Magazine LLM Opensource · 8 September 2026

Qwen3.8-Max : le géant open weight d’Alibaba à l’épreuve des faits — architecture, benchmarks, déploiement et écosystème

Le 3 août 2026, Alibaba annonçait la disponibilité générale de Qwen3.8-Max, un modèle MoE de 2,4 trillions de paramètres en open weights. Une semaine plus tard, les poids étaient effectivement en ligne sur Hugging Face et ModelScope, et les premiers classements indépendants commençaient à tomber. Un mois plus tard, le paysage a encore bougé : Tencent a riposté avec Hy4, Z.ai a poussé GLM-5.3, Meta a sorti Muse Glimmer. Entre chiffres vertigineux, promesses d’autonomie et concurrence chinoise et américaine, que vaut vraiment ce géant, comment le déployer, et que change-t-il pour les équipes de production ? Plongée dans les coulisses d’une sortie qui bouscule l’ordre établi de l’IA open source.

Le pari d’Alibaba : ouvrir les poids de son modèle phare pour bousculer l’ordre établi

Il y a un peu plus d’un an, personne n’aurait parié sur un scénario où Alibaba ouvrirait les poids de son modèle le plus puissant. L’histoire récente de la firme de Hangzhou racontait pourtant une tout autre trajectoire. En septembre 2025, Qwen3-Max (1T paramètres) était encore un modèle fermé, réservé aux API commerciales. En février 2026, Qwen3.5 (397B) faisait un pas vers l’ouverture avec des poids disponibles, mais restait en deçà du fleuron. Puis, en mai 2026, Qwen3.7-Max avait marqué un recul stratégique : propriétaire, non open-weight, il semblait acter la fin de l’ouverture pour les modèles de très grande taille.

C’était sans compter sur le revirement spectaculaire du 19 juillet 2026. Ce jour-là, lors de la World AI Conference (WAIC) de Shanghai, le compte officiel @Alibaba_Qwen annonçait Qwen3.8, un modèle de 2,4 trillions de paramètres, avec une version preview immédiatement disponible pour les développeurs de Chine continentale via l’abonnement Token Plan et les plateformes Qoder et QoderWork. Deux semaines plus tard, le 3 août, la disponibilité générale (GA) était proclamée, accompagnée d’un engagement fort : la publication des poids ouverts « la semaine prochaine » — soit la semaine du 10 août — sur Hugging Face et ModelScope, ainsi que la sortie open-weight de Qwen3.8-27B, un modèle distillé de 27 milliards de paramètres.

Contrairement aux doutes émis au moment de l’annonce, la promesse a été tenue. Comme le confirme explainx.ai, les poids ouverts de Qwen3.8-Max sont bien en ligne depuis la mi-août 2026 sur Hugging Face et ModelScope. Ce n’est pas un détail : c’est la première fois qu’un modèle de cette ampleur (2,4T) est distribué en open weights, et cela change la donne pour toute la communauté.

Ce changement de cap n’est pas anodin. Il s’inscrit dans un contexte géopolitique tendu, où les États-Unis débattent d’une possible restriction sur l’open source en IA — plusieurs géants technologiques, dont Nvidia, ont d’ailleurs signé une lettre ouverte en juillet 2026 pour s’y opposer. En ouvrant son modèle phare, Alibaba joue une carte double : d’un côté, elle se positionne comme la championne de l’open source face aux modèles fermés américains (GPT-5.6, Claude Fable 5, Gemini 3.1) ; de l’autre, elle tente de verrouiller un écosystème autour de ses outils (Qoder, QoderWork) et de ses plateformes cloud. Le message est clair : « Vous voulez un modèle de classe mondiale sans dépendre d’OpenAI ou d’Anthropic ? Voici le nôtre, et il est ouvert. »

La sortie de Qwen3.8-Max a d’ailleurs provoqué une réaction en chaîne. Le 10 août 2026, Meta a publié Muse Glimmer, un modèle agentique de 30 milliards de paramètres sous licence Apache 2.0, conçu pour tourner en local sur du matériel grand public. Comme le rapporte Numerama, Mark Zuckerberg en a profité pour publier un long manifeste open-weight de 6 500 mots. Coïncidence de calendrier ou réponse stratégique à l’offensive d’Alibaba ? Les deux événements sont probablement liés : la pression chinoise sur l’open source est devenue telle que même Meta, qui avait verrouillé ses modèles pendant quatre mois, revient à l’ouverture.

