens par minute et 15 000 requêtes par minute. Côté tarifs, comptez 2 dollars par million de tokens en entrée, 6 dollars en sortie, et 0,25 dollar pour la lecture en cache implicite, un cache huit fois moins cher que les tokens frais. Le modèle intègre nativement cinq outils via l'API Responses, dont un interpréteur de code et la recherche web. Cette annonce est significative parce qu'elle cible directement des usages professionnels concrets: l'ingénierie logicielle à l'échelle d'un dépôt entier, la revue de documents juridiques et financiers, l'indexation de vidéos longues, l'extraction de données structurées et les assistants de recherche multi-étapes. Mais l'ampleur du modèle pose une vraie question de déploiement. Avec 2,4 billions de paramètres au total, Qwen3.8-Max reste un artefact réservé aux infrastructures de datacenter multi-nœuds, Alibaba n'ayant pas communiqué le nombre de paramètres réellement activés, ce qui empêche pour l'instant d'estimer son coût de service. C'est donc Qwen3.8-27B qui représente la voie réaliste pour un déploiement sur site chez la plupart des entreprises. Les gains de performance les plus nets se situent dans le multimodal et les tâches agentiques plutôt que dans le raisonnement pur: le modèle passe de 21,6 à 56,6 sur DeepSWE 1.1 et de 40,7 à 73,5 sur FrontierSWE par rapport à Qwen3.7-Max. Sur les benchmarks publiés par Alibaba, Qwen3.8-Max obtient 86,6 sur Terminal-Bench 2.1, devançant Claude Opus 4.8 et Claude Fable 5 (84,6) mais restant derrière GPT-5.6 Sol en mode maximal (88,8). Il domine en revanche sur PaperBench (93,0) et sur plusieurs tests de vision comme OSWorld-Verified (86,1) et OmniDocBench 1.5 (92,1). Deux réserves s'imposent toutefois: la comparaison multimodale se fait face à Qwen3.7-Plus et non Qwen3.7-Max, ce qui gonfle artificiellement les progrès affichés, et la courbe d'apprentissage par renforcement d'Alibaba plafonne à 0,725 avant de redescendre à 0,689, signe que la mise à l'échelle atteint ses limites. Aucune licence ni tableau de benchmark complet n'accompagne pour l'instant l'annonce des poids ouverts, prévus la semaine prochaine.

Alibaba dévoile Qwen-Image-3.0, capable de générer grilles d'infographies complètes et texte lisible dès dix pixels en une seule passe

Alibaba a présenté Qwen-Image-3.0, un nouveau générateur d'images développé par son équipe Qwen, capable d'accepter des instructions textuelles allant jusqu'à 4 500 tokens. Le modèle sait produire du texte lisible dans l'image jusqu'à une taille de dix pixels seulement, et prend en charge nativement douze langues. Il peut générer en une seule passe des compositions complexes comme des infographies détaillées, des documents mis en page façon LaTeX ou encore des reproductions de pages de journaux, avec une grille d'éléments cohérente et du texte intégré fidèle à la demande initiale. Cette avancée marque une étape dans la capacité des générateurs d'images à gérer du texte long et structuré, un point faible traditionnel de ces modèles qui produisaient souvent des caractères déformés ou illisibles au-delà de quelques mots. Pour les professionnels du design, du marketing ou de l'édition, la possibilité de générer directement des mises en page complexes avec du texte net pourrait accélérer certains prototypages visuels. Toutefois, l'utilité pratique reste limitée par un obstacle de taille: le résultat final est une image pixelisée, non un fichier éditable, ce qui empêche toute modification fine du texte ou de la mise en page une fois l'image produite, contrairement à des outils de conception vectorielle ou de traitement de texte classiques. Cette sortie s'inscrit dans la compétition intense que se livrent les laboratoires chinois et occidentaux sur la génération d'images par IA, où Alibaba cherche à consolider la position de sa famille de modèles Qwen face à des concurrents comme Midjourney, Stable Diffusion ou les outils d'OpenAI et de Google. La gestion de texte long et multilingue, ainsi que la composition de documents structurés, représentent un axe de différenciation stratégique alors que ces modèles visent des usages professionnels au-delà de la simple illustration. Reste à voir si Alibaba proposera à terme des formats de sortie éditables, ce qui déterminera l'adoption réelle de cette technologie dans des flux de travail créatifs concrets.

Les meilleurs LLM locaux exécutables sur un GPU 24 Go en 2026 : comparatif Qwen, Gemma, Mistral et DeepSeek

Traduction fluide, respect des règles. --- Un GPU de 24 Go de VRAM, comme les RTX 3090 ou RTX 4090 de Nvidia, s'impose en 2026 comme le seuil minimal pour faire tourner sérieusement des modèles de langage en local. Longtemps, la pratique consistait à caser un modèle 70B fortement quantifié sur cette carte, mais cette approche est désormais dépassée au profit de modèles denses ou hybrides de 20 à 35 milliards de paramètres, mieux adaptés à cet espace mémoire. Trois postes se partagent les 24 Go disponibles : les poids du modèle (environ 0,58 octet par paramètre en quantification Q4KM, soit 18 à 20 Go pour un modèle de 32B), le cache KV qui croît avec la longueur du contexte, et une réserve de 1 à 2 Go pour le moteur d'inférence. Six modèles sortent du lot, tous sous licence permissive Apache 2.0 ou MIT et tenant sur une seule carte de 24 Go en Q4KM : Qwen3.6-27B d'Alibaba, modèle dense sorti en avril 2026 et orienté codage agentique (environ 16 Go de VRAM) ; Qwen3.6-35B-A3B, une architecture à mélange d'experts (35B au total, 3B actifs par token) qui décode plus vite tout en nécessitant environ 20 Go ; Gemma 4 26B de Google DeepMind, publié le 2 avril 2026, première génération Gemma entièrement ouverte, avec une variante MoE 26B à 3,8B actifs adaptée à la vision et à plus de 140 langues ; Mistral Small 3.2 24B, assistant quotidien dense de 24B ne nécessitant qu'environ 14 Go ; et gpt-oss-20b d'OpenAI, modèle de raisonnement ouvert à architecture MoE de 21B de paramètres au total. Cette évolution change concrètement la donne pour les développeurs et entreprises qui veulent exploiter l'IA générative sans dépendre du cloud. Une carte à 24 Go, accessible par rapport aux configurations multi-GPU professionnelles, permet désormais de faire tourner des modèles capables de coder, de raisonner ou de traiter des entrées multimodales, avec suffisamment de marge pour un contexte long et une vitesse de réponse compatible avec un usage interactif ou agentique. Cela réduit la dépendance aux API payantes des grands fournisseurs, protège la confidentialité des données traitées localement, et démocratise l'accès à des capacités jusque-là réservées aux infrastructures cloud coûteuses. Pour les équipes techniques, choisir le bon modèle selon l'usage, codage, chat général, vision ou raisonnement, devient aussi important que le choix du matériel lui-même. Cette bascule s'inscrit dans une dynamique plus large de course à l'efficacité chez les grands laboratoires. Alibaba, Google DeepMind, Mistral et OpenAI ont tous publié en 2026 des modèles ouverts optimisés pour tourner sur du matériel grand public, signe que l'open source reste un terrain de compétition stratégique face aux modèles propriétaires. Les architectures à mélange d'experts, comme celles de Qwen ou Gemma, illustrent une tendance de fond : privilégier la vitesse d'inférence plutôt que la seule taille brute, quitte à complexifier la gestion mémoire puisque tous les experts doivent rester chargés en VRAM même si peu sont activés à chaque étape. Mistral a par ailleurs lancé des modèles plus volumineux en 2026, désormais hors de portée d'une seule carte 24 Go, ce qui laisse présager une segmentation croissante entre modèles taillés pour l'inférence locale et modèles réservés aux infrastructures serveur.

💬 Bon, on remet à jour la barre : 24 Go de VRAM, ça suffit maintenant pour du sérieux, sans passer par du 70B quantifié à l'arrache comme avant. Ce qui change vraiment, c'est le mélange d'experts : Qwen3.6, Gemma 4, gpt-oss, tous misent sur l'inférence rapide plutôt que la taille brute, même si ça complique la gestion mémoire. Et Mistral qui reste dans la course sur une seule carte pendant que ses gros modèles filent vers le serveur, ça dit bien où va se jouer la bataille : le local d'un côté, le cloud propriétaire de l'autre.

Alibaba dévoile Qwen3.8-Max, un modèle multimodal de 2 400 milliards de paramètres, quelques jours après le lancement du modèle ouvert Kimi K3 de Moonshot

Alibaba a dévoilé le 19 juillet 2026, lors de la World AI Conference (WAIC) de Shanghai, une version de démonstration de Qwen3.8-Max, présentée par l'équipe Qwen comme le prochain modèle phare du groupe. Selon Alibaba, il compterait 2 400 milliards de paramètres et se classerait juste derrière Fable 5 parmi les systèmes évalués en interne, mais aucun tableau de benchmarks, aucune fiche technique et aucune licence n'ont été publiés pour étayer ce chiffre. L'accès à cette préversion est déjà ouvert via l'abonnement Token Plan d'Alibaba, ainsi que via Qoder et QoderWork, à 10 % du tarif standard. Le développeur Qwen Shuai Bai a précisé qu'il s'agit du premier modèle multimodal de l'équipe dépassant les 1 000 milliards de paramètres, capable de traiter texte, images, vidéo et documents, et censé surpasser Qwen3.7-Max en codage, développement full-stack, analyse de données et tâches bureautiques. L'annonce est tombée deux jours seulement après le lancement par Moonshot AI de Kimi K3, un modèle à poids ouverts de 2 800 milliards de paramètres, ce qui situe clairement Qwen3.8 dans une course de vitesse entre laboratoires chinois plutôt que dans une simple mise à jour de gamme. Ce que cette annonce change concrètement reste flou tant que les chiffres ne sont pas vérifiés. Le nombre total de paramètres ne reflète pas la puissance de calcul réellement utilisée: Alibaba n'a toujours pas communiqué le nombre de paramètres activés par token, la donnée qui détermine le coût réel de mise en production d'un modèle à mélange d'experts épars (MoE). L'historique de la famille Qwen invite à la prudence: Qwen3-235B-A22B n'active que 22 milliards de paramètres sur ses 235 milliards, et Qwen3-30B-A3B environ 3 milliards seulement. La compatibilité annoncée avec les protocoles OpenAI et Anthropic est en revanche un argument concret pour les développeurs, puisque les agents de codage existants pourraient basculer vers Qwen3.8 sans reconstruire leur infrastructure. Pour l'instant, la seule base vérifiable reste Qwen3.7-Max, lancé en mai 2026 en poids fermés: 92,4 sur GPQA Diamond, 80,4 % sur SWE-bench Verified, 69,7 sur Terminal-Bench 2.0, une fenêtre de contexte d'un million de tokens, à 1,25 dollar par million de tokens en entrée et 3,75 dollars en sortie. Cette annonce s'inscrit dans une compétition de plus en plus frontale entre laboratoires chinois pour la position de leader sur les modèles ouverts, Alibaba et Moonshot AI cherchant chacun à occuper le devant de la scène lors des grands rendez-vous comme la WAIC. Alibaba avait déjà promis l'ouverture des poids pour ses précédents modèles Max sans jamais tenir cette promesse, ce qui pousse à attendre une date précise, une licence et surtout la publication d'un vrai tableau de benchmarks avant de valider les affirmations sur les performances de Qwen3.8.

