Le 26 août 2026, Alibaba a déposé sur Hugging Face un modèle de 125 milliards de paramètres qui n'en active que 6 par token. Pas de conférence de presse, pas de liste d'attente, pas de contrat cadre. Un dépôt, des poids, une licence. Pendant que Washington et Bruxelles discutent de droits de douane sur les semi-conducteurs, la technologie qui compte arrive par un canal que personne ne taxe : le téléchargement. C'est le même trajet que les colis Alibaba, sans le colis.
Et ce n'est pas le produit fini.
Une prévisualisation de Qwen4, pas un modèle de production
Le suffixe Next n'est pas un argument commercial, c'est un avertissement. La fiche officielle qualifie ce modèle de prévisualisation expérimentale de l'architecture destinée à Qwen4. Alibaba ne publie pas son vaisseau amiral, il publie le banc d'essai qui servira à le construire, et le donne à éprouver au monde entier avant même d'avoir annoncé la version définitive.
Les auteurs assument le cadrage sans emphase : il s'agit d'une étape d'efficience, pas d'un modèle vitrine. L'objectif affiché est de mesurer l'effet des choix d'architecture sur le coût d'inférence à grande échelle.
C'est ce qui rend les chiffres de la section suivante intéressants. Un modèle présenté par son propre éditeur comme un exercice technique intermédiaire devance déjà le meilleur modèle d'Anthropic sur les tâches où les deux sont comparés. La question n'est plus de savoir ce que vaut Qwen3.8 Flash Next. Elle est de savoir ce que vaudra Qwen4, dont ce dépôt n'est que l'esquisse.
Ce que Qwen3.8 Flash Next apporte, en chiffres
Le modèle s'appelle Qwen3.8-Flash-Next. Son architecture combine des blocs Gated DeltaNet et une attention creuse maison, la Qwen Sparse Attention, qui travaille au niveau de micro-blocs plutôt que de tokens individuels. Quarante-huit couches, une couche d'embeddings n-grammes de 51 milliards de paramètres indexée sur les bigrammes et trigrammes, une couche de prédiction multi-tokens de 4 milliards.
Les résultats méritent qu'on s'y arrête. Sur chacun des quatre tests où la fiche officielle le confronte à Claude Opus 4.6, le modèle chinois passe devant.
| Benchmark | Qwen3.8-Flash-Next | Claude Opus 4.6 | Autres |
|---|---|---|---|
| SWE-bench Pro | 62,5 | 53,4 | DeepSeek-V4-Flash : 56,0 |
| SWE-bench Multilingual | 81,0 | 77,5 | Qwen3.7-Plus : 75,8 |
| CoWorkBench | 73,9 | 68,2 | DeepSeek-V4-Flash : 45,1 |
| AndroidWorld | 84,5 | 62,0 | Qwen3.8-27B : 81,9 |
| DeepSWE 1.1 | 58,7 | non comparé | DeepSeek-V4-Flash : 54,4 |
Deux réserves d'usage s'imposent : ces chiffres viennent de l'éditeur, pas d'un évaluateur indépendant, et le panel porte sur des tâches agentiques et de code, pas sur l'ensemble des capacités d'un assistant.
Le point remarquable n'est pas le score brut, c'est le rapport. Qwen3.7-Plus mobilise 397 milliards de paramètres au total et en active 17 par token. Le nouveau venu en active 6, sur un total de 125, et le dépasse. Presque trois fois moins de calcul par token, pour de meilleurs résultats.
Le contexte natif tient 262 144 tokens, extensible à un million. Pour un moteur de recherche documentaire d'entreprise, cette fenêtre change la façon dont on découpe les corpus.
L'open weight n'est pas l'open source
Voici la nuance que la plupart des commentaires vont écraser. Qwen3.8 Flash Next est publié sous licence qwen-community-1.0, pas sous Apache 2.0. Les deux ne se valent pas.
