En Chine, la concurrence est, elle aussi, bien féroce ! Moonshot et son modèle Kimi K3 n’ont qu’à bien se tenir. Alibaba libère Qwen3.8-Max, un monstre de 2,4 trillions de paramètres dont les poids seront publiés en open source la semaine prochaine. Alors, quoi de neuf et pourquoi s’y attarder ?
La course aux grands modèles de langage semblait s’être canalisée vers l’optimisation à bas coût, mais Alibaba vient d’élever brutalement le niveau d’exigence. Le géant chinois officialise le lancement de Qwen3.8-Max, son modèle le plus massif à ce jour, et annonce dans la foulée la mise à disposition publique de ses poids sous forme de modèle à poids ouverts (open weight) dès la semaine prochaine.
Cette annonce, détaillée sur le blog officiel de l’équipe Qwen, marque le retour d’Alibaba à une stratégie d’ouverture totale. Elle a immédiatement fait bondir l’action du groupe à la Bourse de Hong Kong.
Un géant qui surpasse(rait déjà) Kimi K3
Construit sur la fondation architecturale de la gamme Qwen 3.5, le modèle affiche une taille totale colossale de 2 400 milliards de paramètres, dont 95 milliards de paramètres actifs par requête. Il accepte une fenêtre de contexte s’élevant à 1 million de tokens et rivalise directement avec les meilleures références américaines et chinoises.
Sur les bancs d’essai de référence, Qwen3.8-Max dépasse le récent modèle Kimi K3 de la pépite Moonshot, notamment sur les tâches de génération de code, les workflows multimodaux et l’ingénierie logicielle. Le modèle parvient à exécuter des chaînes de travail agentiques sur plus de dix jours en autonomie totale sans intervention humaine. Il a par exemple conçu et fait évoluer de lui-même un harnais de développement complet en gérant automatiquement ses propres issues et pull requests sur GitHub.
Autonomie de codage, conception de puces et stratégie financière
L’outil démontre des capacités d’adaptation particulièrement poussées à travers plusieurs cas d’usage industriels :
-
Ingénierie matérielle autonome : le modèle a réécrit et optimisé de façon autonome un accélérateur cryptographique en silicium en passant par des boucles d’itération et de synthèse, réduisant la surface physique de la puce de 81 %.
-
Compétition de code et recherche : engagé face à 526 équipes humaines lors d’un concours de reconnaissance d’intentions multimodales, il a conçu sa propre stratégie d’apprentissage et devancé 87 % des participants humains en 24 heures.
-
Modélisation financière et gestion : sur un simulateur de gestion e-commerce s’étalant sur 365 jours d’exploitation, le système a réalisé un retour sur investissement de 416 %, distançant nettement GLM 5.2.
Pour soutenir ces déploiements massifs, Alibaba confirme sa volonté de dépasser son plan initial d’investissement dans les infrastructures d’IA, évalué à plus de 47 milliards d’euros (380 milliards de yuans) sur trois ans, selon Investing.
Le modèle est d’ores et déjà accessible via les API de QwenCloud avant le téléchargement libre de ses poids, dans quelques jours, sur Hugging Face.
🦋 L’actualité de l’open source en français dans votre flux. Suivez Goodtech sur Bluesky (ou vos applications AT Protocol comme W Social et Mu) grâce à notre compte officiel. Suivez, partagez, abonnez-vous à @goodtech.info !