Et la partie est loin d’être terminée. Le 28 août 2026, Tencent a ouvert à son tour les poids de Hy4 Preview, un modèle de 770 milliards de paramètres (49B actifs) avec une fenêtre de contexte dépassant le million de tokens, disponible via WorkBuddy, CodeBuddy, Yuanbao et OpenRouter. Quelques semaines plus tôt, le 14 août, Z.ai avait lancé GLM-5.3, un MoE de 753B qui domine le benchmark cybersécurité CyberGym avec 84,5 % — sans ajouter un seul paramètre, uniquement par post-entraînement. L’open source chinois n’est plus une promesse : c’est une offensive coordonnée.

2,4 trillions de paramètres, 95 milliards actifs : l’architecture MoE enfin documentée

Le chiffre est impressionnant : 2 400 milliards de paramètres. C’est plus du double de ce que la plupart des modèles commerciaux proposent, et cela place Qwen3.8-Max dans une catégorie à part, même pour les standards de 2026. Mais comme souvent avec les très grands modèles, ce chiffre brut dit peu de choses de l’architecture réelle. Qwen3.8-Max utilise une architecture Mixture-of-Experts (MoE) sparse, ce qui signifie que seule une fraction des paramètres est activée pour chaque token traité. C’est ce mécanisme qui permet d’atteindre des tailles aussi vertigineuses sans exploser les coûts d’inférence — du moins en théorie.

La question cruciale était donc : combien de paramètres sont réellement actifs à chaque inférence ? Les doutes émis au moment de l’annonce sont désormais levés. Le communiqué officiel d’Alibaba Group est explicite : « Malgré sa taille totale de 2,4 trillions de paramètres, Qwen3.8-Max n’active que 95 milliards de paramètres. » Ce chiffre est corroboré par SiliconANGLE, Generation-NT et Briefia. Fini l’ambiguïté : 95B actifs, c’est l’ordre de grandeur d’un modèle dense comme Llama 3.1 70B ou Qwen3.5 72B — déployable sur un nœud multi-GPU, même si la mémoire totale requise reste celle d’un modèle 2,4T.

L’architecture combine un MoE sparse avec un mécanisme d’attention hybride, comme le précise Alibaba : « Qwen3.8-Max features a cutting-edge Sparse Mixture-of-Experts (MoE) architecture combined with a hybrid attention mechanism. » Cette conception vise un équilibre entre masse critique et efficacité d’inférence, en réduisant les coûts de calcul et la latence par rapport à un modèle dense de taille équivalente.

SiliconANGLE apporte une précision technique supplémentaire : il est possible que Qwen3.8-Max utilise le mécanisme d’attention Gated DeltaNet, une technologie introduite par des chercheurs de Nvidia en 2024. Contrairement à une attention standard qui évolue de façon quadratique avec la taille du prompt, Gated DeltaNet évolue linéairement, ce qui réduit considérablement les besoins en mémoire et en calcul pour les très longues requêtes. Alibaba n’a pas confirmé officiellement cette hypothèse, mais elle est cohérente avec la lignée Qwen3.5/Qwen3.6 qui partageaient déjà certaines propriétés techniques.

La fenêtre de contexte, autre zone d’ombre au moment de l’annonce, est désormais confirmée par la source officielle : jusqu’à 1 million de tokens. Briefia le confirme également : « 2,4T de paramètres, contexte 1M, API à prix cassés et ouverture des poids annoncée dès la sortie. » SiliconANGLE précise que cela permet d’analyser plus de 200 pages de texte ou environ 100 heures de vidéo par requête, et que les réponses peuvent contenir jusqu’à 131 000 tokens. Ce chiffre place Qwen3.8-Max dans la petite poignée de LLM capables de manipuler des corpus très volumineux — codebases complètes, bases de connaissances, journaux d’expérience utilisateurs — en une seule requête. À titre de comparaison, les modèles de la génération précédente (Qwen3, Llama 4) plafonnaient généralement à 128K ou 256K tokens.

Enfin, la multimodalité est confirmée : Qwen3.8-Max est un modèle multimodal de fondation qui supporte nativement l’intelligence visuelle, en plus du texte. Le communiqué officiel précise qu’il « opère comme une fondation multimodale » avec une « intelligence visuelle native ». Les capacités vidéo, évoquées au moment de l’annonce, ne sont pas explicitement détaillées dans les sources officielles, mais la prise en charge de l’image est certaine.

