Magazine LLM Opensource · 16 October 2026

Llama 4 Scout, Maverick, Behemoth : le comparatif complet face à l’écosystème open source de 2026

Meta a dévoilé en avril 2025 sa famille Llama 4, première génération de modèles open source à architecture mixture-of-experts (MoE) et multimodalité native. Avec trois variantes aux profils radicalement différents – Scout, Maverick et Behemoth – le choix pouvait sembler complexe. Dix-huit mois plus tard, le verdict est plus dur que prévu : Behemoth n’a jamais été publié, et les mesures indépendantes d’octobre 2026 classent Scout et Maverick tout en bas du peloton open-weight. Meta a depuis changé de cap : Muse Spark, son premier modèle de frontière fermé, puis Muse Glimmer, un agentique 30B à poids ouverts sous Apache 2.0. Pendant ce temps, DeepSeek V4, Qwen3.8-Max, Kimi K3, GLM-5.3, Mistral Large 4 et Reflection Beam ont redéfini les rapports de force. Cet article dissèque chaque modèle, confronte les chiffres disponibles et vous aide à décider en fonction de votre matériel, de votre budget et de vos cas d’usage.

Llama 4 débarque : trois cerveaux, une seule famille

Le 5 avril 2025, Meta a lancé Llama 4, sa première famille de modèles ouverts exploitant une architecture mixture-of-experts (MoE). Contrairement aux modèles denses classiques, un MoE active seulement une fraction de ses paramètres à chaque token, ce qui promet une meilleure efficacité calculatoire pour une capacité totale élevée. Llama 4 se décline en trois variantes :

• Scout : 17 milliards de paramètres actifs, 109 milliards totaux, 16 experts, fenêtre de contexte de 10 millions de tokens.
• Maverick : 17 milliards de paramètres actifs, 400 milliards totaux, 128 experts, fenêtre de contexte de 1 million de tokens.
• Behemoth : 288 milliards de paramètres actifs, 2 000 milliards totaux, initialement annoncé comme « encore en entraînement ».

Tous les modèles sont multimodaux : ils acceptent en entrée du texte et des images, et produisent du texte et du code. La carte modèle officielle sur Ollama précise que Llama 4 a été testé pour la compréhension d’images jusqu’à 5 images en entrée, et que les modèles sont optimisés pour la reconnaissance visuelle, le raisonnement sur image, le légendage et les questions générales sur une image. Les langues officiellement supportées sont l’arabe, l’anglais, le français, l’allemand, l’hindi, l’indonésien, l’italien, le portugais, l’espagnol, le tagalog, le thaï et le vietnamien — l’entraînement ayant porté sur 200 langues au total, ce qui autorise un fine-tuning au-delà des 12 langues déclarées.

Scout et Maverick sont disponibles en open source (poids ouverts) sur Llama.com et Hugging Face. Behemoth, lui, n’a jamais été publié publiquement. Le guide Codersera, rafraîchi le 5 octobre 2026, est catégorique : Behemoth est « effectivement shelved » — jamais publié, jamais formellement annulé. La raison avancée : des problèmes de routage MoE et d’attention par blocs (« chunked attention ») à l’échelle des 2T paramètres ont fait perdre à Meta la confiance dans le fait que les gains justifiaient une sortie. Meta n’a pas officiellement communiqué d’annulation, mais le modèle est considéré comme rangé au placard.

Le vrai tournant, c’est Muse. Le 8 avril 2026, Meta Superintelligence Labs (MSL) a livré Muse Spark, un modèle de raisonnement à poids fermés, API uniquement — la première sortie de frontière propriétaire de Meta. Sur l’Intelligence Index v4.3.2 d’Artificial Analysis (octobre 2026), Muse Spark score 31,30. Attention aux chiffres de l’époque : le « 52, 4e place » cité au lancement avait été mesuré sur la grille v4.1.1, désormais obsolète, et ne se convertit pas. Sur la version actuelle, Muse Spark se situe derrière GPT-5.4 (38,98) mais devant Gemini 3.1 Pro Preview (29,72) et Claude Opus 4.6 (26,35) — ce qui inverse deux des trois comparateurs de l’annonce initiale. MSL a depuis dépassé ce jalon : Muse Spark 1.2 score 39,58 et Muse Spark 1.3 (Max) 48,09 sur la même version. Muse Spark conserve par ailleurs la tête sur HealthBench Hard avec 42,8 contre 20,6 pour Gemini 3.1 Pro.