💬 2 400 milliards de paramètres annoncés sans un seul benchmark publié, c'est une annonce de com', pas un lancement de modèle. Le chiffre qui compte vraiment dans un MoE, c'est le nombre de paramètres activés par token, celui qu'Alibaba ne donne jamais, et l'historique Qwen (22 milliards actifs sur 235, 3 sur 30) laisse penser que Qwen3.8 sera bien plus léger à faire tourner que son total ne le suggère. Reste un vrai plus, la compatibilité annoncée avec les API OpenAI et Anthropic, qui permettrait aux devs de basculer sans tout reconstruire, si elle tient la route en prod.

Fine-tuning de Qwen3 avec LoRA via NVIDIA NeMo AutoModel : tutoriel complet sur Google Colab (GPU unique)

NVIDIA a publié via son équipe NeMo un tutoriel complet permettant d'entraîner le modèle Qwen3-0.6B avec la technique LoRA (Low-Rank Adaptation) sur un seul GPU, directement dans Google Colab. Le workflow s'appuie sur NeMo AutoModel, une bibliothèque installée depuis son dépôt source sur GitHub, qui reprend une recette officielle de fine-tuning par PEFT (Parameter-Efficient Fine-Tuning) prévue pour Qwen3-0.6B. Le processus commence par une vérification du matériel disponible, à savoir la présence d'un GPU compatible CUDA, sa mémoire vive et son support du format bfloat16, avant de cloner le dépôt Automodel et d'installer les dépendances nécessaires comme PyYAML et PEFT. Le script identifie ensuite automatiquement le fichier de configuration YAML correspondant à la recette Qwen3, puis modifie par programmation ses paramètres de précision, de taille de batch, de points de contrôle et de planification pour l'adapter aux ressources limitées d'un environnement Colab gratuit. L'entraînement est ensuite lancé via l'interface en ligne de commande d'AutoModel, avant de recharger le checkpoint LoRA généré et de comparer les réponses du modèle original avec celles du modèle affiné. Cette démonstration illustre concrètement l'intérêt de l'architecture pilotée par configuration de NeMo AutoModel, capable de fonctionner aussi bien sur un unique GPU grand public que sur des clusters multi-GPU en production, sans changer de logique d'entraînement. Pour les développeurs et chercheurs, cela signifie qu'il devient possible de prototyper un fine-tuning sur un environnement gratuit comme Colab avant de faire évoluer exactement le même pipeline vers une infrastructure distribuée à plus grande échelle, sans réécrire le code. L'utilisation de LoRA permet en outre de réduire drastiquement les besoins en mémoire et en calcul par rapport à un fine-tuning complet, un point crucial quand on ne dispose que d'un seul GPU aux ressources contraintes. Le fait que NeMo AutoModel conserve une interface compatible avec Hugging Face, via la classe NeMoAutoModelForCausalLM, facilite également l'adoption pour les équipes déjà habituées à cet écosystème. Cette publication s'inscrit dans la stratégie plus large de NVIDIA visant à rendre ses outils d'entraînement de modèles de langage accessibles au-delà des seuls environnements d'entreprise dotés de clusters GPU coûteux. En misant sur des recettes préconfigurées et open source pour des modèles compacts comme Qwen3-0.6B, développé par Alibaba, NVIDIA cherche à démocratiser les techniques de fine-tuning efficace en paramètres, alors que la demande pour des modèles spécialisés et peu coûteux à personnaliser continue de croître. Le choix de Google Colab comme terrain de démonstration renforce cette logique d'accessibilité, en montrant que des architectures pensées pour le calcul distribué restent utilisables sur du matériel limité, ce qui pourrait encourager davantage de chercheurs indépendants et de petites équipes à expérimenter avec l'écosystème NeMo.

💬 Le vrai truc ici, c'est que NVIDIA rend le fine-tuning LoRA jouable sur un Colab gratuit, et que le même pipeline scale ensuite vers du multi-GPU sans réécrire une ligne. C'est ça, la promesse qui compte : plus besoin d'un cluster pour prototyper, tu passes direct à la prod si ça marche. Reste à voir combien de temps ça tient avant qu'un vrai projet dépasse les limites de mémoire du Colab gratuit, parce que là on parle d'un modèle 0.6B, pas d'un truc qu'on va déployer tel quel en entreprise.

PrismML lance Bonsai 27B : versions 1-bit et ternaire de Qwen3.6-27B pour ordinateurs portables et smartphones

PrismML a publié Bonsai 27B, une compression à très basse précision du modèle Qwen3.6-27B, sans nouvel entraînement ni changement d'architecture. Deux versions sont proposées sous licence Apache 2.0 : une variante ternaire, avec des poids à trois valeurs (-1, 0, +1) pour une précision réelle de 1,71 bit par poids et un poids total de 5,9 Go, et une variante binaire à deux valeurs (-1, +1), à 1,125 bit par poids pour seulement 3,9 Go. Les deux modèles restent multimodaux, avec environ 24,8 milliards de paramètres pour la partie langage, 0,46 milliard pour la tour de vision (conservée en 4 bits via HQQ) et 2,5 milliards pour les embeddings et la tête de sortie. Le contexte atteint 262 000 tokens, rendu praticable par le fait qu'environ 75% des mécanismes d'attention de Qwen3.6-27B sont linéaires. La compression repose sur une échelle FP16 partagée par groupe de 128 poids, ce qui donne une réduction d'environ 9,4 fois par rapport au FP16 pour la version ternaire et 14,2 fois pour la version binaire, appliquée aux embeddings, projections d'attention, projections MLP et à la tête du modèle. Sur 15 benchmarks évalués en mode réflexion via EvalScope sur GPU H100, la version ternaire conserve 94,6% des performances du modèle FP16 d'origine, et la version binaire 89,5%, avec des scores moyens de 80,49 et 76,11 contre 85,07 pour la référence. C'est significatif car les méthodes de quantification classiques s'effondrent bien plus brutalement à des précisions comparables : la version IQ2_XXS de Qwen3.6-27B, à 2,8 bits par poids, chute à 57,5 sur AIME26 et 56,4 sur LiveCodeBench, tout en maintenant un score trompeur de 88,93 sur MMLU-Redux, ce qui masque l'effondrement réel des capacités. Cette robustesse ouvre la voie à faire tourner des modèles de 27 milliards de paramètres directement sur des appareils grand public, téléphones et ordinateurs portables compris, là où la mémoire disponible est la vraie contrainte : un iPhone avec 12 Go de RAM n'expose qu'environ 6 Go à une application, et le cache KV pour une fenêtre de 262 000 tokens peut à lui seul atteindre 17,2 Go en FP16, contre 4,3 Go une fois compressé en 4 bits. Ces contraintes mémoire expliquent pourquoi PrismML mise sur la densité plutôt que sur la seule taille du modèle, avec des débits mesurés sur plusieurs plateformes : la variante binaire atteint 66,4 tokens par seconde sur un Mac M5 Max et 11 tokens par seconde sur un iPhone 17 Pro Max, contre 104,8 sur un H100. L'entreprise propose aussi un mécanisme de décodage spéculatif nommé DSpark, entraîné spécifiquement pour accompagner Bonsai 27B, qui accélère la génération de 1,37 fois sur H100 sans perte de qualité, la vérification restant strictement fidèle à la distribution du modèle original. Cette approche s'inscrit dans une tendance plus large de la recherche en IA à repousser les limites de la quantification agressive, à rebours de méthodes comme BitNet qui nécessitent un réentraînement complet dès l'origine pour éviter l'effondrement des performances.

💬 Le vrai scoop ici, c'est que MMLU-Redux ment : IQ2_XXS affiche encore 88,93 sur ce benchmark pendant qu'il s'effondre à 57,5 sur AIME26, preuve qu'on mesure la casse de la quantification avec le mauvais outil depuis des années. Bonsai 27B, lui, tient 94,6% des perfs à 1,71 bit par poids sans réentraînement, et ça déplace le vrai goulot d'étranglement du calcul vers la RAM disponible sur ton téléphone. Bon, sur le papier ça fait rêver un 27B qui tourne en local, reste à voir si ça tient hors labo.

Le modèle d'Alibaba, non entraîné comme agent, améliore les performances sur sept benchmarks

L'équipe Qwen d'Alibaba a publié mardi Qwen-AgentWorld, une paire de modèles d'intelligence artificielle conçus non pas pour agir dans des environnements numériques, mais pour prédire ce que ces environnements vont retourner en réponse à une action. Les deux modèles, un 35 milliards de paramètres et un 397 milliards, couvrent sept domaines sous une architecture unifiée : MCP, recherche web, terminal, génie logiciel, Android, navigation web et système d'exploitation. Entraînés sur plus de 10 millions de trajectoires d'interactions réelles, ils passent par trois phases successives : apprentissage du comportement des environnements (systèmes de fichiers, états du terminal, réponses API), raisonnement anticipatif sur les états futurs, puis renforcement par des règles et une évaluation qualitative ouverte. Les deux modèles sont des architectures Mixture-of-Experts, n'activant qu'une fraction de leurs paramètres par token. Ils prennent en charge des fenêtres de contexte de 256 000 tokens. Les poids du modèle 35B et le benchmark AgentWorldBench sont publiés sous licence Apache 2.0 ; ceux du 397B restent propriétaires. Ce qui fait la valeur de Qwen-AgentWorld n'est pas tant ses scores sur les benchmarks de prédiction que ses effets concrets sur la performance des agents entraînés à l'intérieur de ses simulations. En injectant des perturbations ciblées que les environnements réels ne permettent pas de reproduire à la demande (réponses partielles, cas limites rares, conditions de disque bas), les chercheurs ont fait passer le score MCPMark de 24,6 à 33,8. Sur la tâche de recherche, un agent entraîné dans un monde entièrement fictif a transféré ses apprentissages vers des recherches réelles, portant le WideSearch F1 Item de 34,02 à 50,31 sur le modèle 35B. Un entraînement préalable au modèle monde, utilisé comme échauffement avant le fine-tuning agentique, a amélioré les performances sur sept benchmarks distincts, dont trois que le modèle n'avait jamais vus pendant l'entraînement. L'approche répond à une limite structurelle bien connue des équipes qui développent des agents à grande échelle : les environnements de production ne permettent pas de contrôler les conditions d'entraînement. Un moteur de recherche réel renvoie les résultats disponibles, pas les cas rares que l'agent devra pourtant gérer. Un terminal en production ne simule pas une panne sur commande. En renversant la question, en demandant au modèle non pas "que faire ?" mais "que va renvoyer l'environnement ?", Alibaba crée une infrastructure de simulation contrôlable. La publication arrive dans la continuité de Qwen3.7-Max, sorti en mai avec une capacité d'exécution autonome de 35 heures, et se distingue des travaux antérieurs comme WebWorld ou le modèle de Snowflake, qui restaient cantonnés à un seul domaine. C'est la première architecture à modéliser sept domaines dans un seul modèle dès la phase de préentraînement.