Caractéristique	Qwen3.8-Max (confirmé)	Qwen3.7-Max (mai 2026)	Qwen3.5 (fév. 2026)
Paramètres totaux	2,4T (MoE)	Non divulgué	397B
Paramètres actifs	95B	Non divulgué	Non divulgué
Fenêtre de contexte	1M tokens	Non divulgué	Non divulgué
Sortie max	131K tokens	Non divulgué	Non divulgué
Multimodalité	Texte, image (vision native)	Non divulgué	Non divulgué
Statut open-weight	Poids publiés (mi-août 2026)	Fermé	Ouvert

Benchmarks : les premiers classements indépendants arrivent, et ils sont flatteurs

Au moment de l’annonce du 3 août, Alibaba n’avait publié que des chiffres auto-déclarés, et aucune évaluation indépendante n’était disponible. Deux semaines plus tard, la situation a changé. Le communiqué officiel d’Alibaba Group, publié le 3 août, fait état de classements dans des arènes de référence :

Text Arena : 5e place
Vision Arena : 2e place
Frontend Code Arena : 4e place

Ces classements sont significatifs. La 5e place en Text Arena place Qwen3.8-Max dans le top 5 mondial, derrière les meilleurs modèles propriétaires américains (GPT-5.6, Claude Fable 5, Gemini 3.1) mais devant la plupart des modèles open source. La 2e place en Vision Arena est encore plus remarquable : elle suggère que le modèle excelle en compréhension visuelle, un domaine où les modèles chinois ont longtemps été à la traîne. La 4e place en Frontend Code Arena confirme les ambitions de codage du modèle — SiliconANGLE précise d’ailleurs un score de 1 668 points sur ce benchmark, juste derrière les leaders.

Alibaba revendique également un score de 86,1 sur OSWorld-Verified, un benchmark qui évalue la capacité d’un modèle à utiliser des outils informatiques de manière autonome. Ce score placerait Qwen3.8-Max devant GPT-5.6 Sol Max (83,2), Claude Fable 5 (85,0) et Gemini 3.1 Pro (76,2). Ces chiffres restent toutefois auto-déclarés, et aucune vérification indépendante n’a encore été publiée à ce jour.

Le point le plus spectaculaire de la communication d’Alibaba concerne l’autonomie. Le communiqué officiel affirme que le modèle a « exécuté de manière autonome un projet réel de génie logiciel sur une période de 16 jours ». Chargé de créer un framework d’agents auto-évolutif à partir de zéro, Qwen3.8-Max a établi une boucle d’ingénierie qui synthétise les retours utilisateurs, les meilleures pratiques communautaires et les données d’auto-test, produisant « oh-my-cli », un framework d’agents auto-évolutif entièrement open-sourcé sur GitHub. Generation-NT rapporte un test similaire : le modèle aurait travaillé « entièrement de manière autonome pendant environ cinq jours », soit 125 heures ininterrompues, pour reconstruire et améliorer une expérience issue d’un article de recherche en mathématiques. SiliconANGLE ajoute un troisième test : une tâche d’optimisation de conception de puces comprenant plus de 500 étapes, réalisée sans intervention humaine. Ces trois chiffres (16 jours, 5 jours, 500+ étapes) proviennent de tests différents, mais ils convergent vers une même conclusion : Qwen3.8-Max est conçu pour des tâches de très longue haleine, sans supervision humaine.

Reste une prudence méthodologique : ces benchmarks, aussi flatteurs soient-ils, émanent principalement d’Alibaba ou de classements dont la méthodologie n’est pas toujours transparente. Les plateformes de référence comme LMArena (Elo) ou Artificial Analysis (Intelligence Index) n’ont pas encore publié de données complètes pour Qwen3.8-Max. Les équipes techniques feraient bien d’attendre les évaluations indépendantes — qui devraient arriver dans les semaines suivant la publication des poids — avant de baser leurs décisions d’adoption sur ces seuls chiffres.

Prix et accès API : la guerre des tarifs est déclarée

Au-delà des performances brutes, c’est peut-être la politique tarifaire qui marque le plus les esprits. Comme le détaille TechRepublic, Alibaba propose Qwen3.8-Max à 2 $ par million de tokens en entrée et 6 $ par million de tokens en sortie via Model Studio. La comparaison avec OpenAI est saisissante : GPT-5.6 Sol est facturé 5 $ en entrée et 30 $ en sortie. Soit une réduction de 60 % sur l’entrée non cachée et de 80 % sur la sortie.

Cette guerre des prix n’est pas nouvelle — DeepSeek V4-Pro avait déjà cassé les tarifs sur OpenRouter en août — mais elle prend une dimension nouvelle quand elle s’accompagne d’une ouverture des poids. Pour les équipes IT, l’équation est double : soit on utilise l’API d’Alibaba Cloud à prix cassés, soit on auto-héberge une fois les poids publiés, en assumant alors les coûts matériels, énergétiques et de maintenance. TechRepublic note d’ailleurs que la comparaison de prix ne capture pas tous les coûts de production : tokens cachés, consommation de raisonnement, outils associés, débit requis et tarifs négociés en entreprise peuvent tous faire varier la facture finale.

