Magazine LLM Opensource · 28 October 2026

DeepSeek V4, Kimi K3, Qwen 3.6, GLM-5.3, Muse Glimmer… et les autres : le grand état des lieux des LLM open-weight

Cinq modèles, cinq philosophies, un même objectif : détrôner les poids lourds propriétaires. DeepSeek V4 a ouvert le bal en avril, Kimi K3 a répondu en juillet avec un mastodonte multimodal, Qwen 3.6 a joué la carte de la sobriété, GLM-5.3 a surgi en août sur le terrain du codage agentique et de la cybersécurité, et Meta a surpris tout le monde avec Muse Glimmer, un modèle agentique 30B pensé pour tourner sur un PC. Mais depuis, la vague a tout emporté : Muse Spark Open, Mistral Large 4 « Le Chonk », MiMo-V2.6-Pro, Hy4, V4.1 Flash… Voici ce qui distingue vraiment ces modèles, au-delà des fiches techniques, et comment choisir selon vos besoins réels.

D’août à octobre 2026 : d’un quatuor à une déferlante

Il y a encore deux ans, l’idée que des modèles à poids ouverts puissent rivaliser avec les fleurons propriétaires sur des benchmarks de codage relevait de la foi militante. En août 2026, c’était déjà un fait établi. DeepSeek V4 Pro, Kimi K3, Qwen 3.6, GLM-5.3 et Muse Glimmer dominaient les classements open-weights, et l’écart avec GPT-5.5 ou Claude Opus 4.8 s’était réduit à une peau de chagrin — sur 95 % des benchmarks, DeepSeek V4 égalait les modèles propriétaires, selon les données compilées par Codersera en juillet 2026.

Le basculement s’est opéré en l’espace de quelques mois. DeepSeek a frappé la première fin avril 2026 avec sa V4, déclinée en deux versions (Pro et Flash), toutes deux sous licence MIT. Alibaba a répondu dans la foulée avec Qwen 3.6, disponible en deux gabarits (27B dense et 35B-A3B MoE), sous Apache 2.0. Puis Moonshot AI a dégainé en juillet avec Kimi K3, un modèle de 2,8 trillions de paramètres au total, multimodal et doté d’une licence propriétaire restrictive. Le 11 août, Meta a publié Muse Glimmer, un modèle agentique de 30 milliards de paramètres sous licence Apache 2.0, accompagné d’un manifeste de 6 500 mots signé Mark Zuckerberg plaidant pour l’IA open-weight. Et le 14 août, Z.ai a lâché GLM-5.3, un MoE de 743 milliards de paramètres qui a immédiatement dominé les benchmarks de codage et de cybersécurité.

Ce qui frappe, c’est le rythme — et il ne s’est pas ralenti depuis. Tencent a ouvert Hy4 en preview le 8 septembre 2026, un modèle de 770 milliards de paramètres (49 milliards actifs) avec un contexte de plus d’un million de tokens, taillé pour le code, la bureautique et la recherche scientifique. DeepSeek a enchaîné le 10 septembre avec V4.1 Flash, une évolution rapide bâtie sur une architecture « Causal Encoder Decoder », 552 milliards de paramètres MoE et un KV cache nettement réduit. Le 22 septembre, Xiaomi a créé la surprise avec MiMo-V2.6-Pro, que d’aucuns ont proclamé « roi des poids ouverts » — une dépêche au conditionnel qu’il convient de manier avec prudence, tant les spécifications publiées restent lacunaires (nous y revenons plus bas).

Puis octobre a changé d’échelle. Le 6 octobre, Mistral a ouvert l’aperçu public de Mistral Large 4, surnommé « Le Chonk » : un MoE granulaire de 1,05 billion de paramètres dont 49 milliards actifs par token, avec encodeur vision de 1,6 milliard de paramètres et contexte d’un million de tokens, entraîné de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans les centres de données européens de Mistral. Le 15 octobre, Meta a remis le couvert avec Muse Spark Open : 816 milliards de paramètres totaux, 42 milliards actifs, un million de tokens de contexte, présenté par Meta Research comme « le modèle open-weight américain le plus capable à ce jour ». Et le 19 octobre, Inception a publié Mercury 3, un modèle à diffusion qui génère plus de 1 000 tokens par seconde — un changement de paradigme architectural dont nous reparlons en fin d’article.

