Modèles open-weights

Modèle disponible dès maintenant via Kimi.ai et l'API, avec benchmarks publics (Terminal-Bench 65,7 %) proches des modèles propriétaires et poids ouverts annoncés d'ici le 4 novembre.

Poids ouverts sous licence MIT, utilisables via transformers, vLLM et SGLang, avec benchmarks chiffrés publiés face à des modèles concurrents et contexte de 1M tokens.

Modèle ouvert de 501B paramètres sous Apache 2.0 réellement disponible (BF16, FP8, NVFP4), avec support day-0 transformers/vLLM/SGLang, benchmarks détaillés et recettes SFT/RL.

Poids 8B et 70B réellement publiés sous Apache 2.0, avec multimodalité, mode thinking, contexte 262k, données, recettes et évaluations reproductibles documentées.

Meta publie les poids d'un modèle MoE multimodal de 816B paramètres (42B actifs, contexte 1M), disponible sur Hugging Face avec support transformers, vLLM, SGLang et llama.cpp.

Deux modèles open-weights réellement disponibles sur Hugging Face (d1-3B, d1-omni-600M) avec benchmarks documentés, code d'inférence publié, et performances mesurées sur hardware edge (16-50ms sur Jetson). Nouvelle catégorie de modèles (décision en single forward pass, non-génératifs) avec cas…

Acquisition confirmée à un prix précis (~13 Md$), transaction concrète et non une simple annonce d'intention.

Les poids du modèle GLM-5.3 sont effectivement téléchargeables sur Hugging Face.

Famille de modèles de raisonnement (3B, 8B, 30B) avec pipeline RL multi-environnements et outils natifs, disponible sous licence Apache 2.0.

Mise à disposition effective des poids d'un modèle affiché à 1,6T de paramètres, une échelle rare, bien que sans documentation pour l'instant.

Epoch AI teste six modèles sur 11 tâches issues de son travail, constate une avancée sur Slay the Spire et un retard des modèles open-weight en cybersécurité, et publie de nouveaux classements.

Kimi K3.1 Pro, modèle open-weight de classe 3T avec 1 million de tokens de contexte, vise le niveau des modèles propriétaires en coding et agents. Une version Highspeed est 2 à 3 fois plus rapide.

Berget AI publie une méthode open-source qui calcule les émissions de CO₂ de chaque requête d'IA, développée avec le SEI, WattTime et Klimatkollen, pour comparer les fournisseurs sur des données.

Stocker les tables d'embeddings n-gram en 4 bits réduit d'environ 75 % la mémoire des tables tout en conservant plus de 99 % du gain en validation loss, selon une étude sur plusieurs familles de modèles.

NVIDIA publie Kumo Forecast, modèle de prévision de séries temporelles multivariées sous Apache 2.0, qui combine backbone Transformer pré-entraîné et récupération de motifs historiques.

La géopolitique de l'IA open-weights s'accélère : la Chine propose une pré-approbation des exports de modèles, et le DHS américain restreint DeepSeek dans les marchés publics fédéraux.

Hugging Face publie la version 1.0 d'AnyLanguageModel, remplaçant compatible du framework Foundation Models d'Apple, avec swift-huggingface 1.0 et swift-xet 1.0.

Un développeur publie qwen3-4b-deslop-v4, un dérivé de Qwen3-4B-Instruct-2507 affiné par LoRA pour réduire les tics stylistiques des LLM, utilisable en local via Ollama ou llama.cpp.

Vertexcover a fine-tuné Qwen3-235B-A22B-Thinking sur quatre H100 : +7,6 points de F1 en moyenne par rapport au modèle de base, pour un coût par token d'environ un tiers de celui des API. Le modèle n'a pas été déployé.

Avec Muse Spark Open de Meta et Beam de Reflection, les modèles open-weights américains se rapprochent de la frontière, réduisant environ de moitié l'écart avec les modèles chinois.

DeepSeek met en ligne DeepSeek-V4.1-Flash-1017 sur Hugging Face : un modèle image-texte vers texte, publié sous licence MIT, au format FP8 et utilisable avec transformers.

OpenMOSS publie MOSS-Image, une famille de modèles text-to-image à backbone 5B, capable de piloter objets, textes et positions via des prompts JSON, avec poids sous licence Apache-2.0.

Kyutai et l'Inria présentent REKI, un VLA de 2,4B de paramètres entraîné sur données publiques, doté d'une mémoire peu coûteuse, avec code et poids publiés.

Apple montre comment faire tourner localement Muse Spark Open, modèle de 816 milliards de paramètres, grâce à la dernière version de MLX et à RDMA sur Thunderbolt entre plusieurs Mac Studio.

Reflection, nouveau laboratoire américain, publie Beam, un MoE de 501B paramètres sous Apache 2.0, orienté code et agents, avec contexte de 1M tokens et support day-0 dans transformers, vLLM et SGLang.

Le projet suisse Apertus étend ses modèles 8B et 70B avec la compréhension d'images et d'audio, un mode de réflexion optionnel et un contexte quatre fois plus long, sous licence Apache 2.0.