Qwen-AgentWorld : le simulateur d’Alibaba apprend aux agents IA à mieux réfléchir

Le laboratoire d'IA Qwen, filiale d'Alibaba, a dévoilé le 24 juin 2026 un système baptisé Qwen-AgentWorld : un simulateur capable de reproduire sept environnements numériques distincts au sein d'un seul modèle, couvrant le terminal, le moteur de recherche, le protocole MCP, le développement logiciel, le navigateur web, le système d'exploitation et Android. Contrairement aux approches classiques, la modélisation de l'environnement constitue l'objectif d'entraînement central du modèle, et non une couche ajoutée après coup. Le système a été entraîné sur plus de dix millions de trajectoires d'interactions réelles. Alibaba publie également AgentWorldBench, un benchmark interne couvrant les sept domaines simulés, sur lequel le modèle Qwen-AgentWorld-397B-A17B obtient les meilleurs scores globaux, devançant GPT-5.4, Claude Opus 4.8, Gemini 3.1 Pro, DeepSeek V4-Pro et Qwen3-6P Plus. L'intérêt de l'approche tient à ce qu'elle permet aux agents de s'exercer dans un environnement entièrement maîtrisé avant d'affronter des tâches réelles, à la manière d'un simulateur de vol. Les scénarios deviennent reproductibles, les erreurs sont peu coûteuses et les situations rares peuvent être générées à la demande. Les chercheurs d'Alibaba montrent également que l'apprentissage de la prédiction des états améliore les performances des agents même sans entraînement spécifique sur certaines tâches, et que cette capacité se transfère vers différents benchmarks sans ajustement supplémentaire. Pour les interfaces graphiques, le modèle adopte une représentation textuelle des écrans, sous forme de code HTML ou d'arbres XML plutôt que d'images brutes, ce qui simplifie l'entraînement et renforce le raisonnement sur des interfaces complexes. Pendant des années, les agents IA ont été entraînés comme de simples modèles de langage auxquels on greffait ensuite des capacités d'action sur des outils ou des logiciels, une méthode efficace mais limitée dès que l'environnement gagne en complexité. Alibaba mise ici sur un changement de paradigme : faire de la compréhension du monde numérique un prérequis à l'action, et non une compétence dérivée. Cette direction rejoint un débat plus large dans la recherche sur les agents autonomes, où les acteurs comme Google, Anthropic, OpenAI et des laboratoires chinois tels que DeepSeek se disputent la maîtrise des agents capables d'opérer des ordinateurs en autonomie. Les résultats présentés par Alibaba restent toutefois à interpréter avec prudence : un benchmark interne, aussi soigné soit-il, ne remplace pas des évaluations indépendantes sur des usages réels, et les prochains mois permettront de mesurer si cette approche tient ses promesses en conditions de production.

💬 L'idée est simple mais personne ne l'avait vraiment poussée jusqu'au bout : entraîner un agent à comprendre son environnement avant de lui demander d'agir dedans, plutôt que de greffer des capacités d'action sur un LLM qui ne "voit" pas vraiment le monde numérique dans lequel il opère. Alibaba a mis 10 millions de trajectoires réelles dans un simulateur qui couvre terminal, navigateur, Android, MCP, tout le bazar, et les scores sur leur benchmark dépassent GPT-5.4 et Claude Opus 4.8. Bon, c'est leur propre benchmark, donc à confirmer sur des évals indépendantes avant de crier victoire.

VibeThinker-3B : modèle de raisonnement dense basé sur Qwen2.5-Coder-3B via le pipeline Spectrum-to-Signal

Des chercheurs de Sina Weibo Inc, le géant chinois des réseaux sociaux, ont publié VibeThinker-3B, un modèle de raisonnement de seulement 3 milliards de paramètres qui rivalise avec des géants cent fois plus lourds. Construit sur la base Qwen2.5-Coder-3B et distribué sous licence MIT, le modèle atteint 94,3 sur le benchmark AIME26, soit un score comparable à DeepSeek V3.2 (671 milliards de paramètres) et à Kimi K2.5 (1 000 milliards de paramètres). Sur LiveCodeBench v6, il affiche 80,2 en Pass@1, et sur des concours LeetCode récents non vus lors de l'entraînement, entre avril et mai 2026, il a réussi 123 soumissions Python sur 128 en première tentative, soit un taux d'acceptation de 96,1 %. Les poids du modèle pèsent environ 6 Go en BF16, ce qui le rend utilisable sur un seul GPU grand public avec les frameworks vLLM 0.10.1 ou SGLang. Ce résultat remet en question un dogme dominant dans le domaine de l'IA : l'idée que les performances de raisonnement avancé nécessitent impérativement des dizaines ou centaines de milliards de paramètres. Un modèle de 3 milliards entraînable sur une machine accessible, capable de tenir tête à des systèmes nécessitant des clusters entiers pour l'inférence, représente un changement structurel pour les équipes qui cherchent à déployer des capacités de raisonnement à faible coût. La limite est réelle : sur GPQA-Diamond, un benchmark à dominante de connaissances encyclopédiques, l'écart reste significatif face aux grands modèles (70,2 contre 82 à 87 pour les modèles de 700B+). VibeThinker-3B est conçu comme un spécialiste des tâches vérifiables, et les auteurs le recommandent explicitement pour les mathématiques, le code et les STEM, mais pas pour les questions à large domaine ouvert. Le modèle n'est pas pré-entraîné depuis zéro : il repose entièrement sur un pipeline de post-entraînement en quatre étapes baptisé Spectrum-to-Signal (SSP), dont la version précédente avait été appliquée au modèle VibeThinker-1.5B. La première phase est un SFT en deux temps progressifs, du général vers le difficile, qui construit un large espace de trajectoires de raisonnement valides. La deuxième phase applique du renforcement multi-domaine via MGPO (MaxEnt-Guided Policy Optimization), ciblant les exemples à la frontière des capacités actuelles du modèle. Une étape Long2Short redistribue ensuite la récompense en favorisant les réponses correctes les plus courtes, forçant le modèle à ne pas verbaliser inutilement. Fait notable : les chercheurs ont abandonné l'expansion progressive du contexte, qui dégradait le raisonnement long à cette échelle, et utilisent une fenêtre fixe de 64 000 tokens tout au long du RL. L'ensemble du pipeline est publié en open source, ce qui permet à d'autres équipes de reproduire ou d'étendre l'approche.

💬 Honnêtement, c'est plus intéressant que ça en a l'air. Des chercheurs de Sina Weibo Inc. ont développé VibeThinker-3B, un modèle de raisonnement efficace avec seulement 3 milliards de paramètres, rivalisant avec des géants cent fois plus lourds. C'est une bonne nouvelle, mais faut pas rêver non plus, sur certains benchmarks, le fait reste significatif. Enfin, un modèle entrainable sur une machine accessible capable de rivaliser avec des systèmes nécessitant des clusters entiers pour l'inférence, c'est un véritable changement structurel pour les équipes cherchant à déployer des capacités de raisonnement à faible coût. Le modèle, distribué sous licence MIT et pesant environ 6 Go, est un vrai pas en avant dans la démocratisation de l'IA pour le grand public, grâce à son utilisation possible sur un seul GPU grand public. Selon Le Fil IA, cela ouvre des perspectives intéressantes pour les équipes européennes souhaitant réduire leurs coûts d'inférence sans recourir à des clusters massifs.

Rapport technique Qwen-RobotManip : l'alignement permet le passage à l'échelle des modèles fondation pour la manipulation robotique

L'équipe Qwen d'Alibaba a publié le 22 juin 2026 un rapport technique décrivant Qwen-RobotManip, un modèle fondation Vision-Langage-Action (VLA) conçu pour la manipulation robotique généraliste. Construit sur l'architecture Qwen-VL, le modèle introduit un cadre d'alignement unifié couvrant trois dimensions : la représentation sensorielle, le mouvement, et le comportement. Son corpus d'entraînement atteint environ 38 100 heures de données, constitué exclusivement de jeux de données open source et de vidéos en vue subjective des mains humaines, sans aucune collecte propriétaire. Un pipeline de synthèse convertit ces démonstrations égocentrées en trajectoires robot compatibles avec 15 plateformes matérielles différentes, dont AgileX ALOHA, Franka, UR et ARX. Évalué sur six benchmarks out-of-distribution (RoboCasa365, LIBERO-Plus, EBench, RoboTwin-Clean2Rand, RoboTwin-IF, RoboTwin-XE), Qwen-RobotManip surpasse les modèles précédents sur l'ensemble des configurations et remporte la première place du RoboChallenge avec une amélioration relative de 20 % par rapport à l'état de l'art antérieur. Ce résultat est significatif parce qu'il répond directement à une question centrale du secteur : peut-on appliquer aux données de manipulation robotique la même recette de scaling qui a propulsé les grands modèles de langage ? Jusqu'ici, la réponse restait négative, en raison de l'hétérogénéité structurelle des données de manipulation (formats, espaces d'action, embodiments incompatibles), qui rendait l'entraînement multi-sources incohérent plutôt que synergique. Qwen-RobotManip avance que l'alignement préalable des données résout ce problème, permettant l'absorption à grande échelle sans dégradation. Les capacités émergentes documentées (suivi d'instructions zero-shot, récupération d'erreurs réactive, transfert cross-embodiment) constituent, si elles se confirment en conditions industrielles réelles, un changement de paradigme pour les intégrateurs : moins de fine-tuning spécifique par robot, généralisation à de nouvelles tâches sans redéploiement complet du pipeline. Il convient toutefois de noter que les résultats reposent sur des benchmarks académiques et des validations en laboratoire réel ; aucun déploiement industriel n'est encore documenté, et l'écart sim-to-real reste une inconnue à l'échelle. Qwen-RobotManip s'inscrit dans une course serrée autour des VLA pour la manipulation, où Physical Intelligence (pi0 et pi0.5), Google DeepMind (RT-2, pi-0), et Hugging Face (LeRobot) occupent déjà des positions fortes. Le modèle de Qwen se distingue en revendiquant la performance la plus élevée sur les benchmarks OOD publiés à ce jour, et surtout en n'utilisant aucune donnée propriétaire, ce qui ouvre théoriquement la voie à une adoption plus large. La publication est un preprint arXiv (arXiv:2506.17846v1), pas encore soumis à peer review, et aucune date de disponibilité du modèle ni annonce de pilote industriel n'accompagne ce rapport. Les prochaines étapes probables incluent une intégration dans l'écosystème Hugging Face ou ModelScope et des évaluations indépendantes en conditions réelles.

💬 L'obstacle au scaling en robotique, c'était pas le manque de données, c'était leur incohérence structurelle. Qwen le prouve ici : aligner avant de scaler, et les benchmarks OOD s'envolent de 20%. Bon, c'est encore du labo et je ne vois aucun déploiement industriel documenté, mais avec zéro donnée propriétaire dans le corpus, les intégrateurs sur Franka ou UR ont une vraie porte d'entrée.