Autrement dit : le classement que vous lisez ici a une durée de péremption de quelques semaines. Les classements de référence comme BenchLM ou LLM-Stats ont dû être mis à jour à plusieurs reprises pour suivre le rythme. Le paysage a changé de nature : l’open-source n’est plus l’alternative économique, il est devenu le terrain où se joue l’innovation la plus visible.

La preuve par les chiffres : en juin 2026, les modèles chinois représentaient déjà 61 % du trafic développeur sur OpenRouter, selon les données agrégées par la plateforme. DeepSeek V4 Flash était le modèle le plus utilisé au monde avec 619 milliards de tokens par jour, devant Hy3 Preview de Tencent (451B) et MiniMax M3 (447B). Les éditeurs américains (OpenAI, Anthropic, Google) ont perdu quarante points de part de marché en douze mois, passant d’environ 70 % à 30 % des tokens. L’open-source n’est plus une promesse : c’est le marché.

Fiche d’identité : cinq philosophies, cinq gabarits — et désormais des voisins encombrants

Avant de comparer les performances, posons les bases. Chaque modèle incarne une stratégie différente, tant par la taille que par l’architecture.

Sources : ComputingForGeeks, Codersera, TechVerdict, the-agent-report.com, contextstudios.ai

Cinq philosophies se dessinent. DeepSeek mise sur l’efficacité : un modèle massif (1,6T) mais seulement 49 milliards de paramètres actifs par passage, grâce à une architecture MoE couplée à une attention sparse. Kimi K3 pousse la logique à l’extrême avec 2,8T de paramètres et 896 experts, dont 104 milliards seulement sont sollicités à chaque inférence — un ratio actif/total parmi les plus agressifs du marché. Qwen, à l’inverse, choisit la sobriété : son plus gros modèle open-weights ne dépasse pas 35 milliards de paramètres, avec seulement 3 milliards actifs pour la version MoE. Une philosophie « edge-first » qui vise les déploiements locaux. GLM-5.3 de Z.ai réutilise la base MoE de 743 milliards de paramètres de GLM-5.2, sans aucun nouveau paramètre — tout est dans le post-entraînement. Enfin, Muse Glimmer de Meta est un modèle dense de 30B, spécifiquement conçu pour les agents et le déploiement local sur PC ou Mac.

Notons au passage une clarification nécessaire : le « Qwen 3.5 » que certains attendaient n’existe pas. Alibaba a directement publié Qwen 3.6 en avril 2026, et son successeur Qwen3.7-Max (mai 2026) est resté en closed-weight. La version 3.6 reste donc le flagship open-weights de la famille, même si Qwen3.8-Max (2,4T paramètres, MoE) a été dévoilé et rendu disponible le 3 août 2026 comme nouveau flagship propriétaire de la marque — un modèle qui, selon tech-insider.org, revendique une rivalité frontale avec GPT-5. À noter que la frontière entre « open » et « propriétaire » chez Alibaba mérite d’être surveillée de près : la communication autour de Qwen3.8-Max emploie parfois le terme « open-source » de façon ambiguë, alors que les poids ne sont pas publiés.

Les nouveaux venus qui rebattent les cartes

Trois arrivées d’octobre méritent d’être posées dans le tableau mental, même si elles ne figurent pas encore dans les colonnes ci-dessus.

Muse Spark Open (Meta, 15 octobre 2026) est le vrai changement de catégorie. Avec 816 milliards de paramètres totaux et 42 milliards actifs, un contexte d’un million de tokens et un déploiement possible sur Apple M5 Ultra Mac Studios, il est présenté par Meta comme le modèle open-weight américain le plus capable à ce jour, taillé pour le code et le travail agentique. Sa publication a d’ailleurs provoqué un débat d’infrastructure : le 16 octobre, the-agent-report.com titrait sur « 816B, 560B, 120B en un jour : la vague open-weight se heurte désormais à un mur de mémoire ». Autrement dit, la contrainte n’est plus la qualité du modèle mais le coût du matériel pour le servir.