Puis Meta a rouvert la porte de l’open weight. Le 10 août 2026, la firme a publié Muse Glimmer, un modèle agentique multimodal de 30 milliards de paramètres à poids ouverts sous licence Apache 2.0. Conçu pour une exécution locale, il excelle dans le raisonnement multi-tours et l’utilisation d’outils, selon Context Studios et Technoid. Ce positionnement « local-first » répond directement à la demande croissante de modèles pouvant tourner sur des postes de travail individuels, sans dépendance au cloud. Meta a en outre annoncé que les poids de Muse Spark 1.2 suivront — signe que la stratégie open weight n’est pas abandonnée, mais déplacée vers la gamme Muse.

Enfin, Llama 5 (« Avocado »), construit pour le raisonnement « world-model » et ciblant les Ray-Ban Meta de 3e génération, a glissé d’une fuite Q1 2026 vers une prévision Goldman/Finterra 2027 ; le consensus Polymarket place une sortie en 2026 sous les 20 %. Autrement dit : Llama 4 reste, pour l’instant, la seule grande famille open-weight de Meta — mais ce n’est plus son dernier mot.

L’enjeu pour les développeurs et les entreprises en 2026 est clair : faut-il miser sur Scout pour sa fenêtre de contexte record, sur Maverick pour ses performances générales, sur Muse Glimmer pour l’agentique embarquée, ou se tourner vers les alternatives chinoises et européennes qui ont émergé depuis ? Ce comparatif détaillé vous aide à trancher.

Scout, Maverick, Behemoth : la fiche technique qui change tout

Avant de plonger dans les benchmarks, un tableau récapitulatif des spécifications officielles s’impose. Les chiffres proviennent des annonces Meta, de la carte modèle Ollama et des guides communautaires (ExplainX, Singularity Moments, Codersera, Baeseokjae, Journaldunet).

L’architecture MoE explique les différences de mémoire et de vitesse. Avec seulement 17B paramètres actifs, Scout et Maverick ont des besoins en VRAM comparables à ceux d’un modèle dense de 17B – en théorie. Mais Maverick, avec ses 128 experts, nécessite de charger l’intégralité des 400B paramètres en mémoire (même si seuls 17B sont utilisés à chaque pas). En pratique, cela signifie une empreinte mémoire bien plus élevée que Scout, qui n’a que 16 experts.

La fenêtre de contexte de Scout (10M tokens) reste l’une des plus longues jamais proposées dans un modèle open source, dépassant largement les 128K ou 1M tokens de la plupart des concurrents. C’est d’ailleurs, selon Codersera, le seul axe sur lequel Llama 4 est encore véritablement distinctif. Maverick plafonne à 1M tokens, ce qui reste confortable pour la majorité des usages. À titre de comparaison, le Qwen3.8-Max d’Alibaba, dévoilé le 3 août 2026, propose également 1M tokens de contexte, mais avec 2,4 trillions de paramètres totaux. Le Hy4 de Tencent, dont l’aperçu a été ouvert le 28 août 2026, affiche 770B paramètres (49B actifs) et 1M+ tokens de contexte, selon Techgenyz. Et côté européen, le Kolibri-1 d’Aleph Alpha (3 octobre 2026) propose une fenêtre maximale de 1 048 576 tokens, avec une fenêtre recommandée en production d’environ 262 144 tokens.

Benchmarks : les promesses de Meta à l’épreuve des chiffres

Meta a communiqué des scores officiels pour Maverick uniquement. Scout et Behemoth n’ont pas de résultats publiés. Voici les chiffres disponibles :

• Maverick : MMLU-Pro : 80,5 % ; HumanEval : 85,5 % (source : Neowin, Singularity Moments).
• Scout : aucun score officiel.
• Behemoth : aucun score (modèle non publié).

Meta affirme que Maverick « surpasse GPT-4o » sur certains benchmarks, mais sans fournir de comparaison chiffrée détaillée. Aucune source indépendante n’a encore reproduit ces résultats. Les benchmarks comme GSM8K, MATH ou GPQA ne sont pas mentionnés dans les documents officiels.