Qwen-RobotNav : un modèle de navigation extensible conçu pour un système de navigation à base d'agents

Alibaba Research a publié le 24 juin 2026 le rapport technique de Qwen-RobotNav, un modèle de navigation robotique entraîné sur 15,6 millions d'échantillons et disponible en deux versions, 2B et 8B paramètres. Le modèle expose une interface paramétrée à deux dimensions : des modes de tâches sélectionnables (suivi d'instructions, recherche d'objets, tracking de cible, conduite autonome) et des paramètres d'observation configurables à l'inférence -- budget de tokens, pondération par caméra, fenêtre d'historique visuel. La randomisation de ces paramètres pendant l'entraînement rend le modèle robuste à toute configuration d'inférence sans modification architecturale. Le co-entraînement avec des données vision-langage (VLA) évite l'effondrement en simple mappeur action-séquence, un problème documenté sur les modèles entraînés uniquement sur trajectoires. Les benchmarks navigation annoncés sont en état de l'art sur les principales références du domaine, avec une généralisation zero-shot validée sur robots réels en environnements variés. L'intérêt industriel de Qwen-RobotNav réside dans son architecture modulaire : un planificateur de haut niveau peut décomposer un objectif long-horizon en sous-tâches, basculer dynamiquement le mode et la stratégie de contexte en cours d'épisode, et composer des comportements complexes via des appels répétés au même modèle de base. Pour un intégrateur ou un OEM robotique, cela signifie un seul backbone navigation réutilisable sur plusieurs verticales (logistique, inspection, assistance), sans refonte du pipeline perception-planification. Le passage de 2B à 8B paramètres montre un scaling favorable, avec émergence d'un substrat spatial-planning partagé qui transfère entre familles de tâches -- ce qui valide empiriquement l'hypothèse que l'entraînement multi-tâche peut remplacer des modèles spécialisés distincts. Qwen-RobotNav s'inscrit dans l'effort d'Alibaba DAMO Academy et du groupe Qwen pour étendre leur famille de modèles au-delà du langage pur vers l'action incarnée. En termes de positionnement concurrentiel, le modèle s'inscrit dans un espace occupé par des travaux comme NaviLLM (Microsoft), OpenFMNav et UniNav, tous cherchant un modèle de navigation généraliste. La différence revendiquée par Qwen-RobotNav est l'interface paramétrique unifiée permettant la reconfiguration à l'inférence sans fine-tuning, ce qui facilite l'intégration dans des systèmes agentiques multi-étapes. Le code et les poids ne semblent pas encore publiés au moment du rapport ; les résultats zero-shot sur robots réels restent à confirmer dans des conditions industrielles non contrôlées.

Alibaba dévoile Qwen-Robot : trois modèles fondation pour l'IA incarnée

Alibaba a publié mardi une suite robotique composée de trois modèles fondamentaux : Qwen-RobotNav, Qwen-RobotManip et Qwen-RobotWorld. Qwen-RobotNav étend les capacités vision-langage à la robotique mobile en unifiant quatre tâches au sein d'un même framework : suivi d'instructions, navigation orientée objectif, tracking de cible et conduite autonome. Qwen-RobotManip standardise l'espace état-action et représente le mouvement de l'effecteur terminal sous forme de poses incrémentielles dans le référentiel caméra, une approche conçue pour faciliter la généralisation multi-plateforme. Ce modèle a été entraîné sur plus de 38 100 heures de données entièrement open source. Qwen-RobotWorld, le troisième composant, fonctionne comme un world model généraliste : il prédit des états futurs physiquement cohérents via une interface en langage naturel, couvrant simultanément la navigation, la conduite et la manipulation depuis un seul modèle. L'approche modulaire mais unifiée est la proposition de valeur centrale de cette suite. Un world model unique opérant sur trois domaines d'action représente une architecture qui, si elle tient ses promesses en conditions réelles, réduirait significativement les coûts d'intégration pour les équipes robotiques industrielles. L'utilisation de données entièrement open source pour Qwen-RobotManip est un signal notable dans un secteur où les datasets propriétaires constituent souvent un avantage concurrentiel défensif : Alibaba positionne ainsi Qwen-Robot davantage comme une infrastructure partagée que comme un produit fermé. Réserve importante cependant : l'annonce ne s'accompagne d'aucun benchmark public (RLBench, LIBERO, CARLA) ni de déploiement physique documenté. Il s'agit d'une publication de modèles, pas d'un produit shipé. L'équipe Qwen d'Alibaba est reconnue pour ses modèles multimodaux (Qwen2.5-VL, QwQ), mais ce lancement marque son entrée explicite dans l'embodied AI. Le terrain est disputé : Google DeepMind pousse ses dérivés de RT-2, Physical Intelligence a publié Pi-0 et Pi-0.5, Hugging Face soutient l'initiative LeRobot, et NVIDIA propose GR00T N2 comme backbone pour les robots humanoïdes partenaires. Côté chinois, Unitree, Agibot et Zhiyuan Robot accélèrent eux aussi leurs pipelines VLA (vision-language-action). La prochaine étape pour Alibaba sera de démontrer des résultats sur des plateformes matérielles réelles ; faute de quoi, Qwen-Robot restera un framework académique parmi d'autres dans une course déjà très chargée.

Qwen-RobotSuite : trois modèles d'IA incarnée pour la manipulation VLA, la modélisation du monde et la navigation

L'équipe Qwen, la division IA d'Alibaba, a publié Qwen-Robot-Suite, une collection de trois modèles d'IA incarnée destinés à la robotique. Les trois modèles sont distincts et ciblent des problèmes différents : Qwen-RobotManip est un modèle Vision-Language-Action (VLA) pour la manipulation physique, construit sur le backbone Qwen3.5-4B ; Qwen-RobotWorld est un modèle de simulation vidéo du monde réel, doté de 60 couches MMDiT et d'un encodeur Qwen2.5-VL gelé ; Qwen-RobotNav, disponible en versions 2B, 4B et 8B, est dédié à la navigation mobile et s'appuie sur Qwen3-VL. RobotManip et RobotNav sont déjà accompagnés de dépôts GitHub publics. Pour alimenter RobotManip, l'équipe a constitué un corpus d'environ 38 100 heures de données de manipulation, exclusivement issues de jeux de données open source et de vidéos humaines, dont 24 808 heures générées synthétiquement à partir de démonstrations à la première personne converties en trajectoires robotiques sur 15 plateformes différentes. Cette publication s'attaque à l'un des obstacles fondamentaux de la robotique moderne : la fragmentation des données. Chaque robot utilise des formats d'observation et d'action incompatibles, ce qui rend quasi impossible le transfert d'une politique entraînée sur un bras vers un autre. RobotManip résout ce problème via un cadre d'alignement unifié reposant sur un vecteur d'état canonique de 80 dimensions avec masquage binaire par dimension, une paramétrisation des actions en delta dans le référentiel caméra, et un mécanisme d'adaptation en contexte qui lit l'historique d'exécution récent pour identifier l'embodiment sans mettre à jour les paramètres du modèle. RobotWorld, quant à lui, utilise le langage comme interface d'action unifiée pour prédire des séquences vidéo futures, tandis que RobotNav expose une interface d'observation contrôlable pour générer des trajectoires de points de passage en navigation. Ces travaux s'inscrivent dans une course mondiale à la robotique fondationnelle, portée par des acteurs comme Google DeepMind avec RT-2, Physical Intelligence avec pi0, ou encore Tesla avec Optimus. Qwen adopte ici une stratégie modulaire plutôt qu'un modèle généraliste unique, en pariant sur la spécialisation par domaine tout en partageant un même écosystème de backbones de vision-langage. L'accent mis sur des données entièrement open source et des pipelines de synthèse automatisée indique une volonté de démocratiser l'entraînement de politiques robotiques sans dépendre de coûteuses collectes propriétaires. La mise à disposition des codes sources pour deux des trois modèles suggère que Qwen cherche à fédérer une communauté de recherche autour de ces fondations, dans un domaine ou la donnée reste le principal goulot d'étranglement.

Avec Qwen3.7-Plus, Alibaba veut transformer l'IA multimodale en agent autonome à part entière

Alibaba a lancé Qwen3.7-Plus, un nouveau modèle d'IA multimodal conçu pour fonctionner comme un agent autonome à part entière. Lors d'une démonstration publiée par l'équipe Qwen, un agent construit sur ce modèle a développé de manière entièrement autonome une application d'apprentissage de vocabulaire, générant plus de 10 000 lignes de code à travers 1 000 appels successifs sur une durée de onze heures. Le modèle intègre dans une seule boucle agentique la perception visuelle, la manipulation d'interfaces graphiques et la génération de code. Ce qui distingue Qwen3.7-Plus est sa capacité à combiner ces trois dimensions sans intervention humaine, ce qui représente un pas concret vers des agents capables de mener des projets logiciels complets de bout en bout. Sur les benchmarks de compréhension d'écran publiés par Alibaba, le modèle arrive en tête, même si ses performances globales restent inégales selon les tâches. Pour les entreprises et développeurs qui cherchent à automatiser des workflows complexes, il offre une alternative crédible aux modèles occidentaux, à un tarif nettement inférieur à ceux de OpenAI ou Anthropic. Qwen3.7-Plus s'inscrit dans la stratégie agressive d'Alibaba pour s'imposer dans la course mondiale aux modèles frontier, une compétition qui oppose désormais directement les laboratoires chinois aux américains. Contrairement à de nombreux modèles Qwen précédents publiés en open source, celui-ci est propriétaire, sans poids disponibles publiquement, ce qui marque un tournant commercial dans l'approche du groupe. La capacité à enchaîner perception, raisonnement et action sur de longues séquences restera un critère clé pour départager les acteurs de ce marché en 2026.

💬 11 heures, 10 000 lignes de code, zéro intervention humaine. C'est le genre de démo qu'on peut facilement balayer d'un revers de main, mais là les trois briques (vision, GUI, code) sont vraiment dans la même boucle, pas juste collées ensemble. Par contre, Alibaba qui passe en proprio avec ce modèle, c'est un signal clair : la phase open source généreuse, c'est terminé pour les modèles qui comptent vraiment.

OpenJarvis : un framework local pour agents IA personnels avec outils, mémoire et apprentissage

Des chercheurs de l'Université Stanford et de Lambda Labs ont publié en mai 2026 OpenJarvis, un framework open-source conçu pour faire tourner des agents IA personnels entièrement en local, sans recours au cloud. Disponible sur GitHub avec déjà plus de 5 400 étoiles, le projet s'appuie sur onze modèles locaux issus de quatre familles (Qwen3.5, Gemma4, Nemotron, Granite) et supporte des moteurs d'inférence variés comme Ollama, vLLM ou llama.cpp. Les performances mesurées sur 508 tâches réparties en huit benchmarks montrent que les modèles configurés via OpenJarvis se situent à seulement 3,2 points de pourcentage en dessous des meilleurs modèles cloud, Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro, tout en affichant une latence quatre fois plus faible et un coût marginal par requête environ 800 fois inférieur. Ce résultat change concrètement l'équation pour les développeurs et les entreprises qui cherchent à déployer des agents IA sans dépendre d'APIs tierces. OpenJarvis décompose un système d'IA personnelle en cinq primitives indépendantes et interchangeables, le modèle, le moteur d'inférence, la logique d'agent, les outils et la mémoire, puis l'optimiseur d'apprentissage, toutes configurables via un unique fichier TOML appelé "spec". Cette architecture permet à un même comportement d'agent de fonctionner sur un Mac Mini M4 comme sur une station de travail NVIDIA DGX Spark, sans réécrire les prompts. L'installation tient en une seule commande et prend environ trois minutes sur une connexion correcte. La contribution la plus originale du projet réside dans la "LLM-guided spec search", une méthode d'optimisation hybride locale-cloud : un modèle frontier agit comme enseignant au moment de la configuration, en analysant les traces d'exécution, diagnostiquant les échecs et proposant des modifications coordonnées sur l'ensemble des primitives. Une modification n'est acceptée que si elle améliore les cas défaillants sans provoquer de régressions ailleurs, avec une tolérance par défaut de 1%. Une fois optimisé, le système tourne entièrement en local sans aucun appel cloud. À 100 requêtes par jour, le coût amorti de cet enseignant descend sous 0,001 dollar par requête au bout de six mois. Cette approche multi-primitive récupère 13 à 32 points de pourcentage de l'écart cloud-local, contre seulement 5 points pour les optimiseurs de prompts classiques, à un coût d'optimisation 7 à 11 fois inférieur aux méthodes antérieures comme DSPy ou LoRA. Le projet s'inscrit dans un contexte où les modèles locaux gèrent déjà 88,7% des requêtes conversationnelles courantes selon une étude antérieure de la même équipe, et où l'efficacité des modèles embarqués a progressé de 5,3 fois entre 2023 et 2025.