Mistral Large 4 « Le Chonk » (6 octobre 2026) est le retour fracassant du champion européen. MoE granulaire de 1,05 billion de paramètres, 49 milliards actifs par token (soit 4,7 % des poids), encodeur vision de 1,6 milliard de paramètres, contexte d’un million de tokens, entraîné sur plus de 160 langues dont toutes les langues officielles de l’UE. L’API est ouverte à 1,36 $ le million de tokens en entrée et 4,18 $ en sortie, avec 0,14 $ pour les entrées en cache. Attention toutefois : les poids ne sont annoncés que pour la fin octobre 2026, ce qui exclut pour l’instant l’auto-hébergement — et Mistral n’a pas encore détaillé le nombre d’experts, le routage, l’architecture des couches ni la licence. Un « open-weight » dont on n’a pas encore vu les poids reste une promesse.

Mercury 3 (Inception, 19 octobre 2026) n’est pas un MoE comme les autres : c’est un modèle à diffusion, qui génère plus de 1 000 tokens par seconde (1 068 selon les mesures rapportées par iXBT) avec un contexte d’un million de tokens. Inception le décrit comme le modèle à diffusion le plus capable jamais publié, à 0,10 $ le million de tokens en entrée. C’est une rupture architecturale plus qu’un énième gros modèle — nous y revenons plus bas.

Benchmarks : qui code le mieux, qui raisonne le plus loin ?

C’est ici que les choses se corsent. DeepSeek V4 Pro est le seul des trois premiers à avoir publié des scores complets sur les benchmarks de référence — et ils sont impressionnants. Mais GLM-5.3 a débarqué avec des chiffres tout aussi solides, Mistral Large 4 revendique des scores de cybersécurité de premier plan, et Muse Glimmer apporte une dimension agentique nouvelle.

Sources : Codersera, TechVerdict, aireiter.com, the-agent-report.com, Le Fil IA

Le 80,6 % sur SWE-bench Verified, confirmé par deux sources indépendantes, place DeepSeek V4 Pro au niveau des meilleurs modèles propriétaires pour la résolution de tickets GitHub réels. Le 87,5 sur MMLU-Pro, à égalité avec GPT-5.5 selon Codersera, confirme une solide culture générale. Et le 90,1 % sur GPQA Diamond — un benchmark de raisonnement de niveau doctorat — suggère une capacité de raisonnement profond qui dépasse le simple copier-coller de patterns.

Mais l’absence de scores publics pour Kimi K3 et Qwen 3.6 est en soi un signal. Pour Kimi K3, cela peut s’expliquer par sa sortie récente (juillet 2026) : les équipes n’ont pas encore eu le temps de publier des évaluations indépendantes. Pour Qwen 3.6, c’est plus surprenant — Alibaba a historiquement communiqué des benchmarks détaillés. Cette discrétion pourrait refléter une stratégie différente : plutôt que de viser les sommets des classements génériques, Qwen 3.6 semble optimisé pour des cas d’usage spécifiques (edge, déploiement local) où les benchmarks classiques sont moins pertinents.

GLM-5.3, lui, a publié des scores ciblés qui en disent long sur sa stratégie. Son 84,5 % sur CyberGym, un benchmark de cybersécurité, le place en tête devant Claude Sonnet 5 et GPT-5.6 Sol. Son 66,9 sur DeepSWE (un benchmark de résolution de tickets GitHub) et son 28,3 % sur Terminal-Bench 3.0 — contre 4,6 % pour la version précédente — montrent une progression spectaculaire obtenue uniquement par le post-entraînement, sans aucun nouveau paramètre. C’est la démonstration que l’architecture n’est plus le seul facteur : le post-training est devenu le champ de bataille décisif.

Mistral Large 4 vient toutefois contester la primauté de GLM-5.3 sur la cybersécurité. Le « Chonk » revendique 93 % sur Cybench et 82 % sur CyberGym-E2E, ce qui le place dans le top 5 mondial de l’Artificial Analysis Cyber Index. Mistral souligne un point méthodologique intéressant : plusieurs modèles fermés de pointe obtiendraient un score proche de zéro sur CyberGym-E2E parce qu’ils refusent la tâche, alors que reproduire une vulnérabilité pour en prouver l’existence relève du travail défensif courant. En codage agentique, Large 4 atteint 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4.0, soit 49,8 % à l’indice Coding Agent d’Artificial Analysis — mais ces mesures ont été réalisées en privé et ne sont pas encore reproductibles. Une évaluation humaine en aveugle menée avec Surge AI lui donne 3,74 sur 5, deuxième place sur cinq modèles, devant GLM-5.3 (3,60) et Kimi K3 (3,59), mais derrière Claude Opus 5 (4,22). Côté sécurité défensive, il résiste à 93,3 % des attaques du benchmark B3 de Lakera et obtient 1,691 sur 2,0 à KORABench.