Côté investisseurs, l’impact est déjà visible : l’action Alibaba (BABA) a bondi de 9 % après l’annonce, selon Yahoo Finance. La création en mars 2026 de l’Alibaba Token Hub, explicitement chargé d’accélérer l’adoption de Qwen dans des produits comme DingTalk et les appareils Quark, renforce cette dynamique. Mais attention : les 380 milliards de RMB de CapEx combinés IA + cloud pourraient encore s’avérer insuffisants face à la concurrence, prévient l’analyse.

Déployer Qwen3.8-Max : le défi matériel et les stratégies de contournement

Venons-en au cœur du sujet pour les praticiens : comment déployer un modèle de 2,4T paramètres ? La réponse simple est : avec beaucoup de matériel. En FP16, un modèle de cette taille nécessiterait environ 4,8 téraoctets de mémoire GPU rien que pour les poids (à raison de 2 octets par paramètre). En pratique, avec les overheads d’activation et de cache KV, il faut compter davantage. À titre de comparaison, un modèle de 70B en FP16 occupe environ 140 Go — déployable sur 2 à 4 GPU H100. Pour 2,4T, il faut multiplier par 34 : on parle de plusieurs dizaines de GPU haut de gamme, ou de quelques nœuds équipés de GPU à très grande mémoire (comme les H200 ou les B200 de Nvidia, qui offrent jusqu’à 141 Go et 192 Go respectivement).

La quantification est donc une piste incontournable. Comme le rappelle notre guide complet sur la quantification des LLM en 2026, un modèle de 70 milliards de paramètres pèse 140 Go en FP16 — trop pour une seule carte grand public. La quantification est devenue le passage obligé pour faire tourner les LLM open source sur du matériel accessible. En FP8, les besoins de Qwen3.8-Max descendent à environ 2,4 To ; en INT4 (AWQ ou GPTQ), on peut espérer les réduire à 1,2 To. Les benchmarks 2026 montrent qu’AWQ réduit la pénalité de perplexité INT4 de 74 % par rapport à GPTQ (de 4,57 à 1,17) — un argument de poids pour choisir sa méthode de compression.

Mais même en INT4, 1,2 To reste considérable. Concrètement, cela signifie :

8 × H200 (141 Go) : environ 1,1 To — tout juste suffisant en FP8, insuffisant en FP16.
8 × B200 (192 Go) : environ 1,5 To — confortable en FP8, possible en INT4.
Un nœud DGX B200 (72 GPU) : 13,8 To — de quoi déployer le modèle en FP16 avec de la marge.

Pour les équipes qui n’ont pas ce budget, la stratégie pragmatique consiste à utiliser l’API d’Alibaba Cloud en attendant que l’écosystème de quantification mature (GGUF, AWQ, GPTQ) propose des versions optimisées. Les frameworks d’inférence comme vLLM, TensorRT-LLM et SGLang — comparés en détail dans notre guide de décision — joueront un rôle clé dans l’optimisation du throughput et de la latence.

L’écosystème en ébullition : Qwen3.8-Max face à Hy4, GLM-5.3 et Muse Glimmer

Qwen3.8-Max n’arrive pas dans un vide. Le mois d’août 2026 a été l’un des plus denses de l’histoire de l’IA open source, et notre match à cinq en a dressé la carte. Récapitulons les forces en présence :

Tencent Hy4 Preview (28 août) : 770B totaux, 49B actifs, contexte 1M+, orienté code, productivité bureautique et recherche scientifique. Disponible via WorkBuddy, CodeBuddy, Yuanbao et OpenRouter. Une évaluation interne en aveugle (163 experts, 203 tâches d’ingénierie) lui donne 2,99/4,00, légèrement devant ses concurrents.
GLM-5.3 de Z.ai (14 août) : 753B MoE, zéro nouveau paramètre — uniquement du post-entraînement. Domine CyberGym avec 84,5 % en cybersécurité, devant Claude Sonnet 5 et GPT-5.6 Sol. Terminal-Bench 3.0 passe de 4,6 % à 28,3 % grâce au post-entraînement seul. Poids différés.
Muse Glimmer de Meta (10 août) : 30B agentique multimodal, licence Apache 2.0, conçu pour tourner en local sur PC et Mac. La réponse directe de Zuckerberg à l’offensive chinoise.
DeepSeek V4-Pro (13 août) : positionné en guerre des prix sur OpenRouter, contexte 1M.
Kimi K3 (juillet) : mastodonte multimodal de 2,8T.