Le guide API de Baeseokjae (2026) avance des chiffres plus élevés pour Maverick : 91,8 % sur MMLU, 91,5 % sur HumanEval et 74,2 % sur SWE-bench. Ces scores, s’ils étaient confirmés, placeraient Maverick au niveau des meilleurs modèles fermés de 2025. Mais ils ne correspondent pas aux chiffres officiels de Meta et aucune source indépendante ne les a reproduits. Nous les signalons donc avec prudence.

Le couperet d’Artificial Analysis. Depuis, un juge indépendant s’est prononcé, et le verdict est sévère. Sur l’Intelligence Index v4.3.2 (octobre 2026), Artificial Analysis mesure désormais Llama 4 lui-même : Maverick score 9,99 et Scout 8,08 — soit le bas du classement open-weight. Pour donner l’échelle, le MiMo-V2.6-Pro sous licence MIT score 46,32 et GLM 5.3 Flash 41,81 sur la même version. Précision importante : AA ne publie aucun chiffre de coût par tâche-index pour l’une ou l’autre variante de Llama 4 — tout coût par tâche que vous verriez attribué à Scout ou Maverick ne vient donc pas d’AA. La fenêtre de 10M tokens de Scout demeure, elle, la seule métrique où Llama 4 reste réellement à part.

Comparaison avec les concurrents 2026 : le paysage a radicalement changé depuis avril 2025. Le DeepSeek V4, sorti le 24 avril 2026, affiche 1,6 trillion de paramètres totaux (49B actifs) et des scores impressionnants : Codeforces 3206, SWE-bench 81 %. Passé en production le 12 août 2026 (build V4 Pro 0813), il est désormais disponible à 0,14 $/M tokens en entrée et 0,87 $/M en sortie. Le Qwen3.8-Max d’Alibaba (3 août 2026) revendique 2,4T paramètres et une autonomie de plusieurs jours pour les agents. Le Kimi K3 de Moonshot AI (juillet 2026) est présenté comme « presque au niveau des meilleurs ». GLM-5.3 de Z.ai (14 août 2026) a fait sensation : basé sur la même architecture MoE de 743 milliards de paramètres que GLM-5.2, il atteint 84,5 % sur le benchmark cybersécurité CyberGym et 66,9 sur DeepSWE, grâce au seul post-entraînement.

Octobre 2026 : la nouvelle vague. En quelques jours, trois sorties ont encore resserré l’étau. Le 5 octobre 2026, Reflection AI (soutenu par Nvidia) a dévoilé Beam, son premier modèle open-weight : un MoE sparse de 501 milliards de paramètres totaux et 23 milliards actifs, taillé pour le code, le raisonnement et les agents. Son argument n’est pas le score brut mais l’économie de calcul : Reflection revendique 3 à 4× moins de compute d’inférence que les meilleurs rivaux, au prix de performances en retrait sur les tests de code selon Help Net Security. Les poids sont attendus plus tard dans le mois. Le 6 octobre 2026, Mistral AI a dévoilé Mistral Large 4, surnommé « Le Chonk » : plus de 1 000 milliards de paramètres dont 49 milliards activés par réponse, multimodal et orienté agents, avec un aperçu API ouvert le 6 octobre et des poids annoncés pour le 27 octobre. Mistral le présente comme le meilleur modèle à poids ouverts hors de Chine, avec un positionnement fort en cybersécurité et en analyse géospatiale. Et le 3 octobre 2026, l’allemand Aleph Alpha a publié Kolibri-1, un MoE de 78,1 milliards de paramètres (3,46B actifs, ratio d’activation ~4,4 %) sous Apache 2.0, avec des scores Tau2-Bench de 76,7 % (Airline), 69,9 % (Retail) et 94,7 % (Telecom), mais seulement 38,1 % sur Tau3-Bench (Banking) et 61,4 % sur BFCL v4.

Face à ces géants, Maverick (400B totaux, mais 9,99 sur l’Intelligence Index) fait figure de poids moyen — et même de poids léger sur les mesures indépendantes. Sur le leaderboard BenchLM de juillet 2026, qui classe 95 modèles open-weight, les modèles chinois dominent largement le haut du classement.