Il faut aussi mentionner que Codersera classe Kimi K2.6 (le prédécesseur de K3) comme le meilleur modèle open-weights avec un score de 54 sur l’Artificial Analysis Index, mais le place 15 points derrière DeepSeek V4 Pro sur SWE-bench Verified. Un rappel utile : en avril 2026, K2.6 avait été le premier modèle open-weight à surpasser un modèle américain de pointe sur SWE-Bench Pro, avec 58,6 % contre 57,7 % pour GPT-5.4 et 53,4 % pour Claude Opus 4.6, selon convly.ai. Si K3 suit la même trajectoire d’amélioration que ses prédécesseurs, il pourrait combler une partie de l’écart — mais nous n’avons aucune donnée publique pour le confirmer.

Un dernier point de méthode, essentiel à l’heure où les chiffres circulent vite : les benchmarks statiques sont de plus en plus contestés. Des initiatives comme NEEDLE, un benchmark dont les requêtes sont régénérées régulièrement, ou les travaux académiques sur le red teaming autonome (REDAgentBench) rappellent que les scores publiés par les laboratoires doivent être lus avec prudence. Un score élevé sur un jeu de tests figé ne garantit ni la robustesse en production, ni l’absence de contamination des données d’entraînement.

Sous le capot : MoE massif, attention sparse, routage hybride, post-training roi

Les chiffres de paramètres ne racontent qu’une partie de l’histoire. Ce qui distingue vraiment ces modèles, c’est la mécanique du routage d’experts — et 2026 aura été l’année où tout le monde est devenu MoE. Le principe est connu : un réseau de portes (gating) sélectionne, pour chaque token, un petit sous-ensemble d’experts parmi des dizaines ou des centaines. DeepSeek V4 Pro n’active que 49 milliards de paramètres sur 1,6 trillion ; Kimi K3, 104 milliards sur 2,8 trillions ; Mistral Large 4, 49 milliards sur 1,05 billion, soit 4,7 % des poids. Cette sélection sparse (top-k gating) réduit drastiquement le calcul par token sans sacrifier la profondeur de raisonnement — c’est le grand compromis de l’année.

Mais le routage a un coût caché, souvent négligé dans les fiches marketing : la mémoire. Un MoE de 1,6 trillion de paramètres doit être chargé en mémoire, même si l’on n’en active qu’une fraction à chaque passage. C’est exactement le « mur de mémoire » que documente the-agent-report.com à propos de la vague du 16 octobre (816B, 560B, 120B publiés le même jour). L’activation réduit le calcul, pas la facture matérielle. À cela s’ajoutent les coûts de communication : le routage impose des échanges all-to-all entre GPU, et la bande passante devient un goulot d’étranglement aussi contraignant que les FLOPs. Un guide pratique du routage d’experts, publié par le magazine, détaille cette mécanique : équilibrage de charge entre experts, risque d’effondrement du routeur sur quelques experts sursollicités, et impact direct sur le débit en production.

Le post-entraînement est l’autre champ de bataille. GLM-5.3 en est la démonstration la plus pure : aucun nouveau paramètre par rapport à GLM-5.2, mais un bond de 4,6 % à 28,3 % sur Terminal-Bench 3.0, obtenu par le seul travail de post-training. Mistral, de son côté, revendique un entraînement « de zéro » sur 3 800 GPU Grace Blackwell pour Large 4 — un choix coûteux qui explique en partie le retard de publication des poids. La leçon de 2026 : l’architecture fixe le plafond, mais c’est le post-training qui décide où l’on atterrit.

