Modèles ouverts

Mistral publie les poids de Mistral Large 4, « Le Chonk », modèle multimodal d'environ 1 000 milliards de paramètres, en préversion depuis le 6 octobre et amélioré depuis par trois semaines d'apprentissage par renforcement. Selon Mistral, il prend la tête des modèles ouverts sur FrontierCode 2.0 de Cognition (19,7 %) et Terminal-Bench 4.0 (41 %), et marque 51 % à l'indice Cyber d'Artificial Analysis. La licence est une MIT modifiée : les entreprises qui vendent un service de modèle doivent obtenir une licence commerciale. L'API coûte 0,70 dollar le million de jetons en entrée, 2,10 en sortie.

Mistral écrit que, depuis la préversion, le modèle a refusé des attaques contre des cibles réelles, mais qu'il voit un risque d'aide à de vraies attaques et resserre ses garde-fous. Une variante spécialisée en cybersécurité est réservée à des partenaires sélectionnés, dont Orange Cyberdefense.

Reflection publie les poids de Beam, sous licence Apache 2.0 selon son annonce. Le 6 octobre, elle présentait ce modèle, entraîné depuis zéro, en annonçant ses poids pour le mois. Il compte 501 milliards de paramètres dont 23 milliards actifs, une fenêtre d'un million de jetons, et ne traite que du texte. Reflection livre aussi ses recettes de post-entraînement, un petit modèle de décodage spéculatif et des configurations pour plusieurs moteurs d'inférence.

Les scores de la fiche sont ceux de l'entreprise : 81,6 % sur SWE-bench Verified et 80,1 % sur Terminal-Bench 2.1 en pleine précision. Elle revendique des raisonnements trois fois plus courts que ceux de modèles ouverts de qualité comparable.

Meta publie les poids de Muse Spark Open, un modèle multimodal de 816 milliards de paramètres dont 42 milliards actifs, avec une fenêtre d'un million de jetons, conçu pour le code et les tâches d'agent. Elle le présente comme « le modèle à poids ouverts américain le plus capable à ce jour », sur des mesures qu'elle publie elle-même, et dit qu'il tient sur deux Mac Studio M5 Ultra de 512 Go.

Les poids sont téléchargeables sur Hugging Face, SageMaker, Google Cloud et Foundry, sous une licence maison aux conditions commerciales limitées. Meta indique qu'il respecte les seuils de son cadre de préparation avant diffusion, avec un rapport d'évaluation complet « à venir ».

Reflection, jeune laboratoire américain, présente Beam, un modèle à 501 milliards de paramètres dont 23 milliards actifs, « entraîné de bout en bout depuis zéro » ; ses poids doivent sortir ce mois-ci. Le lendemain, Mistral présente Mistral Large 4, « Le Chonk » : mille milliards de paramètres, 49 milliards actifs par jeton, multimodal, avec une fenêtre d'un million de jetons. Son interface de programmation est ouverte en préversion, et la page du modèle sur Hugging Face annonce les poids pour le 31 octobre.

Aucun des deux n'est téléchargeable. Les mesures qu'ils donnent viennent de leurs auteurs : Mistral le dit « le meilleur modèle à poids ouverts d'Amérique ou d'Europe sur les bancs d'essai agrégés », sans mesure extérieure à ce jour.

Denis Yarats, cofondateur et directeur technique de Perplexity, raconte avoir entraîné « un modèle de type Jev compétitif » sans aucune intervention humaine, avec un essaim d'agents de l'entreprise auquel il avait donné une machine équipée d'un GPU H200 : AutoJev, un « projet du week-end ».

Deux jours plus tard, Hugging Face relève son Decision Index à la version 0.2, avec 29 modèles et 21 bancs d'essai de plus : AutoJev-27B y prend la tête des modèles ouverts, à 0,8 point de Jev, le modèle de TypeSafe dont il reproduit l'approche.