Constat : les benchmarks indépendants manquent cruellement pour Llama 4 — et ceux qui existent désormais ne sont pas flatteurs. Les praticiens doivent aborder les chiffres de Meta avec prudence, d’autant que les conditions de test (prompts, few-shot, etc.) ne sont pas détaillées. La prudence est d’autant plus de mise que DeepSeek, Qwen, Z.ai, Mistral et Reflection publient des scores détaillés et reproductibles, ce qui renforce leur crédibilité. Pour les charges de travail orientées code, le conseil de Codersera est sans ambiguïté : regardez ailleurs — DeepSeek V4 Pro et Qwen 3.6-27B battent matériellement Maverick.

Mémoire et inférence : qui tient dans votre GPU ?

Les données concrètes de consommation VRAM et de vitesse d’inférence sont rares dans les sources. Voici ce qui est établi :

• Scout (17B actifs, 109B totaux) peut fonctionner sur un seul GPU Nvidia H100 avec des poids en pleine précision (FP16) – source : ExplainX, Singularity Moments. Avec une quantification 4-bit (Q4_K_M), il tient sur un GPU grand public 24 Go comme le RTX 4090 (source : ExplainX). Singularity Moments précise que la version 4-bit quantifiée tient dans 24–48 Go de VRAM. Aucun chiffre précis de VRAM (en Go) n’est donné, ni de temps d’inférence (tokens/s).
• Maverick (17B actifs, 400B totaux, 128 experts) : aucune information sur la VRAM nécessaire. On peut supposer qu’il nécessite au moins 2 à 3 fois plus de mémoire que Scout en raison des 400B paramètres totaux à charger. Un H100 avec 80 Go pourrait suffire en FP16, mais c’est une extrapolation.
• Behemoth : shelved, donc aucune donnée d’inférence pertinente.
• Muse Glimmer (30B dense) : conçu pour le local, il peut tourner sur un GPU grand public avec quantification, selon Context Studios. Aucun chiffre précis de VRAM n’est fourni.

Pour donner des ordres de grandeur utiles, rappelons les tailles de fichiers typiques en 2026 : un modèle 70B en FP16 pèse environ 140 Go, en FP8 environ 70 Go, en GGUF Q4_K_M environ 40-45 Go. Un modèle 13B en FP16 pèse environ 26 Go. Scout, avec ses 109B totaux, devrait peser autour de 55-60 Go en FP16 et environ 20-25 Go en Q4_K_M – cohérent avec la mention d’un fonctionnement sur RTX 4090.

Côté frameworks, Scout et Maverick sont disponibles via Ollama (commandes ollama run llama4:scout et ollama run llama4:maverick). La page Ollama confirme les deux variantes — 109B MoE à 17B actifs pour Scout, 400B MoE à 17B actifs pour Maverick — et signale que la collection a été mise à jour il y a un an, avec 1,9 million de téléchargements. Les versions quantifiées (GGUF, AWQ, GPTQ) ne sont pas documentées sur la carte, mais la mention de Q4_K_M pour Scout suggère une compatibilité avec llama.cpp. Le guide de N-3DS (2026) recommande d’ailleurs de choisir son modèle en fonction de son GPU : pour un RTX 4090, Scout quantifié est jouable ; pour Maverick, même en 4-bit, la mémoire nécessaire dépasse probablement 24 Go – un H100 ou un A100 80 Go est recommandé. Aucun temps d’inférence n’étant fourni, difficile d’estimer la latence.

L’alternative locale qui monte. Pour qui veut simplement faire tourner des modèles ouverts sur sa machine, l’écosystème d’outils a beaucoup mûri. Llama.app, construit par l’équipe de llama.cpp et Hugging Face, est une petite application de barre de menus (1 Mo, gratuite, open source, hors ligne) qui fait tourner les derniers modèles ouverts sur Mac et Windows. Elle expose une API locale compatible OpenAI sur localhost:9931/v1, ne charge les modèles qu’à la demande et les décharge après 5 minutes d’inactivité, et stocke chaque modèle une seule fois dans le cache Hugging Face partagé avec llama.cpp. C’est un point d’entrée pragmatique pour tester Scout quantifié sans se plonger dans les réglages.