💬 3,2 points de moins que Claude Opus ou GPT-5, pour un coût 800 fois inférieur : à ce ratio, la question n'est plus "cloud ou local". Le truc malin c'est la spec search guidée, tu laisses un frontier calibrer ta config une fois, puis plus aucun appel cloud ensuite. Bon, faudra voir si leurs 508 tâches de benchmark ressemblent à ce qu'on rencontre vraiment en prod.

NVIDIA lance Cosmos 3 : un modèle de fondation à deux tours mêlant raisonnement physique, génération de mondes et d'actions

NVIDIA a publié Cosmos 3, une nouvelle famille de modèles d'IA fondationnels conçus pour les systèmes d'IA physique, robots, véhicules autonomes et systèmes de surveillance industrielle. La particularité de cette version réside dans son architecture dite Mixture-of-Transformers (MoT) à deux tours, qui réunit pour la première fois dans un seul modèle trois capacités jusqu'ici séparées : le raisonnement physique, la génération de monde (vidéo, images, son) et la génération d'actions. NVIDIA a publié en open source les poids, scripts d'entraînement, outils de déploiement et jeux de données. Deux échelles sont disponibles au lancement : Cosmos3-Nano (16 milliards de paramètres, basé sur Qwen3-VL 8B) pour l'inférence sur GPU workstation comme la RTX PRO 6000, et Cosmos3-Super (64 milliards de paramètres, basé sur Qwen3-VL 32B) pour les datacenters équipés de GPU Hopper ou Blackwell. Des variantes spécialisées accompagnent cette sortie, dont Super Text2Image, Super Image2Video et Nano-Policy-DROID. L'unification de ces trois capacités dans un seul modèle représente un changement structurel pour les équipes qui développent des systèmes robotiques ou de conduite autonome. Jusqu'ici, il fallait orchestrer plusieurs modèles distincts, un pour percevoir, un pour prédire, un pour agir, ce qui multipliait la complexité d'intégration et les points de défaillance. Cosmos 3 propose un flux cohérent : la tour "reasoner" (un VLM autorégressif qui comprend images, vidéos et texte) conditionne la tour "generator" (diffusion pour la vidéo et les actions), l'information circulant dans un seul sens. Les équipes de robotique temps réel peuvent faire tourner le Nano sur du matériel de terrain, tandis que les équipes de R&D génèrent des données synthétiques à grande échelle avec le Super. Sur les benchmarks, Cosmos 3 domine VANTAGE-Bench et le leaderboard TAR (Traffic Anomaly Reasoning) dans leurs catégories respectives. Cette sortie s'inscrit dans la stratégie d'NVIDIA visant à s'imposer comme infrastructure logicielle de l'IA physique, au-delà de la simple vente de GPU. Les versions précédentes de Cosmos fragmentaient les capacités ; Cosmos 3 consolide l'approche autour d'un socle commun initialisé depuis les poids Qwen3-VL de l'écosystème open source. Le modèle gère nativement des entrées texte, image, vidéo et tableaux d'actions JSON, et produit des sorties allant jusqu'à 720p à 24 FPS avec son stéréo AAC 48 kHz, pour une durée maximale d'environ 12,5 secondes. Il supporte une gamme d'embodiments robotiques (caméra, véhicule, bras simple ou double, humanoïde), chacun avec des dimensions d'action fixes. Face à la montée en puissance de Google DeepMind, Boston Dynamics et des startups robotiques chinoises, NVIDIA mise sur l'open source et la verticalisation logicielle pour ancrer son écosystème dans les prochaines années de déploiement d'IA physique.

💬 Orchestrer trois modèles séparés pour percevoir, prédire et agir, c'était le quotidien douloureux des équipes robotique, et Cosmos 3 règle ça proprement. L'open source complet, poids + scripts + datasets, c'est pas de la comm, NVIDIA construit une base logicielle sur laquelle personne ne pourra se passer d'eux dans 3 ans. Reste à voir si le Nano tient en conditions réelles, parce que sur les benchmarks c'est toujours plus joli qu'en prod.

Alibaba lance Qwen3.7-Plus : texte, vidéo et images pour 0,4 $/1,6 $ par million de tokens, mais en source fermée

Alibaba a lancé cette semaine Qwen3.7-Plus, son dernier grand modèle de langage multimodal, capable de traiter simultanément du texte, des vidéos et des images. Le modèle est proposé à 0,40 dollar par million de tokens en entrée et 1,60 dollar en sortie, soit 60 % moins cher que son prédécesseur Qwen3.7-Max, sorti quelques semaines plus tôt mais limité au texte seul. Avec une fenêtre de contexte d'un million de tokens et jusqu'à 256 000 tokens dédiés au raisonnement interne, Qwen3.7-Plus cible explicitement les usages agentiques complexes, comme la migration de bases de code ou l'analyse automatisée de documents visuels. Le modèle intègre aussi un paramètre API baptisé "preservethinking", qui conserve les blocs de raisonnement internes entre les tours de conversation, évitant à l'agent de perdre le fil de sa logique au milieu d'une tâche longue. La rupture la plus notable n'est pas technique : Qwen3.7-Plus est distribué sous licence commerciale fermée, uniquement via l'API Alibaba Cloud et le service Qwen Chat. C'est un virage stratégique majeur pour un groupe qui avait construit sa réputation internationale sur la publication de modèles open source puissants, proches de l'état de l'art. Des entreprises comme Airbnb s'appuyaient justement sur ces modèles en accès libre. Pour les développeurs et organisations qui avaient intégré l'open source Qwen dans leurs infrastructures, ce changement de cap impose soit de migrer vers l'API payante d'Alibaba, soit de se tourner vers un concurrent. Sur le plan tarifaire, Qwen3.7-Plus reste compétitif face à des modèles comme MiniMax-M3 (0,30/1,20 dollar) ou Gemini 3.1 Flash-Lite de Google (0,25/1,50 dollar), mais il est dépassé en prix bas par DeepSeek-V4-Flash (0,14/0,28 dollar). Ce lancement s'inscrit dans une dynamique de consolidation des stratégies de monétisation chez les grands labos chinois. Après avoir inondé le marché de modèles open source pour gagner en adoption et en réputation, Alibaba suit une trajectoire similaire à celle d'OpenAI ou Anthropic : garder les modèles les plus capables derrière un accès payant. La fonctionnalité "preservethinking" avait déjà été introduite avec la génération Qwen 3.6, sur les modèles open weight Qwen3.6-27B et le Max propriétaire, signe que la stratégie de différenciation entre open et closed s'élabore depuis plusieurs mois. Avec la course aux modèles multimodaux et agentiques qui s'accélère, l'enjeu pour Alibaba est de ne pas perdre les développeurs séduits par l'ouverture, tout en capturant les revenus que seule une offre cloud fermée peut générer à grande échelle.

L'équipe Qwen d'Alibaba lance Qwen3.7-Plus avec vision, raisonnement avancé et agents autonomes sur Bailian

L'équipe Qwen d'Alibaba a lancé le 2 juin 2026 le modèle Qwen3.7-Plus, désormais disponible via API sur la plateforme Bailian d'Alibaba Cloud, accessible aux développeurs internationaux sous le nom Model Studio. Ce modèle multimodal comprend les images et les vidéos en plus du texte, ce qui le distingue de son frère jumeau Qwen3.7-Max, exclusivement textuel. Il s'agit d'une capacité de lecture visuelle, non de génération : Qwen3.7-Plus analyse des médias, il ne les crée pas. Au-delà de la vision, le modèle intègre cinq capacités agentiques : raisonnement approfondi, autoprogrammation (il écrit et révise son propre code), invocation d'outils externes et d'API, vérification et test des résultats, et itération autonome jusqu'à l'accomplissement complet d'une tâche. La préversion du modèle s'est classée 16e au classement Vision Arena de LM Arena, plaçant Alibaba au 5e rang mondial des laboratoires en compréhension visuelle. Le modèle texte Max, de son côté, avait obtenu 56,6 points sur l'Artificial Analysis Intelligence Index, meilleur score d'un modèle chinois à sa sortie. Cette sortie marque un tournant dans la stratégie d'Alibaba : le groupe ne cherche plus seulement à rivaliser sur les benchmarks de raisonnement, mais à proposer des modèles capables d'exécuter des tâches longues et complexes de façon autonome. Pour les développeurs et les entreprises, cela ouvre des cas d'usage concrets comme l'analyse OCR à grande échelle, la lecture automatique de graphiques, l'analyse de séquences vidéo, ou encore l'automatisation de workflows techniques complets. La plateforme Bailian embarque deux mécanismes complémentaires : un système d'apprentissage par renforcement agentique (Agentic RL) qui affine la précision du modèle grâce aux retours d'exécution réels, et des garde-fous de sécurité intégrés pour maintenir les outils autonomes dans des limites opérationnelles prédéfinies, un détail crucial lorsqu'un agent exécute des commandes ou modifie des fichiers en production. Ce lancement s'inscrit dans la vague de modèles agentiques qui déferle sur l'industrie depuis début 2026, face à des acteurs comme OpenAI, Google DeepMind et Anthropic. Alibaba avait déjà dévoilé la génération Qwen3.7 en mai 2026, et la sortie de la variante multimodale complète maintenant l'offre de la famille. Le positionnement au 5e rang mondial en vision, malgré un retard encore visible sur les premiers laboratoires américains, confirme que les équipes chinoises se rapprochent du front technologique à un rythme soutenu. L'enjeu pour Alibaba est de transformer Bailian en plateforme de référence pour les entreprises cherchant à déployer des agents IA capables d'agir dans des environnements réels, pas seulement de répondre à des questions, une bataille qui s'annonce centrale dans les prochains mois.