Black Forest Labs lance FLUX.3 Image Klein, pris en charge dans Diffusers dès sa sortie : text-to-image, image-to-image multi-références et contrôle de layout par bounding boxes.

Meta publie Muse Spark Open, un modèle mixture-of-experts d'environ 816 milliards de paramètres, multimodal, doté d'un contexte d'un million de tokens et conçu pour le codage agentique.

Anthropic juge que GLM-5.3, modèle de Z.ai librement téléchargeable, présente un risque cyber majeur. Le débat sur l'ouverture des modèles de pointe se joue sur la place publique, avec de gros enjeux financiers.

Un ingénieur logiciel et sécurité appelle à abandonner ChatGPT et Claude au profit de modèles open-weights, invoquant confidentialité, absence de verrouillage et refus de financer les laboratoires.

Selon le Financial Times, Nvidia négocierait le rachat de Reflection AI, jeune pousse américaine positionnée sur les modèles d'IA ouverts, dans un contexte de course aux modèles open-weights.

Des chercheurs montrent que les mêmes têtes d'attention des LLM répondent à des faits différents et influencent différemment les couches suivantes selon la tâche, dans cinq modèles open-weights.

Un billet largement discuté sur Hacker News s'interroge sur la réaction mesurée de l'industrie à la sortie de DeepSeek 4.1 Flash, alors que le modèle suscite des comparaisons sur coûts et performances.

Un utilisateur témoigne de son passage aux modèles locaux open-weights, arguant qu'ils couvrent l'ensemble de ses besoins sans abonnement payant.

La startup Liquid AI, issue du MIT, dévoile une famille de modèles de décision multimodaux conçus pour tourner localement sur des appareils edge, avec des poids ouverts sur Hugging Face.

Le Technology Innovation Institute des Émirats arabes unis publie en open-weights un modèle de transcription automatique de la parole, disponible sur Hugging Face.

Google DeepMind dévoile la nouvelle génération de son modèle d'embedding, désormais capable de traiter texte et image en open-weights.

Nathan Lambert dénonce un débat polarisé sur les modèles open weight, qui risque de produire des politiques perdantes sur tous les plans.

Après plus d'un an de silence, le neolab Reflection dévoile Beam, un MoE entraîné from scratch, positionné face à GLM, Kimi et DeepSeek.

Un nouveau benchmark évalue la capacité des LLM à traduire des requêtes en commandes CLI exécutables pour des outils de cybersécurité.

Cloudflare dévoile Clef, une famille de modèles de décision à poids ouverts, accompagnée d'une plateforme de fine-tuning par renforcement.

Le laboratoire français PleIAs met en open-weights son premier modèle de langage à architecture Mixture of Experts, entraîné sur des données souveraines.

Le laboratoire PleIAs met en ligne sur Hugging Face un modèle de génération de texte francophone de taille modeste, conçu pour la recherche et l'expérimentation locale.

Comment OpenRouter est devenu l'infrastructure de routage neutre pour plus de 10 millions de développeurs face à la multiplication des modèles.

Un modèle vision-langage ouvert conçu pour interpréter les scanners CT volumétriques et reproduire le raisonnement diagnostique des radiologues.

Analyse des coûts et de la viabilité économique de l'inférence sur les modèles à poids ouverts, face aux solutions propriétaires.

Le fabricant chinois de smartphones surprend en dévoilant un modèle frontière natif omnimodal, avec des variantes Flash et UltraSpeed.

Microsoft Research publie RetroChimera dans Nature, un modèle de rétrosynthèse qui automatise la planification de routes de synthèse surpassant les réactions documentées en tests à l'aveugle.

Un modèle d'apprentissage continu dynamique conçu pour tourner sur des GPU grand public avec seulement 8 Go de VRAM, démocratisant l'approche AGI légère.

Pirate Face permet de récupérer et préserver les modèles LLM menacés de retrait, évitant leur disparition définitive des dépôts publics.

L'Open Source Initiative clarifie la distinction entre poids ouverts et véritable open source.

Un Foundation Model pour la science planétaire, entraîné sur des données lunaires, publié en open-source.

Un runtime d'inférence basé sur MLX multiplie par près de 7 la capacité de contexte exécutable localement sur MacBook, sans toucher à la quantification.

Pleias publie un nouveau modèle de langage léger sur Hugging Face.

Moonshot AI publie Kimi-K2.7-Code, son nouveau LLM optimisé pour la génération et l'analyse de code.

DealgnAI publie une version non censurée et optimisée FP8 de DeepSeek v4.1 Flash.

Le laboratoire chinois publie une nouvelle collection de modèles nommée DeepSeek-V4 sur Hugging Face, sans détails techniques accompagnant l'annonce.

Expérience réussie d'entraînement complet d'un petit modèle pour moins de 1000 dollars.

IBM Research lance une nouvelle version de son modèle de prévision de séries temporelles, avec des performances de pointe et une licence permissive pour un usage commercial.

Zhipu durcit la licence de GLM-5.3 tandis que Google et Meta adoptent Apache 2.0 : la carte des licences de modèles ouverts se recompose en 2026.