Pour les déploiements en production, l’écosystème d’inférence a convergé en 2026 autour de vLLM, SGLang et TensorRT-LLM, comme le souligne le comparatif de Spheron (août 2026). Le Ray Summit 2026 (24-26 août) a d’ailleurs co-organisé la première conférence vLLM, marquant l’importance de ces outils pour le post-entraînement RL et l’inférence à grande échelle.

Cas d’usage : du chatbot local à l’agent industriel

Les sources communautaires (ExplainX, Singularity Moments, Baeseokjae, LightXtremeVPN) esquissent des cas d’usage pour chaque modèle.

Scout est recommandé pour :

• L’analyse de documents longs : avec 10M tokens de contexte, il peut raisonner sur des livres entiers, des codebases complètes ou des rapports financiers de plusieurs milliers de pages. C’est son argument massue, et le seul que les mesures indépendantes ne contestent pas.
• La récupération à long contexte (« long-context retrieval »), selon Codersera.
• Le déploiement local : grâce à sa faible empreinte mémoire (quantifié 4-bit sur RTX 4090), il convient aux postes de travail individuels.
• Les workflows à très haut débit : son architecture à 16 experts le rend rapide et adapté à la production (chat, résumé, classification).

Maverick est conçu pour :

• La génération à long contexte (« long-context generation »), selon Codersera.
• Les tâches multimodales : description d’images, analyse visuelle, légendage, questions sur une image — la carte Ollama précise que les modèles sont optimisés pour ces usages, avec un test jusqu’à 5 images en entrée.
• Le chat de type assistant et le raisonnement visuel, pour les modèles instruction-tuned.
• La génération de données synthétiques et la distillation d’autres modèles, cas explicitement autorisé par la Llama 4 Community License.

Behemoth : non publié, aucun cas d’usage réel. Il aurait servi de modèle enseignant pour distiller Scout et Maverick, selon Singularity Moments, mais rien n’est accessible au public.

Muse Glimmer : l’agentique embarquée. Raisonnement multi-tours, appels d’outils, exécution locale — c’est le positionnement revendiqué par Meta pour ce modèle 30B sous Apache 2.0.

Et si vous codez ? Le constat de Codersera est net : pour les charges orientées code, Llama 4 n’est plus le bon choix. DeepSeek V4 Pro et Qwen 3.6-27B battent Maverick, et la nouvelle vague d’octobre 2026 (Reflection Beam pour l’économie de compute, Mistral Large 4 pour la souveraineté et la cybersécurité, GLM-5.3 pour le rapport performance/prix) offre des alternatives nettement plus compétitives.

Licence, écosystème et gouvernance : ce qui a vraiment changé

La Llama 4 Community License n’est pas une licence open source au sens strict de l’OSI : elle impose des restrictions d’usage (notamment pour les entreprises de plus de 700 millions d’utilisateurs mensuels) et un ensemble de conditions d’acceptation. C’est un point de friction croissant en 2026, alors que la concurrence publie sous Apache 2.0 — c’est le cas de Muse Glimmer, de Kolibri-1 d’Aleph Alpha, des modèles de décision Clef de Cloudflare (27B et Clef-flash 9B, publiés le 3 octobre 2026), et de MiMo-V2.6-Pro sous licence MIT. Pour les entreprises qui veulent éviter toute ambiguïté juridique, l’écart entre « poids ouverts » et « open source » n’est plus un détail théorique.

L’autre mouvement de fond, c’est la Nemotron Coalition de Nvidia, lancée en mars 2026 et élargie depuis. Cette collaboration mondiale réunit des concepteurs de modèles et des laboratoires d’IA — membres inauguraux : Black Forest Labs, Cursor, LangChain, Mistral AI, Perplexity, Reflection AI, Sarvam et Thinking Machines Lab, rejoints par le français H Company. Les membres collaborent sur un modèle ouvert entraîné sur NVIDIA DGX Cloud, le résultat étant open source, et le premier modèle conçu par la coalition doit sous-tendre la prochaine famille NVIDIA Nemotron 4. Le fait que Mistral AI et Reflection AI — deux des acteurs les plus en vue d’octobre 2026 — soient membres de cette coalition, aux côtés de Nvidia, vendeur de GPU, dit quelque chose de la recomposition en cours : les frontières entre laboratoires, fournisseurs de calcul et éditeurs d’outils s’estompent.