JetBrains lance Mellum2 : un modèle MoE de 12 milliards de paramètres pour les tâches spécialisées dans les pipelines IA multi-modèles

JetBrains a publié Mellum2, un nouveau modèle d'intelligence artificielle open source dont les poids sont disponibles sous licence Apache 2.0. Ce successeur de Mellum, un modèle dense de 4 milliards de paramètres orienté complétion de code, adopte une architecture Mixture-of-Experts (MoE) avec 12 milliards de paramètres au total, dont seulement 2,5 milliards sont activés à chaque token. Le modèle dispose de 64 experts, dont 8 sont sollicités simultanément, ce qui maintient un coût de calcul équivalent à un modèle dense de 2,5B tout en offrant une capacité de spécialisation bien supérieure. Sa fenêtre de contexte atteint 131 072 tokens, étendue après le pré-entraînement grâce à une méthode YaRN sélective par couche. L'entraînement a porté sur environ 10,6 billions de tokens répartis en trois phases progressivement orientées vers du code et des mathématiques, avec l'optimiseur Muon en précision hybride FP8. JetBrains publie six checkpoints couvrant l'ensemble du pipeline : modèle de base, variantes SFT, et modèles affinés par renforcement (RLVR) en versions Instruct et Thinking. Mellum2 ne vise pas à remplacer les modèles frontier comme GPT-4o ou Claude 3.5 Sonnet. JetBrains le positionne explicitement comme un "focal model", une brique rapide et spécialisée destinée à s'intégrer dans des pipelines multi-modèles. La variante Instruct répond directement, sans chaîne de raisonnement externalisée, ce qui la rend adaptée aux tâches à faible latence : appels d'outils, suivi d'instructions, génération de code à la volée. La variante Thinking, elle, produit une trace de raisonnement explicite avant sa réponse finale, utile pour le débogage complexe, la planification multi-étapes ou les flux agentiques. Sur les benchmarks autodéclarés par JetBrains, Mellum2 Instruct obtient 78,4 sur EvalPlus et 66,3 sur BFCL v3 (appels de fonctions), des scores compétitifs face aux modèles open-weight de 4B à 14B paramètres, notamment les Qwen3.5 et Ministral 3. Les résultats en raisonnement mathématique (41,7 sur AIME 2025+2026) et en connaissance générale (78,1 sur MMLU-Redux) restent en retrait par rapport à Qwen3.5 9B, ce qui reflète le choix assumé d'une spécialisation ingénierie logicielle. Ce lancement s'inscrit dans une tendance de fond : les éditeurs d'IDE et d'outils de développement construisent désormais leurs propres modèles plutôt que de dépendre exclusivement des API tierces. JetBrains, dont les produits, IntelliJ, PyCharm, WebStorm, sont utilisés par des millions de développeurs, dispose d'un corpus de code propriétaire et d'une connaissance fine des usages réels qui justifient cet investissement. La mise à disposition sous Apache 2.0 favorise l'adoption communautaire et positionne Mellum2 comme une alternative crédible aux modèles de Microsoft (Phi) ou de Alibaba (Qwen) dans l'écosystème open source. La prochaine étape logique sera l'intégration native dans les IDE JetBrains, transformant ce modèle de recherche en produit distribué à grande échelle.

NVIDIA lance Cosmos 3, Nemotron 3 Ultra et RTX Spark

NVIDIA a profité de la semaine du Computex 2026 à Taïwan pour lancer plusieurs modèles ouverts majeurs. Le plus attendu est Cosmos 3, une famille de modèles de monde omnimodaux capables de traiter simultanément le langage, l'image, la vidéo, l'audio et les actions physiques. L'architecture repose sur un mélange de transformeurs (Mixture-of-Transformers) combinant un raisonneur autorégressif et un générateur par diffusion, déclinée en deux versions : Nano (16 milliards de paramètres, deux tours de 8B) et Super (64 milliards, deux tours de 32B). Artificial Analysis a immédiatement classé Cosmos 3 en première position parmi les modèles ouverts sur ses classements Text-to-Image et Image-to-Video. NVIDIA a également annoncé Nemotron 3 Ultra, un modèle de langage de 550 milliards de paramètres dont 55 milliards actifs, salué comme le meilleur modèle ouvert américain à ce jour, capable de générer plus de 300 tokens par seconde selon certaines configurations. Enfin, le RTX Spark, un superchip personnel atteignant 1 pétaflop, a été présenté en partenariat avec Microsoft et OpenClaw. Ces annonces marquent un tournant dans la stratégie ouverte de NVIDIA. En publiant poids, code, jeux de données et recettes de fine-tuning pour Cosmos 3, l'entreprise positionne ses modèles comme une infrastructure commune pour l'IA physique, robotique, véhicules autonomes, simulation industrielle. La Cosmos Coalition, lancée avec des partenaires dont Runway, vise à construire un écosystème ouvert autour de ces modèles de monde. Pour Nemotron 3 Ultra, la communauté a réagi avec un enthousiasme inhabituel : sa densité d'activation, autour de 10 % contre 3 % pour des concurrents comme DeepSeek V4 ou Kimi K2, le rend à la fois plus coûteux à faire tourner, mais potentiellement plus prévisible en comportement, ce qui intéresse les entreprises cherchant de la fiabilité à grande échelle. Ces sorties s'inscrivent dans une semaine particulièrement dense pour les modèles ouverts. MiniMax a simultanément lancé M3, un modèle agent multimodal avec 1 million de tokens de contexte, affichant 59 % sur SWE-Bench Pro et un support immédiat chez Vercel, Cloudflare et Novita. Qwen3.7-Plus et Mellum2 de JetBrains ont également été publiés dans la même fenêtre. NVIDIA cherche à consolider sa domination au-delà du matériel : en proposant des modèles de référence ouverts pour l'IA physique, la société se place au cœur de la chaîne de valeur logicielle, là où Google et Meta se livrent déjà bataille. La convergence entre le RTX Spark, Cosmos 3 et l'écosystème de partenaires suggère une ambition claire : faire du PC local le prochain terrain de déploiement de l'IA agentique.

💬 NVIDIA ne se contente plus de vendre des GPU, il cherche à posséder la pile logicielle de l'IA physique. Cosmos 3 open source avec poids et données, Nemotron Ultra pour la fiabilité en prod, RTX Spark pour le local, c'est une stratégie trop cohérente pour être coïncidence. Google et Meta sont déjà sur ce terrain, sauf qu'eux ne contrôlent pas le silicium en dessous.

Qwen-VLA : un modèle vision-langage-action (VLA) unifié pour les tâches, environnements et morphologies de robots

Qwen-VLA, présenté en préprint arXiv par l'équipe Qwen d'Alibaba (arXiv:2605.30280, mai 2026), est un modèle de fondation incarné qui unifie dans un seul système la manipulation robotique, la navigation vision-et-langage et la prédiction de trajectoires. L'architecture étend la pile vision-langage de Qwen par un décodeur d'action basé sur un Diffusion Transformer (DiT), permettant de générer des actions continues en plus du raisonnement perceptif. L'entraînement joint combine trajectoires de manipulation réelles, démonstrations égocentrées humaines, données de simulation synthétique et jeux de données de navigation. Sur les benchmarks publiés, Qwen-VLA-Instruct atteint 97,9 % sur LIBERO, 86,1 %/87,2 % sur RoboTwin-Easy/Hard, 73,7 % sur Simpler-WidowX, et 69,0 % de taux de succès d'objectif sur R2R en navigation. En conditions réelles sur plateforme ALOHA, le modèle affiche 76,9 % de succès moyen hors-distribution (OOD) et 26,6 % en zéro-shot sur DOMINO, une tâche de manipulation dynamique. La contribution principale est le "embodiment-aware prompt conditioning" : des descriptions textuelles propres à chaque robot spécifient morphologie et conventions de contrôle, permettant théoriquement à un seul jeu de poids de s'adapter à plusieurs plateformes sans réentraînement dédié. Pour les intégrateurs et les COO industriels, c'est directement le problème du cross-embodiment qui freine les déploiements à l'échelle. Les scores OOD sont pertinents mais méritent d'être nuancés : ils portent sur des environnements de laboratoire, et les 76,9 % sur ALOHA concernent une plateforme à deux bras en contexte contrôlé, pas un robot industriel en conditions de production. La sélection des séquences de démonstration dans les preprints arXiv est notoirement favorable aux cas réussis. Qwen-VLA s'inscrit dans la course aux VLA généralistes, aux côtés de pi-0 de Physical Intelligence (spécialisé manipulation, 400 M$ levés), GR00T N2 de NVIDIA (cross-embodiment annoncé en 2025) et OpenVLA d'UC Berkeley. Son décodeur DiT le rapproche des approches diffusion-based de pi-0, par opposition aux méthodes token-based. Qwen étant déjà un modèle ouvert d'Alibaba largement adopté dans des stacks vision-langage, son extension à l'action physique offre aux équipes de recherche et d'intégration un point d'entrée solide pour le fine-tuning multi-tâche multi-robot. Aucun déploiement commercial n'est annoncé à ce stade : c'est un travail de recherche, pas un produit lancé.

NVIDIA publie Polar, un framework de rollout GRPO fidèle aux tokens pour Codex, Claude Code et Qwen Code

NVIDIA a publié Polar, un framework de déploiement conçu pour entraîner des agents de langage par apprentissage par renforcement (RL) sans modifier les outils existants. Présenté dans un article de recherche disponible sur arXiv (2605.24220), Polar permet d'appliquer des algorithmes comme GRPO à des agents comme Codex CLI, Claude Code, Qwen Code ou Pi, en s'intercalant entre l'agent et le modèle de langage via un proxy réseau. Concrètement, un proxy intercepte chaque appel API entrant, détecte le format utilisé (Anthropic Messages, OpenAI Chat Completions, Google generateContent), normalise la requête, capture les tokens générés avec leurs probabilités logarithmiques, puis retourne la réponse dans le format attendu par l'agent. L'unique modification requise côté harness est de rediriger l'URL de base du modèle vers ce gateway. L'intérêt majeur de Polar est de préserver intégralement le comportement des outils d'agents en production lors de l'entraînement. Jusqu'ici, les infrastructures RL standard exigeaient de réécrire la logique interne de chaque harness derrière une API propriétaire (env.init(), env.step(), env.reset() à la manière d'OpenAI Gym), ce qui entraînait une perte de fidélité et un coût d'intégration élevé pour chaque nouvel outil. Avec Polar, les chercheurs peuvent entraîner un modèle sur les mêmes chemins d'exécution exacts que ceux utilisés en évaluation, ce qui réduit l'écart entre les performances mesurées et les performances réelles. Les évaluateurs intégrés couvrent des benchmarks comme SWE-Bench et SWE-Gym, et le système permet de récupérer des traces partielles même lorsqu'un agent dépasse son budget de temps après avoir effectué des appels modèles. L'architecture repose sur deux composants principaux : un serveur de rollout qui distribue des sessions parallèles à des noeuds gateway, et ces mêmes gateways qui gèrent l'intégralité du cycle de vie d'une session, du démarrage du runtime à l'évaluation de la sortie. Des pools de workers isolés gèrent les phases INIT, RUNNING et POSTRUN, tandis qu'un buffer READY maintient des runtimes préchauffés pour éviter de bloquer l'exécution GPU. Polar supporte Docker et Apptainer sans droits root, et propose des raccourcis natifs pour les principaux harnesses du marché. Cette approche s'inscrit dans une tendance plus large : les laboratoires et équipes de recherche cherchent à industrialiser l'entraînement RL sur des agents de codage complexes, capables de gérer des contextes longs et des orchestrations multi-agents. NVIDIA se positionne ainsi comme fournisseur d'infrastructure pour cette nouvelle génération de pipelines d'entraînement, à mesure que la frontière entre inférence et apprentissage continu s'estompe.