Dans ce contexte, Qwen3.8-Max se distingue par trois atouts : la taille (2,4T, le plus gros open weight jamais publié), l’ouverture immédiate des poids (contrairement à GLM-5.3 qui les diffère), et l’intégration dans un écosystème complet (Qoder, QoderWork, Model Studio, Token Hub). C’est aussi le seul à revendiquer une autonomie de 16 jours sur un projet logiciel réel.

Pour les équipes de production, le choix se jouera sur des critères concrets : taille du contexte nécessaire, qualité du code, capacités agentiques, coûts d’inférence, et surtout — disponibilité des poids. Sur ce dernier point, Qwen3.8-Max et Hy4 sont en avance ; GLM-5.3 reste en embuscade.

Fine-tuning et adaptation : les frameworks 2026 à l’épreuve du géant

Une fois les poids en main, la question du fine-tuning se pose. Notre match des frameworks open source a comparé Axolotl, Unsloth, TorchTune et TRL en 2026. Verdict : Axolotl supporte plus de 100 modèles et le multimodal natif, mais Unsloth reste le champion de la vitesse (3,2 heures contre 5,8 pour un fine-tuning Llama-3.1 8B QLoRA sur A100 40 Go). Pour un modèle de 2,4T, le fine-tuning complet est hors de portée de la plupart des équipes — mais le LoRA et le QLoRA restent des options viables, à condition d’avoir accès à un nœud multi-GPU conséquent.

Le post-entraînement est d’ailleurs devenu le champ de bataille principal : GLM-5.3 a prouvé qu’on pouvait gagner 23,7 points sur Terminal-Bench sans toucher aux paramètres. Les équipes qui voudront adapter Qwen3.8-Max à leur domaine devront donc réfléchir en termes de post-entraînement ciblé plutôt que de fine-tuning massif.

Sécurité et risques : les leçons de NemoClaw

L’ouverture des poids ne vient pas sans risques. Notre enquête sur NemoClaw a montré en août 2026 comment un wrapper de sécurité signé Nvidia, censé protéger les agents OpenClaw, contenait lui-même une faille permettant un empoisonnement persistant des modèles via l’API réseau d’Ollama. Les chercheurs de Cyera’s Oasis Identity Research ont démontré que les modèles open source, une fois déployés, sont exposés à trois types d’empoisonnement : réseau, documents et données d’entraînement.

Pour Qwen3.8-Max, le risque est amplifié par la taille : un modèle de 2,4T déployé en production représente une surface d’attaque énorme. Les équipes devront appliquer les réflexes de durcissement que nous avons détaillés : isolation réseau stricte, validation des entrées, monitoring des sorties, et mises à jour régulières des wrappers de sécurité. Le red teaming autonome, benchmarké par REDAgentBench, montre que les LLM peuvent attaquer d’autres LLM avec un taux de réussite de 65,69 % — un chiffre qui donne à réfléchir.

Verdict : que vaut vraiment Qwen3.8-Max ?

Un mois après la sortie des poids, le bilan est contrasté. Côté positif : Alibaba a tenu ses promesses, les benchmarks indépendants commencent à confirmer les performances annoncées, et la politique tarifaire est agressive. Le modèle est le plus gros open weight jamais publié, avec un contexte de 1M tokens et des capacités agentiques impressionnantes.

Côté réserves : les évaluations indépendantes restent partielles, le déploiement exige une infrastructure considérable, et la concurrence (Hy4, GLM-5.3, Muse Glimmer) ne reste pas inactive. La guerre des prix et des ouvertures ne fait que commencer, et les équipes techniques ont tout intérêt à tester plusieurs modèles avant de s’engager.

Une chose est sûre : avec Qwen3.8-Max, Alibaba a définitivement changé la donne. L’open source n’est plus l’apanage des modèles de taille moyenne — il est désormais le terrain où se joue la frontière de l’IA. Et ce n’est probablement que le début.

Sources

Article recherché et rédigé automatiquement · Magazine Electrosens

📬 Restez à la pointe

Recevez chaque semaine les nouveautés de ce magazine par email.

💬 Une remarque, une correction ?

Aidez-nous à améliorer cet article. Nous prenons en compte vos retours.

Qwen3.8-Max : le géant 2,4T d’Alibaba qui redessine la frontière open source — décryptage technique et implications pratiques