Dans ce paysage, Meta joue une partition à deux voix : open weight pour la gamme Muse (Glimmer, et bientôt Spark 1.2), propriétaire pour la frontière (Muse Spark). Llama 4, lui, reste figé dans son état d’avril 2025 — un jalon historique (premier MoE multimodal de Meta) mais plus une référence de performance.

Verdict : que choisir en octobre 2026 ?

Le tableau est sans appel. Llama 4 Scout conserve un argument unique — sa fenêtre de 10M tokens — et reste pertinent pour la récupération à très long contexte et le déploiement local quantifié. Llama 4 Maverick est un polyvalent correct mais dépassé : 9,99 sur l’Intelligence Index v4.3.2, aucun coût par tâche publié par AA, et des alternatives nettement meilleures pour le code. Behemoth n’existe pas publiquement et ne reviendra probablement pas. Muse Glimmer est la vraie nouveauté exploitable de Meta en open weight : 30B, Apache 2.0, pensé pour l’agentique locale.

Si vous partez de zéro aujourd’hui, la question n’est plus « quel Llama 4 choisir » mais « pourquoi Llama 4 plutôt qu’autre chose ». Pour le code : DeepSeek V4 Pro, Qwen 3.6-27B, GLM-5.3, Reflection Beam (si l’économie de compute prime). Pour la souveraineté européenne : Mistral Large 4 (poids le 27 octobre) ou Kolibri-1. Pour l’agentique légère et locale : Muse Glimmer, ou les modèles de décision Clef de Cloudflare. Pour le très long contexte : Scout reste dans la course. Et pour la frontière fermée, Muse Spark 1.3 (Max) à 48,09 sur l’Intelligence Index v4.3.2 mérite clairement un test.

La leçon de ces dix-huit mois est simple : dans l’open source, un jalon d’avril 2025 peut devenir un poids mort en octobre 2026. La cadence de publication — DeepSeek, Qwen, Z.ai, Mistral, Reflection, Aleph Alpha, Cloudflare — ne laisse aucune place au statu quo.

Sources

• Ollama — llama4 (carte modèle officielle, langues, multimodalité, variantes Scout/Maverick)
• Codersera — Llama 4 Guide: Scout, Maverick & Behemoth Status (2026) (rafraîchi le 5 octobre 2026 : statut Behemoth, Muse Spark, Muse Glimmer, Llama 5 « Avocado », scores Intelligence Index v4.3.2)
• Meta AI — The Llama 4 herd (annonce officielle, avril 2025)
• Singularity Moments — Meta Llama 4: Scout vs Maverick — Complete Guide (2026)
• Llama.app et llama.cpp (outil local, API compatible OpenAI)
• Journal du Geek — DeepSeek V4 (24 avril 2026)
• SiliconANGLE — Alibaba debuts Qwen3.8-Max (3 août 2026)
• Journal du Geek — Kimi K3 (juillet 2026)
• Journal du Web — GLM-5.3 (14 août 2026)
• TechCrunch — Reflection debuts Beam (5 octobre 2026)
• Help Net Security — Reflection’s Beam (6 octobre 2026)
• Unite.AI — Reflection AI Unveils Beam, a 501B-Parameter Open-Weight Model (5 octobre 2026)
• Le Monde Informatique — Mistral dévoile Large 4 (7 octobre 2026)
• Korben — Mistral Large 4, « Le Chonk » (7 octobre 2026)
• Wired — Mistral Says Its New AI Model ‘Le Chonk’ Is the Best Open-Weight Offering Outside of China (6 octobre 2026)
• NeoTeo — Sortie de Mistral Large 4 : aperçu API et poids (7 octobre 2026)
• ai-stat.ru — Kolibri-1 от Aleph Alpha (3 octobre 2026)
• ai-stat.ru — Cloudflare Clef (3 octobre 2026)
• NVIDIA — Nemotron Coalition (coalition, membres, Nemotron 4)
• BenchLM (leaderboard open-weight, juillet 2026)
• Artificial Analysis — Intelligence Index v4.3.2 (octobre 2026), via Codersera

Article recherché et rédigé automatiquement · Magazine Electrosens