Le dernier modèle IA d'Alibaba a optimisé de façon autonome le code de sa puce personnalisée pendant 35 heures

L'équipe Qwen d'Alibaba a publié Qwen3.7-Max, un nouveau modèle propriétaire conçu spécifiquement pour les tâches d'agents autonomes de longue durée. Pour démontrer ses capacités, le modèle a opéré en continu pendant 35 heures afin d'optimiser du code destiné à la puce personnalisée d'Alibaba, sans intervention humaine. Sur les benchmarks de référence, Qwen3.7-Max atteint les performances de Claude Opus 4.6 d'Anthropic et surpasse ses concurrents chinois directs, notamment DeepSeek V4 Pro et Kimi K2.6. L'équipe a également présenté une démonstration du modèle pilotant un robot quadrupède. Cette annonce marque un cap concret dans la course aux agents IA capables de mener des missions complexes sur de longues durées. Une exécution autonome de 35 heures représente un saut qualitatif par rapport aux interactions ponctuelles des LLM classiques : le modèle doit planifier, corriger ses erreurs et maintenir une cohérence sur des milliers d'étapes. Pour l'industrie des semi-conducteurs, cela ouvre la voie à une automatisation partielle du cycle de développement des puces, un domaine où la Chine cherche activement à réduire sa dépendance aux technologies occidentales. Alibaba s'inscrit dans une dynamique intense au sein de l'écosystème IA chinois, où DeepSeek, Moonshot (Kimi) et ByteDance se livrent une concurrence acharnée sur les modèles de pointe. Le développement de puces maison par Alibaba, dans un contexte de restrictions américaines à l'exportation de semi-conducteurs, donne à ce type d'outil une dimension stratégique évidente. La démonstration robotique suggère par ailleurs qu'Alibaba vise des applications bien au-delà du code, vers l'IA embarquée dans des systèmes physiques autonomes.

💬 35 heures en autonomie sur du code de puce, sans intervention humaine, c'est le genre de truc qui change vraiment la donne pour les équipes hardware. Bon, sur le papier ça reste une démo maîtrisée par Alibaba, mais tenir la cohérence sur des milliers d'étapes c'est pas rien. Ce qui m'intéresse surtout, c'est le contexte : ils optimisent leur propre silicium avec leur propre modèle, sous embargo américain, et ça fonctionne.

Microsoft lance Fara1.5 (4B/9B/27B), des agents de navigation qui surpassent OpenAI Operator et Gemini 2.5 Computer Use

Le laboratoire AI Frontiers de Microsoft Research a publié Fara1.5, une famille de modèles d'agents capables de contrôler un navigateur web de façon autonome. La gamme comprend trois variantes selon leur taille : Fara1.5-4B, Fara1.5-9B et Fara1.5-27B, chiffres qui désignent le nombre de paramètres en milliards. Ces modèles s'intègrent à MagenticLite, l'interface de navigateur sandboxé de Microsoft conçue pour ce type d'agents. Concrètement, ils lisent des captures d'écran et émettent des actions de souris et de clavier pour accomplir des tâches dans un vrai navigateur. Sur le benchmark Online-Mind2Web, qui évalue la réussite de 300 tâches sur 136 sites populaires, Fara1.5-27B atteint un taux de succès de 72 %, contre 58,3 % pour OpenAI Operator et 57,3 % pour Gemini 2.5 Computer Use de Google. La version précédente, Fara-7B, n'atteignait que 34,1 % sur cette même évaluation, soit un quasi-doublement des performances en une génération. Ces résultats placent Microsoft en tête d'une catégorie qui concentre une attention croissante de l'industrie : les agents de type "computer use", capables d'agir directement dans un environnement graphique sans passer par des API dédiées. Pour les entreprises, cela ouvre la possibilité d'automatiser des flux de travail complexes sur n'importe quel site web, sans intégrations spécifiques. Les modèles embarquent également des méta-actions qui permettent à l'agent de mémoriser des informations au fil d'une session longue, ou de solliciter l'utilisateur lorsqu'une étape est ambiguë ou irréversible. Cette capacité à interrompre et à collaborer distingue Fara1.5 des approches entièrement autonomes, souvent jugées trop risquées pour un usage professionnel. Les modèles reposent sur les architectures de base Qwen3.5 et ont été entraînés sur environ deux millions d'exemples, dont 60 % de trajectoires web réelles et 12,8 % d'environnements synthétiques. Pour produire ces données, Microsoft a développé FaraGen1.5, un pipeline comprenant six environnements simulés appelés FaraEnvs, qui reproduisent des services comme la messagerie, le calendrier ou la gestion de flux ML, avec un frontend réaliste et une base de données initialisée par des profils d'utilisateurs fictifs. Le solveur chargé de générer les trajectoires d'entraînement s'appuie lui-même sur GPT-5.4 d'OpenAI, qui atteint 83 % sur Online-Mind2Web en mode automatisé. La compétition dans ce segment s'intensifie rapidement : Yutori avec Navigator n1 (64,7 %), Google et OpenAI investissent massivement dans des agents capables d'agir dans des environnements réels, préfigurant une transition vers des systèmes d'IA qui ne se contentent plus de répondre, mais qui exécutent.

💬 72 % sur Mind2Web, c'est pas anodin quand OpenAI Operator plafonne à 58. Ce qui m'intéresse vraiment, c'est la mécanique de pause : l'agent qui s'arrête pour demander confirmation avant une action irréversible, c'est exactement ce qui manquait pour passer du prototype au vrai usage pro. Reste à voir combien de temps avant qu'on puisse tourner ça en local sans dépendre de l'infra Microsoft.

Qwen3.7-Max d'Alibaba peut fonctionner de manière autonome pendant 35 heures et prend en charge des frameworks externes comme Claude Code d'Anthropic

Alibaba a publié Qwen3.7-Max, un modèle d'intelligence artificielle conçu pour opérer de façon entièrement autonome pendant des dizaines d'heures d'affilée. La démonstration la plus frappante fournie par l'équipe Qwen : le modèle a été connecté à un serveur isolé équipé d'un processeur T-Head ZW-M890 PPU, une architecture matérielle qu'il n'avait jamais rencontrée lors de son entraînement. Sa mission consistait à optimiser un noyau de calcul d'attention. En 35 heures consécutives, Qwen3.7-Max a exécuté 1 158 appels d'outils distincts, réalisé 432 évaluations du noyau, diagnostiqué des erreurs de compilation et amélioré le code de façon itérative jusqu'à atteindre une accélération de 10x en moyenne géométrique. Ses concurrents chinois directs, GLM-5.1 de z.ai et Kimi K2.6 de Moonshot, n'ont atteint respectivement que 7,3x et 5,0x, avant d'interrompre leurs sessions faute de progression. Autre signe de rupture avec les pratiques antérieures de l'équipe Qwen : ce modèle est propriétaire et accessible uniquement via API payante, contrairement aux versions précédentes publiées en open source. Ce virage stratégique a des implications concrètes pour l'ensemble du secteur. En choisissant un modèle fermé, Alibaba s'aligne sur OpenAI et Google, qui réservent leurs modèles les plus puissants à leurs offres commerciales. Cela change la donne pour les entreprises et développeurs qui comptaient sur les modèles Qwen ouverts pour des déploiements locaux ou des usages sensibles. Par ailleurs, le fait que le modèle soit uniquement accessible depuis des points d'accès basés en Chine soulève des questions de conformité réglementaire pour les entreprises américaines et européennes soumises à des obligations de souveraineté des données, notamment dans le cadre de contrats gouvernementaux. Le modèle supporte néanmoins des environnements d'exécution externes comme Claude Code d'Anthropic, ce qui lui ouvre un spectre d'utilisation plus large dans les workflows d'ingénierie logicielle. La performance de Qwen3.7-Max repose sur ce qu'Alibaba appelle l'« environment scaling » : plutôt que d'entraîner le modèle uniquement sur du texte, il a été exposé à un vaste éventail d'environnements agentiques dynamiques, lui permettant de développer un raisonnement à long horizon sans perdre le fil de ses instructions. Le modèle intègre également un mécanisme de détection du reward hacking, qui lui permet d'identifier lorsqu'il tente de contourner ses propres règles d'évaluation et de s'autocorriger. Dans le benchmark YC-Bench, qui simule un an de cycle de vie d'une startup, Qwen3.7-Max a généré l'équivalent de 2,08 millions de dollars de revenus virtuels, soit près du double de son prédécesseur Qwen3.6-Plus. La sortie de ce modèle intervient quelques mois après le départ de plusieurs responsables clés de l'équipe Qwen, une transition qui explique en partie l'abandon de l'open source au profit d'une monétisation directe.

💬 Le vrai sujet, c'est pas les 35 heures de run autonome (impressionnant, certes, mais on s'y attendait). C'est qu'Alibaba tourne la page de l'open source et passe tout fermé, avec des endpoints uniquement basés en Chine, ce qui met Qwen3.7-Max hors jeu pour toute équipe européenne sous contraintes de souveraineté. Ceux qui avaient construit leurs workflows sur les modèles Qwen ouverts vont devoir se retourner.

Qwen lance Qwen3.7-Max : un modèle agent de raisonnement avec une fenêtre de contexte d'un million de tokens

Alibaba a présenté officiellement Qwen3.7-Max le 20 mai 2026 lors de l'Alibaba Cloud Summit, bien que deux versions preview du modèle aient discrètement fait leur apparition sur le classement Arena AI quelques jours plus tôt, sans communiqué de presse ni accès API annoncé. Le modèle texte uniquement obtient un score de 56,6 sur l'Intelligence Index d'Artificial Analysis, le plaçant cinquième mondial, devant le Gemini 3.5 Flash de Google (55,3) mais derrière GPT-5.5 (60,2) et Claude Opus 4.7 (57,3). Les gains par rapport à son prédécesseur Qwen3.6 Max Preview (51,8) sont concentrés sur le raisonnement scientifique, les tâches agentiques et le code : le benchmark CritPt a progressé de 9,7 points, Humanity's Last Exam de 9,2 points, et Terminal-Bench Hard de 6,9 points. Le modèle dispose d'une fenêtre de contexte d'un million de tokens, quadruplant la capacité des 256 000 tokens de la version précédente, de quoi ingérer un dépôt de code complet ou une grande pile de documents en une seule requête. Ce qui distingue Qwen3.7-Max des modèles classiques, c'est son architecture orientée agent longue durée. L'équipe Qwen le positionne comme son modèle agentique le plus avancé à ce jour, capable de gérer des tâches s'étendant sur des centaines, voire des milliers d'étapes successives : refactoring de code itératif, automatisation de flux bureautiques, orchestration d'outils sur de longues périodes sans intervention humaine. Le modèle utilise un mode de raisonnement étendu où il génère une chaîne de pensée interne avant de produire une réponse, ce qui se traduit par un volume de tokens considérable : lors des tests d'Artificial Analysis, Qwen3.7-Max a produit environ 97 millions de tokens, contre une moyenne de 24 millions pour les autres modèles du même benchmark. Pour des tâches simples, cette latence supplémentaire n'apporte rien ; pour de la planification complexe ou des pipelines agentiques, c'est précisément là que réside la valeur du modèle. Alibaba s'inscrit dans une course mondiale à l'agent IA autonome, où les grands laboratoires cherchent à dépasser les assistants conversationnels pour atteindre des systèmes capables d'exécuter des projets complets en autonomie. La série Qwen3 illustre la montée en puissance des acteurs chinois dans ce domaine : Alibaba se positionne désormais sixième laboratoire mondial en capacités texte et cinquième en vision selon LM Arena. La tarification de Qwen3.7-Max n'est pas encore annoncée, la version précédente étant facturée 1,30 $/7,80 $ le million de tokens en entrée/sortie sur Alibaba Cloud. Le modèle est propriétaire et fermé, et les tests indépendants sur la fiabilité effective de la fenêtre d'un million de tokens restent à venir, la dégradation du raisonnement sur de très longs contextes étant un problème connu dans l'industrie.