Xiaomi publie MiMo-V2.6, deux modèles omnimodaux — texte, image, vidéo et son dans un même jeu de poids — sous licence MIT : Pro, mélange d'experts de 1 020 milliards de paramètres dont 42 actifs, et Flash, 309 milliards dont 15. Sortent avec eux le rapport technique, les environnements d'apprentissage par renforcement et le code d'entraînement. vLLM les sert dès le premier jour.

Artificial Analysis le classe premier des modèles à poids ouverts sur son indice d'intelligence, à 46 — contre 26 pour la génération précédente, et au même prix : 0,435 dollar le million de jetons d'entrée, 0,87 en sortie, soit 0,13 dollar par tâche de l'indice. L'entreprise dit son Pro « au niveau de Claude Opus 5 et de GPT-5.6 Sol sur la plupart des bancs d'essai d'agents ».

Une semaine après la sortie de Jev, Victor Mustar, de Hugging Face, en compte trente et une reproductions ouvertes. Son collègue Apolinário Passos publie le Decision Index 0.1 pour les départager : chaque reproduction et Jev passent 37 bancs d'essai, soit 132 422 questions, sans troncature, sans ajustement des invites, une question sans réponse comptant pour fausse. Jev tient la tête, à 59,5.

La plus rapide des copies a été bâtie en une nuit : l'auteur de Laya dit avoir mis quinze heures entre l'entraînement et la mise en ligne du modèle. Portée depuis sur CoreML, avec 99,5 % des opérations sur le moteur neuronal d'Apple, elle décide en 3,7 millisecondes sur un M5 Pro.

Cognition, qui édite l’agent de programmation Devin, publie SWE-2. Sur FrontierCode 1.1, banc d’essai de programmation, il obtient 50,0 % contre 50,9 pour Fable 5.1, à un coût inférieur de 64 %. Le modèle n’est pas entraîné depuis zéro : il part de Kimi K3, modèle à poids ouverts de 2 800 milliards de paramètres publié par le chinois Moonshot AI, déjà passé par un apprentissage par renforcement pour la programmation.

L’apport tient à un algorithme qui entraîne tous les niveaux d’effort en une seule passe, chacun avec sa pénalité de coût : cinq à six points gagnés sur beaucoup de bancs, et 58 % de tours en moins pour un score supérieur à la version précédente. La parité annoncée ne vaut pas partout. Sur Terminal-Bench 4, le plus dur des quatre bancs que l’entreprise publie elle-même, SWE-2 obtient 27,3 % quand Fable 5.1 est à 55,8 et Astra à 57,9.

DeepSeek publie V4.1-Flash, disponible sur son application, son site et son interface de programmation, et en poids ouverts comme les précédents. C’est le premier modèle du laboratoire chinois à comprendre nativement les images, et le premier d’une famille d’architectures qu’il appelle encodeur-décodeur causal — une forme que la recherche avait largement abandonnée au profit du décodeur seul.

Le modèle compte 552 milliards de paramètres mais n’en active que huit ou seize milliards selon qu’il lit la question ou produit la réponse — deux comptes d’activation dans un même modèle, ce qui ne s’était pas vu. Il a été entraîné sur 45 000 milliards de jetons. Sur DeepSWE, banc d’essai de génie logiciel, il obtient 74,2 là où Astra, Opus 5 et Gemini 3.8 Flash sont à 74 — un écart de deux dixièmes, sur des mesures que le laboratoire publie lui-même. Mais c’est le prix qui frappe : le tarif affiché est de 0,15 dollar le million de jetons en entrée et 0,60 en sortie, soit environ 2,5 % de ce que coûte Opus 5.

Un modèle vision-langage entraîné par apprentissage par renforcement à localiser des photographies est publié avec l’ensemble de son appareil : environnement, jeu de données, recette d’entraînement, évaluations et code. Il tourne sur un seul A100.

Sur les évaluations annoncées par ses auteurs, il devance gpt 5.4 mini, haiku et qwen 3.5 122B, et s’approche de sonnet — des modèles dont la taille est sans commune mesure.