Ce que la licence autorise largement : utiliser, copier, modifier, redistribuer, vendre, héberger, affiner et produire des travaux dérivés. L'attribution ne devient obligatoire qu'au-delà de 100 millions d'utilisateurs actifs mensuels ou de 20 millions de dollars de revenus mensuels. Autant dire jamais, pour une PME wallonne ou bourguignonne.
Ce que la licence restreint : proposer le modèle en Model as a Service exige un accord séparé avec Qwen. Même chose pour un produit indépendant d'assistance au codage ou de bureautique. L'usage interne des dérivés reste libre.
Cette frontière décide de l'architecture. Elle sépare deux mondes.
D'un côté, l'exécution locale : le modèle tourne sur l'infrastructure de l'entreprise, sur ses propres documents, pour ses propres équipes. Aucune autorisation à demander, aucun compteur, aucune redevance. C'est le seul cas où la formule du colis sans douane est littéralement vraie.
De l'autre, la mutualisation : un éditeur qui héberge le modèle et en revend l'accès fait du Model as a Service, et doit négocier une licence séparée avec Qwen. La douane réapparaît à ce moment précis, sous forme de contrat.
C'est exactement la ligne que suit BrainDup depuis le premier jour. Le moteur se déploie chez le client, les documents ne sortent pas, le modèle s'exécute en local. Cette architecture n'a pas été choisie pour anticiper une clause de licence chinoise, elle l'a été pour la confidentialité des corpus. Mais elle produit ici un effet secondaire utile : elle place l'usage du côté libre de la frontière.
Restons précis sur les mots : ce modèle est open weight, il n'est pas open source au sens de l'Open Source Initiative. La distinction compte le jour où un juriste lit le contrat.
Six milliards actifs ne veulent pas dire petit serveur
Le piège est classique et il faut le désamorcer. Un modèle MoE n'active qu'une fraction de ses experts par token, mais il doit tous les charger en mémoire. Les 180 milliards de paramètres du modèle complet occupent environ 360 Go en BF16, et encore 90 Go quantifiés en 4 bits.
Les paramètres actifs gouvernent la vitesse d'inférence et le coût par token, pas l'empreinte mémoire. Une PME qui veut faire tourner Qwen3.8 Flash Next chez elle a besoin d'un serveur GPU sérieux, pas d'une tour sous un bureau. Le modèle promet un meilleur rendement à matériel constant, pas un miracle d'accessibilité.
Ce que nous allons tester dans BrainDup
Reste la conséquence pratique du statut de ce modèle : une prévisualisation expérimentale ne va pas en production. Nous attendons la version stable et officielle. Trois questions guideront alors le test dans BrainDup :
- La fidélité aux sources. Nos invariants imposent une réponse traçable jusqu'au document. Un modèle rapide qui invente une citation est disqualifié, quel que soit son score au benchmark.
- Le comportement en français. Les scores publiés portent sur du code et des questions scientifiques en anglais. Le corpus d'un cabinet ou d'une administration francophone est un terrain différent.
- Le coût réel par requête. Six milliards de paramètres actifs annoncent une facture d'inférence réduite. Nous la mesurerons sur nos propres corpus, avec notre propre matériel.
Conclusion
La Chine ne gagne pas cette manche en vendant du matériel, elle la gagne en donnant des poids. Et rappelez-vous ce qu'est ce modèle : une prévisualisation. Celui qui comptera s'appellera Qwen4, il n'est pas encore sorti, et ceci n'en est que le banc d'essai.
Retenez la condition, elle tient en une phrase : la gratuité vaut pour l'exécution locale, pas pour la revente d'accès. Lisez la licence avant de figer une architecture, parce que c'est l'architecture qui détermine de quel côté vous tombez.
Vous voulez savoir ce qu'un moteur souverain changerait pour vos documents internes ? Les formations The Next Takers traitent ces arbitrages sur des cas réels, et un échange avec notre équipe chiffre l'écart entre votre situation actuelle et une architecture maîtrisée.
Sources
Publié d'abord sur as3p.be, le site généraliste d'AS3P.