Aller au contenu principal

Blog

Articles, guides et analyses sur l'intelligence artificielle locale

7 articles trouvés per "open-weight"

Qwen3.8-2.4T-A95B : les comptes pour faire tourner 2,4 billions de paramètres open-weight, 95B actifs
ModèlesAvancé

Qwen3.8-2.4T-A95B : les comptes pour faire tourner 2,4 billions de paramètres open-weight, 95B actifs

Le premier modèle de la classe Qwen-Max en open-weight (2,4T de paramètres, 95B actifs) dépasse tout nœud grand public : calculs sur poids, matériel multi-nœud, amortissement sur 36 mois et coûts d'électricité, et quand ça a du sens en local.

iaLocale Team
22 novembre 2026
Mistral Large 4 en open-weight : un MoE de 1T (52B actifs) pour l'inférence on-premise
ModèlesIntermédiaire

Mistral Large 4 en open-weight : un MoE de 1T (52B actifs) pour l'inférence on-premise

Mistral a publié Large 4 en open-weight (1,03T au total, 52B actifs, 1M de contexte, licenza open-weight) : un article qui apprend à lire les spécifications MoE et à faire les calculs de RAM, de quantification et de vitesse pour l'inférence on-premise.

iaLocale Team
14 novembre 2026
Agents d'entreprise avec des modèles open-weight : le rapport Gartner sur les coûts, les calculs et la règle des 90 %
ComparaisonsIntermédiaire

Agents d'entreprise avec des modèles open-weight : le rapport Gartner sur les coûts, les calculs et la règle des 90 %

Le rapport Gartner (novembre 2026): 90% des étapes agentiques d'un agent d'entreprise sur modèles open-weight, au coût d'un cinquième du frontier. Les trois chiffres clés, les prérequis et quand cela vaut vraiment la peine.

iaLocale Team
12 novembre 2026
Agents sur téléphone : ce que les mobile agents ouverts apportent vraiment (après OpenMobile-2)
Cas d’usageIntermédiaire

Agents sur téléphone : ce que les mobile agents ouverts apportent vraiment (après OpenMobile-2)

OpenMobile-2 ouvre les environnements et recettes de training des agents mobiles, et LFM3-1.7B montre qu'un agent de 1,7 GB tourne déjà sur téléphone : chiffres, exigences minimales et limites honnêtes.

iaLocale Team
5 novembre 2026
D'où apprennent les modèles locaux : les poids ouverts expliqués sans fumage
Les basesDébutant

D'où apprennent les modèles locaux : les poids ouverts expliqués sans fumage

Le modèle ne se raccroche pas à internet pour ses capacités : il les a absorbées une fois au pré-entraînement et il les exécute sur votre matériel. Poids ouverts ne veut pas dire données ouvertes, et les modèles viennent de beaucoup de labs.

iaLocale Team
27 octobre 2026
Ling 3.1 Flash : 560B open-weight sous licence MIT, contexte de 1M — ce que ça change si vous avez 24 Go de VRAM
ModèlesIntermédiaire

Ling 3.1 Flash : 560B open-weight sous licence MIT, contexte de 1M — ce que ça change si vous avez 24 Go de VRAM

Ling 3.1 Flash d'inclusionAI : MoE hybride 560B totaux / 25B actifs, contexte natif 1M tokens, checkpoint FP8, licence MIT. Concrètement, pour 24 Go de VRAM : quantifications, parallélisme et coûts API.

iaLocale Team
19 octobre 2026
Kolibri d'Aleph Alpha : le MoE de 78B qui tourne (presque) en local
ModèlesIntermédiaire

Kolibri d'Aleph Alpha : le MoE de 78B qui tourne (presque) en local

Kolibri (78,1B/3,46B, Apache 2.0, FP8) d'Aleph Alpha est le MoE européen open-weight : raisonnement, tool calling et contexte jusqu'à 1M de tokens. En FP8 il pèse ~78 Go de VRAM : il tourne sur RTX 5090 32GB + mémoire partagée ou sur Mac à mémoire unifiée ; pour une adoption pratique il manque encore l'architecture kolibri1 dans llama.cpp et les builds d'Ollama/LM Studio.

iaLocale Team
18 octobre 2026