Le 12 août 2026, Alibaba a mis en ligne les poids de Qwen3.8-Max, un modèle MoE de 2,4 billions de paramètres, sous une licence maison à seuils de revenus plutôt que sous Apache 2.0. Avant de déployer, lisez les clauses : le checkpoint est textuel et la revente au-delà d’un seuil devient payante.
Cohere publie North Small Translate 1.0, un modèle de traduction à 218 milliards de paramètres dont les poids sont téléchargeables sous licence CC BY-NC 4.0, mais pas exploitables en production sans contrat commercial. L’épisode confirme une bascule : les poids ouverts ne riment plus avec licence ouverte.
OpenBMB a publié MiniCPM5-2B, un modèle dense de 2,5 milliards de paramètres sous licence Apache-2.0, qui atteint 53,9 de moyenne et devance tous les modèles ouverts 4B de son comparatif, en publiant intégralement ses données d’entraînement UltraData. Si vous déployez de l’IA locale ou embarquée, ce modèle change le calcul coût-capacité.
NVIDIA a annoncé le 3 septembre 2026 l’acquisition de Hugging Face pour 12,93 milliards de dollars, en promettant de préserver la plateforme ouverte et le multi-cloud. Si vous construisez sur des modèles open weight, c’est l’engagement écrit de Jensen Huang — pas l’annonce — qu’il faut surveiller dans la durée.
Le 2 septembre 2026, Meta publie Muse Spark 1.3, quatrième mouture en cinq mois, optimisée pour les tâches agentiques et le code : 20 % d’appels d’outils en moins, 25 % de tokens en moins, et un meilleur calibrage des actions irréversibles. C’est un changement de cap : la valeur d’un agent se mesure désormais à son coût, pas au seul score de benchmark.
Le 13 août 2026, DeepSeek a fait passer V4-Pro en disponibilité générale et publié ses poids sur Hugging Face sous licence MIT. Les benchmarks indépendants le classent troisième mondial, mais à trois points seulement de son petit frère V4-Flash.
Le 27 août 2026, Alibaba a publié les poids ouverts de Qwen3.8-Flash-Next, un modèle de 125 milliards de paramètres qui n’en active que 6 milliards par token. C’est l’aperçu public de l’architecture Qwen4, fondée sur l’attention sparse et une table d’embeddings N-gram déportable en RAM ou sur SSD.
Le 28 août 2026, Tencent a déposé Hy4 preview sur Hugging Face : un modèle mixture-of-experts de 770 milliards de paramètres, dont 49 milliards seulement s’activent par requête, taillé pour l’ingénierie logicielle, la recherche et la finance. Ce n’est pas la taille qui compte, c’est le signal qu’un poids ouvert sert désormais de canal de distribution.
Le 11 août 2026, NVIDIA a publié Nemotron 3.5 Lightning, un modèle MoE ouvert de 31,6 Md de paramètres (3,6 Md actifs) qui atteint l’Intelligence Index d’un modèle 120B tout en servant près de 670 tokens par seconde. Pour les charges agentiques à fort volume, c’est un levier concret de réduction de coût.
Le 14 août 2026, Z.ai publie GLM-5.3, un modèle à poids ouverts dont la capacité cyber a doublé par le seul post-entraînement, sans changer de modèle de base. Les poids sortent dans deux semaines — anticipez ce que cela change pour vos équipes offensives et défensives.
Google DeepMind a publié le 5 août 2026 Gemma 3, un modèle de 27 milliards de paramètres en open weights sous licence Apache 2.0, avec une fenêtre de contexte d’un million de tokens et une version 7B qui surpasse Llama 4 8B sur MMLU-Pro. Si vous hésitez entre Llama et Gemma pour votre prochain déploiement, le choix vient de se simplifier.
