Aller au contenu principal
← Retour aux actualités

Qwen lance Qwen3.8-Omni-Flash : un modèle omnimodal avec contexte de 1M

Nouveaux modèles
Source:Qwen (Alibaba) Blog
L'équipe Qwen d'Alibaba a publié Qwen3.8-Omni-Flash, un modèle natif omnimodal qui gère texte, images, audio et vidéo ensemble, avec une Fenêtre de contexte d'un million de tokens. Il est construit autour des capacités agent : il planifie les tâches, appelle les outils et produit des contenus audiovisuels finis. La famille Qwen continue de grandir juste pendant que ce guide l'analyse pour l'usage local.
Lire l'article original

Articles connexes

Qwen-Image 2.1 : générer et éditer des images en local

Le modèle open de 7B de Qwen qui génère, édite et crée des images transparentes : comment le faire tourner en local avec diffusers et ComfyUI.

Qwen : le modèle open au meilleur support multilingue

Qwen est la famille open au meilleur support pour le français et l'italien : générations, tailles, MoE, quand l'utiliser et comparaison rapide avec Llama.

Comment Choisir Votre Premier Modèle d'IA Locale

Les trois critères pour choisir votre premier modèle local : usage, mémoire (avec la formule exacte) et contexte. Modèles conseillés pour 8, 16 et 24 Go, et votre premier modèle en deux commandes.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.

Ressources liées

Outils et ressources des archives iaLocale pertinents pour ce contenu.

Kandinsky 6.0 Video

Modèles

Les modèles fondateurs de Kandinsky Lab pour la génération synchronisée de vidéo et d'audio : à partir d'un prompt, ils génèrent des clips vidéo avec audio aligné, publiés en poids ouverts. Premier papier de la journée sur Hugging Face (2026-10-06), avec points de contrôle et Spaces déjà disponibles.

🎨

Qwen-Image 2.1

Modèles

Modèle open-weight de 7B (DiT de 32 couches) qui unifie génération à partir de texte jusqu'à 2048x2048, édition avec jusqu'à 10 images de référence et transparence RGBA native. Pensé pour tourner en local sur 16Go+ de VRAM ; supporté par diffusers et ComfyUI.

⚡

faster-whisper

Inférence

Réimplémentation de Whisper basée sur CTranslate2 : jusqu'à 4 fois plus rapide qu'openai/whisper avec la même précision et moins de mémoire. Prise en charge de la quantification 8-bit sur CPU et GPU.

🎵

Kokoro-82M

Modèles

Modèle de synthèse vocale de 82M de paramètres sur architecture VITS, Apache-2.0 pour les poids, avec des voix dans des dizaines de langues et une qualité surprenante pour sa taille. Tourne efficacement même uniquement sur CPU.

Parcourir toutes les ressources