Côté inférence, l’écosystème a lui aussi bougé. Le 20 octobre 2026, à la PyTorch Conference North America, les contributeurs du projet llm-d ont annoncé llm-d 1.0, une pile de serving distribuée native Kubernetes — IBM Research a relayé la nouvelle sur son blog officiel. Et le même jour, Google a publié des versions TPU de vLLM et SGLang, prolongeant l’ouverture de TorchTPU le 20 octobre. Concrètement : servir un MoE de 800 milliards de paramètres ne relève plus seulement de l’ingénierie maison, mais d’une pile standardisée qui commence à couvrir CPU, GPU et ASIC. C’est moins spectaculaire qu’un benchmark, mais c’est ce qui décide si votre modèle tourne en production ou reste une démo.

Le cas Xiaomi : que vaut vraiment le « roi des poids ouverts » ?

Le 22 septembre 2026, une dépêche au conditionnel a proclamé Xiaomi champion des modèles à poids ouverts, « meilleur que DeepSeek » selon VentureBeat. Six mois après un MiMo-V2-Pro à plus de mille milliards de paramètres, le constructeur de smartphones a récidivé avec MiMo-V2.6-Pro, accompagné d’une déclinaison Flash. Le problème, c’est que les spécifications publiées restent lacunaires : architecture exacte, nombre d’experts, licence, benchmarks reproductibles — l’essentiel manque. Un « roi » sans fiche technique vérifiable n’est pas un roi, c’est une annonce. La trajectoire de Xiaomi, de MiMo-7B à MiMo-V2.6, est réelle et impressionnante ; la prétention au trône, elle, reste à démontrer par des évaluations indépendantes. Nous rangeons donc MiMo-V2.6-Pro dans la catégorie « à surveiller », pas dans celle des valeurs sûres.

Ce que change Mercury 3 : et si le futur n’était pas un MoE ?

Tous les modèles ci-dessus partagent une hypothèse : la génération autoregressive, token par token. Mercury 3 d’Inception, publié le 19 octobre 2026, la remet en cause. C’est un modèle à diffusion : au lieu de prédire le token suivant, il débruite en parallèle un bloc de tokens, ce qui lui permet de générer plus de 1 000 tokens par seconde — un ordre de grandeur au-dessus des modèles autoregressifs classiques. Inception le présente comme le modèle à diffusion le plus capable jamais publié, avec un contexte d’un million de tokens et un tarif d’entrée de 0,10 $ le million de tokens. Les premiers tests pratiques rapportés par MindStudio portent sur le raisonnement, le rappel factuel, les tâches multilingues et le codage agentique via API. La question ouverte : la diffusion rattrape-t-elle la qualité des meilleurs autoregressifs, ou gagne-t-elle seulement en vitesse ? Les premiers retours suggèrent un compromis intéressant pour les charges à fort débit (génération de code en boucle, agents à faible latence), mais pas encore un remplacement des MoE de frontière. À suivre de très près : si la diffusion tient ses promesses de qualité, c’est toute l’économie du serving qui change.

Alors, lequel choisir ? Recommandations par usage

Assez de tableaux. Voici comment trancher selon votre contexte réel.

Vous voulez le meilleur rapport qualité/prix en codage agentique, avec auto-hébergement. DeepSeek V4 Pro reste la référence : 80,6 % sur SWE-bench Verified, licence MIT, contexte d’un million de tokens, et une API parmi les moins chères du marché (0,003625 $ / 0,435 $ / 0,87 $ par million de tokens selon la grille officielle DeepSeek, avec auto-caching). Pour les charges plus légères, V4 Flash (0,0028 $ / 0,14 $ / 0,28 $) est le cheval de trait le plus économique du marché — c’était le modèle le plus utilisé au monde en juin 2026 avec 619 milliards de tokens par jour. Et la version V4.1-Flash-1017, mise à jour le 17 octobre selon le site officiel de DeepSeek, ajoute le support API de la recherche et du scraping web, avec un gain annoncé sur les capacités de développement projet.

Vous avez besoin de cybersécurité défensive et de souveraineté européenne. Mistral Large 4 est le choix évident : 93 % sur Cybench, 82 % sur CyberGym-E2E, top 5 de l’Artificial Analysis Cyber Index, entraîné en Europe sur plus de 160 langues. Mais vérifiez la disponibilité des poids (annoncés fin octobre 2026) avant de bâtir une stratégie d’auto-hébergement dessus. Et gardez en tête que ses scores de codage agentique ne sont pas encore reproductibles publiquement.