Qwen3.7 Max : l’IA d’Alibaba écrase ses anciens scores sur les benchmarks IA

Alibaba a dévoilé le 21 mai 2026 son nouveau modèle de langage Qwen3.7 Max, qui affiche un score de 56,6 sur l'Artificial Analysis Intelligence Index, soit 4,8 points de plus que son prédécesseur Qwen3.6 Max Preview (51,8). Le bond le plus notable concerne le codage agentique et le raisonnement scientifique, avec des progressions significatives sur des benchmarks spécialisés comme Humanity's Last Exam et TerminalBench Hard. La fenêtre de contexte du modèle passe également de 256 000 à un million de tokens, ce qui lui permet de traiter des volumes d'information sans précédent dans une seule session. Alibaba met aussi en avant une réduction mesurable du taux d'hallucinations : le modèle préfère ne pas répondre plutôt que d'inventer une information incertaine, une stratégie rendue possible par un investissement massif dans les techniques de reinforcement learning. Ces avancées ont des conséquences directes pour les développeurs et les entreprises qui utilisent l'IA dans leurs workflows. Une fenêtre d'un million de tokens change concrètement ce qu'il est possible de faire : analyser des bases de code entières, traiter de longs documents juridiques ou financiers, ou enchaîner des raisonnements complexes sur plusieurs étapes sans perdre de contexte. La réduction des hallucinations est un argument commercial fort dans les secteurs où la fiabilité est critique, comme le droit, la finance ou la médecine. Sur ces critères précis, Qwen3.7 Max commence à se positionner comme une alternative sérieuse aux offres d'OpenAI, Anthropic et Google, même si le modèle reste encore derrière les meilleurs modèles américains sur les classements globaux. Longtemps perçu comme un outsider dans la course aux grands modèles de langage, Alibaba s'impose progressivement comme un acteur de premier plan. La série Qwen incarne cette stratégie de rattrapage accéléré : chaque nouvelle version réduit l'écart avec la frontière technologique définie par GPT-4o, Claude ou Gemini. Le contexte géopolitique autour des semi-conducteurs et des restrictions américaines à l'export de puces avancées rend ces progrès d'autant plus remarquables. En parallèle, d'autres laboratoires chinois comme DeepSeek et Baidu intensifient eux aussi leurs efforts, créant une dynamique de compétition interne qui pousse l'ensemble de l'écosystème vers le haut. La prochaine étape pour Alibaba sera probablement l'intégration de capacités multimodales avancées, absentes de Qwen3.7 Max, pour rivaliser pleinement avec les modèles américains qui traitent déjà texte, image et vidéo dans un même système.

💬 Un million de tokens de contexte, c'est pas du marketing, ça change vraiment ce qu'on peut faire : analyser une base de code entière, ou garder le fil sur un raisonnement long sans tout reperdre au milieu. La réduction des hallucinations via reinforcement learning, c'est le pari technique qui mérite qu'on y regarde sérieusement, surtout dans des secteurs où inventer une réponse coûte cher. Qwen est encore derrière sur les classements globaux, mais l'écart se resserre à une vitesse qui devrait mettre un peu de pression sur les labos américains.

NVIDIA AI lance Nemotron-Labs-Diffusion : modèle de langage à trois modes, 6 fois plus de tokens par inférence que Qwen3-8B

NVIDIA a publié Nemotron-Labs-Diffusion, une nouvelle famille de modèles de langage disponible en trois tailles, 3, 8 et 14 milliards de paramètres, avec des variantes de base, instruction et vision-langage. La particularité de cette architecture réside dans sa capacité à fonctionner selon trois modes de décodage distincts au sein d'un seul et même jeu de poids : le décodage autorégressif classique (AR), le décodage par diffusion parallèle, et un mode dit de "self-speculation". L'entraînement combine un objectif AR standard et un objectif de débruitage par diffusion, pondérés selon la formule L(θ) = LAR(θ) + 0,3 × Ldiff(θ). Le coefficient 0,3 a été déterminé par ablation sur une plage de 0,1 à 1,0, et s'est révélé optimal pour les deux modes simultanément. La procédure d'entraînement se déroule en deux phases : un trillion de tokens en mode purement autorégressif pour ancrer des priors linguistiques solides, suivi de 300 milliards de tokens supplémentaires avec l'objectif conjoint. Ce modèle répond à un problème fondamental des LLMs déployés en production : les modèles autorégressifs génèrent un token à la fois, ce qui sous-exploite massivement les GPU dans les scénarios à faible concurrence, typiquement les déploiements en edge ou pour un utilisateur unique. Le mode diffusion de Nemotron-Labs-Diffusion génère plusieurs tokens en parallèle par passe, grâce à une attention bidirectionnelle à l'intérieur de blocs contigus, tout en conservant une attention causale entre blocs pour réutiliser le cache KV. Le mode self-speculation est encore plus original : la voie diffusion génère un bloc de k tokens candidats, que la voie AR vérifie en une seconde passe, en validant le préfixe contigu le plus long. Chaque cycle produit entre 1 et k+1 tokens vérifiés, sans modèle auxiliaire ni tête de prédiction séparée, une différence notable par rapport aux approches comme Eagle3 ou Multi-Token Prediction. Les modèles de diffusion pour le langage souffrent depuis leur émergence d'un déficit de précision par rapport aux modèles autorégressifs : ils nécessitent davantage de données pour atteindre des performances comparables, notamment parce qu'ils ne tirent pas parti du biais gauche-droite naturel du langage. NVIDIA tente de résoudre cette tension structurelle en entraînant un modèle unique sur les deux objectifs, ce qui, selon leurs ablations, apporte un gain moyen de +7,48% via le seul ajout de la perte AR, et +5,74% grâce à l'entraînement en deux étapes. La publication de cette famille de modèles s'inscrit dans une compétition intense autour de l'efficacité inférentielle, où Qwen3-8B sert de référence explicite, NVIDIA revendiquant un ratio de 6× tokens par passe vers l'avant. La prochaine étape naturelle sera de voir si ces gains se confirment dans des benchmarks indépendants et des déploiements réels, et si l'approche tri-modale s'impose comme standard pour les futurs modèles hybrides.

L'équipe Qwen d'Alibaba lance Qwen3.5-LiveTranslate-Flash : interprétation multimodale en temps réel dans 60 langues avec une latence de 2,8 secondes

L'équipe Qwen d'Alibaba a lancé le 20 mai 2026 son nouveau modèle Qwen3.5-LiveTranslate-Flash, conçu pour l'interprétation simultanée en temps réel. Ce système prend en charge 60 langues en entrée, propose une sortie vocale dans 29 langues, et affiche une latence de seulement 2,8 secondes. Par rapport à son prédécesseur direct, Qwen3-LiveTranslate-Flash, le gain est considérable : l'ancien modèle ne couvrait que 18 langues d'entrée pour environ 3 secondes de délai, ce qui représente un triplement de la couverture linguistique et une réduction mesurable de la latence. La clé de cette rapidité réside dans une technique de segmentation sémantique : plutôt qu'attendre la fin d'une phrase complète, le modèle identifie le moment précis où un fragment de discours contient suffisamment de sens pour engager la traduction, et diffuse la sortie en continu pendant que l'interlocuteur parle encore. Ce modèle change la donne pour plusieurs secteurs professionnels. D'abord, parce qu'il intègre la vision comme signal d'entrée au même titre que l'audio : le système analyse simultanément le texte affiché à l'écran, les objets physiques présents dans le cadre, les mouvements des lèvres et les gestes. Dans un environnement réel, salle de conférence bruyante, salon professionnel, visioconférence dégradée, cette redondance visuelle permet au modèle de combler les ambiguïtés phonétiques que l'audio seul ne peut pas résoudre. Ensuite, le modèle clone en temps réel les caractéristiques vocales de l'orateur original : une seule phrase suffit pour que la voix traduite conserve les traits acoustiques de la personne qui parle, sans substituer une synthèse générique et robotique. Enfin, les développeurs peuvent injecter à l'exécution un glossaire de termes spécialisés, noms de médicaments, références juridiques, terminologie technique, ce qui réduit drastiquement les erreurs sur le vocabulaire de niche, un problème chronique des API de traduction grand public. Alibaba positionne ce modèle dans un segment où peu d'acteurs sont présents avec des solutions complètes : l'interprétation simultanée multimodale à faible latence. Les benchmarks FLEURS et CoVoST2, deux références académiques pour la traduction de la parole en conditions réelles, placent Qwen3.5-LiveTranslate-Flash devant les principales alternatives commerciales actuelles. La course à la latence est devenue le nouvel enjeu structurant de la traduction automatique en direct, après des années dominées par la seule qualité de traduction. D'autres acteurs comme Google, Microsoft et des startups spécialisées comme Wordly ou Interprefy opèrent sur ce terrain, mais peu proposent simultanément la clonage vocal, la fusion audio-vidéo et la personnalisation du vocabulaire dans un seul modèle déployable via API. Les suites probables incluent une intégration dans les plateformes de visioconférence professionnelle et les outils de streaming multilingue, où la demande d'expériences interprétées "invisibles" ne cesse de croître.

Qwen-Image-2.0 d'Alibaba divise par deux la compression et réduit les étapes de génération de 40 à 4

Alibaba a publié un rapport technique détaillant les innovations architecturales de Qwen-Image-2.0, son nouveau modèle de génération d'images. Le modèle compresse les images deux fois plus agressivement que la majorité de ses concurrents, s'appuie sur un transformeur remanié pour stabiliser l'entraînement, et intègre un module dédié qui étend automatiquement les prompts courts des utilisateurs en descriptions détaillées. Une version distillée du modèle ramène le nombre d'étapes de débruitage de 40 à seulement 4, sans sacrifier la qualité de sortie. Sur LMArena, plateforme de comparaisons en aveugle où des utilisateurs réels évaluent les modèles côte à côte, Qwen-Image-2.0 se classe actuellement 9e. Ce gain de vitesse est significatif pour les applications industrielles : passer de 40 à 4 étapes de débruitage réduit drastiquement le coût de calcul et le temps de réponse, rendant le modèle viable pour des usages en temps réel ou à grande échelle. L'expansion automatique des prompts abaisse aussi la barrière d'entrée pour les utilisateurs non experts, qui obtiennent de meilleurs résultats sans avoir à maîtriser l'art du prompt engineering. Alibaba s'inscrit dans une course intense à la génération d'images où Midjourney, Stability AI, Adobe Firefly et les modèles de Google et Meta rivalisent pour la suprématie technique. La stratégie de Qwen combine efficacité computationnelle et facilité d'usage, deux axes devenus centraux pour séduire les développeurs et les entreprises. La publication du rapport technique suggère qu'Alibaba cherche à attirer l'adoption internationale, notamment hors de Chine, en jouant la carte de la transparence.

💬 40 étapes à 4, sans perte de qualité, c'est le genre d'annonce qui mérite qu'on s'y arrête. L'extension automatique des prompts, c'est moins impressionnant que ça en a l'air (d'autres le font déjà), mais combinée au gain de vitesse, ça ouvre des usages temps réel qui n'étaient pas viables avant. Le 9e rang sur LMArena tempère un peu l'enthousiasme, faut pas se mentir.