Vous voulez le meilleur modèle open-weight américain, orienté agents et code. Muse Spark Open (816B / 42B actifs, 1M de contexte) est le candidat sérieux depuis le 15 octobre, avec un déploiement possible sur Mac Studio M5 Ultra. Pour les déploiements plus modestes, Muse Glimmer (30B dense, Apache 2.0, 128K de contexte) reste le choix « tourne sur un PC » de Meta.

Vous déployez en local, sur du matériel modeste. Qwen 3.6, dans sa version 35B-A3B (3 milliards actifs), ou Aleph Alpha Kolibri-1 (78,1 milliards de paramètres, 3,46 milliards actifs, licence Apache 2.0, contexte natif de 1 048 576 tokens mais ~262 144 recommandés en production, publié le 3 octobre 2026) sont les options les plus raisonnables. Kolibri-1 vise explicitement l’allemand et l’anglais, avec des scores BFCL v4 de 61,4 % et Tau2-Bench de 76,7 % (Airline), 69,9 % (Retail), 94,7 % (Telecom) — un profil d’agent d’entreprise européen.

Vous cherchez la vitesse brute. Mercury 3 (diffusion, >1 000 tokens/s) mérite un test, à condition d’accepter un paradigme encore jeune et des évaluations indépendantes limitées.

Vous voulez le plus gros, point. Kimi K3 (2,8T) et Mistral Large 4 (1,05T) sont les deux extrêmes. Mais rappelez-vous le mur de mémoire : un modèle de cette taille ne se sert pas sur un seul nœud, et le coût matériel peut annuler le gain du prix au token.

Sources

• DeepSeek — plateforme officielle et grille tarifaire V4
• DeepSeek — actualités V4.1-Flash-1017
• Le Fil IA — dossier DeepSeek V4 et lancement de Mistral Large 4
• TechVerdict — Best Open-Weight LLMs 2026: DeepSeek vs GLM-5.3 vs Kimi K3
• Codersera — comparatif DeepSeek V4 / Qwen / Kimi / MiniMax / GPT / Claude
• Codersera — best open-source LLM 2026
• Convly — Moonshot Kimi expliqué (K2.6, SWE-Bench Pro)
• ComputingForGeeks — open-source LLM comparison
• Meta Research — Introducing Muse Spark Open
• Blockchain.news — Meta unveils Muse Spark Open (816B / 42B actifs, 1M contexte)
• The Agent Report — 816B, 560B, 120B en un jour : le mur de mémoire
• Unite.ai — llm-d 1.0 à la PyTorch Conference
• Unite.ai — Inception Releases Mercury 3
• MindStudio — Mercury 3 hands-on
• iXBT — Mercury 3, 1 068 tokens/s
• BenchLM — classement open-source
• LLM-Stats — open LLM leaderboard
• Gadget Pilipinas — Tencent Hy4 en preview
• AI-Side — DeepSeek V4.1 Flash
• Tech-Insider — Qwen3.8-Max
• Wired — Mistral Says Its New AI Model ‘Le Chonk’ Is the Best Open-Weight Offering Outside of China
• Korben — Mistral Large 4, « Le Chonk »
• CNET — Mistral’s New ‘Le Chonk’ AI Model
• NeoTeo — Sortie de Mistral Large 4 : aperçu API et poids
• Le Monde Informatique — Mistral dévoile Large 4
• Euronews — ML4 de Mistral, pari de l’UE dans la course open-weight
• Numerama — Mistral relance la France dans la course à l’IA
• LeBigData — Mistral présente Large 4
• Infonet — Mistral Large 4
• Hugging Face — How to Use Muse Spark Open
• IAExpertos — Meta lance Muse Spark Open
• IReadCustomer — Meta Muse Spark Open: 816B MoE & 1M Context Guide
• TopAI-Tools — Deconstructing MoE Routing in Open-Weight Models
• Note.com — vLLM et SGLang sur TPU
• Toolnavs — llm-d 1.0
• Ecclesie Agazzi — Mercury 3 expliqué

Article recherché et rédigé automatiquement · Magazine Electrosens