Poids ouverts, questions ouvertes : ce que le dernier mois de sorties révèle

Mozilla a publié la version 1,1 de son rapport State of Open Source AI le 15 septembre, sur la base de données arrêtées au 1er septembre, selon Tom's Hardware. Le résultat principal : le meilleur modèle ouvert accusait un retard de trois points sur le leader fermé de l'Artificial Analysis Intelligence Index, pour 60 % du prix, et de deux points sur Claude Fable 5, pour 30 %. L'estimation de Mozilla sur les données METR task-horizon situe l'écart entre ouvert et fermé à environ 4,4 mois, en ligne avec l'estimation de quatre mois d'Epoch AI.

C'est un écart réduit. Il est également mesuré d'une manière très spécifique.

Ce que le chiffre de quatre mois mesure réellement

Ce chiffre repose sur METR, un organisme de recherche à but non lucratif qui évalue les modèles selon la durée des tâches, en temps de travail humain, qu'ils accomplissent la moitié du temps. Selon l'estimation ajustée de Mozilla, les modèles fermés gèrent des tâches qui prennent 8 à 12 heures aux experts humains. Les modèles ouverts atteignent ce niveau environ quatre mois plus tard. Mozilla calcule que la capacité des modèles ouverts double tous les 3,9 mois, contre 5,5 mois pour les modèles fermés. Le rapport s'appuie sur une enquête Mozilla/SlashData auprès d'environ 1 400 développeurs, ainsi que sur les données de trafic OpenRouter et des indices de référence tiers, a rapporté Tom's Hardware. Mozilla est l'organisme à but non lucratif derrière Firefox et un défenseur des modèles ouverts : TIME a rapporté le 14 juillet que le directeur des technologies de Mozilla, Raffi Krikorian, a décrit le rapport comme partiellement un plaidoyer.

Une deuxième réserve se cache dans la méthodologie. L'écart de quatre mois et le chiffre de 30 % du prix des jetons sont mesurés d'API à API sur des points de terminaison hébergés et au prix du catalogue. C'est une comparaison de la manière dont deux catégories de modèles sont vendues, pas seulement de ce qu'ils peuvent faire.

Le graphique du matériel du rapport affine le propos. Le meilleur modèle ouvert qui tient sur un seul serveur obtient un score de 52,6 ; le meilleur qui tient sur une seule GPU obtient 40. La baisse depuis le sommet est de 10 et 23 points respectivement, un écart plus grand que les quatre mois rapportés. Le point de contrôle MXFP4 natif de Kimi K3 pèse environ 1,56 To répartis sur 96 fragments, et la configuration de service de Mozilla liste 64 accélérateurs ou plus, tandis que vLLM exige au moins huit GPU GB300, avec plusieurs nœuds pour le trafic de production. Le rapport décrit cela comme ouvert mais non exécutable par la plupart de ceux qui le détiennent. Tom's Hardware a situé le besoin de mémoire près de 1,5 To en juillet. Un contre-exemple dans le rapport est Inkling-Small de Thinking Machines, sous licence Apache 2.0, dont la version NVFP4 tient sur un B300 avec un plancher de 180 Go.

Ainsi : téléchargeable, oui. Pratique pour une petite équipe, parfois non.

Les benchmarks bon marché et proches

Mozilla a également tracé les résultats de Terminal-Bench 2.1 de vals.ai, qui font passer chaque modèle par le même harnais, la couche logicielle qui offre ses outils à un modèle. Sur ce tableau, GLM-5.2 de Z.ai a obtenu un score à un point de Claude Opus 4,7 et environ quatre points derrière Opus 4,8, à moins d'un cinquième du coût par test. Sur OpenRouter, une place de marché qui achemine le trafic des développeurs vers des centaines de modèles, Mozilla a compté huit des dix meilleurs modèles par volume de jetons d'août comme des poids ouverts, sept d'entre eux construits en Chine. Les fournisseurs fermés ont néanmoins capté 96 % des revenus de la couche modèle sur OpenRouter de mai à septembre 2025, selon la Linux Foundation.

Krikorian a déclaré à Ars Technica par e-mail que Mozilla considère la décision de payer pour les modèles fermés comme spécifique à la charge de travail plutôt qu'à l'organisation.

Les données s'arrêtent au 1er septembre, et les tableaux ont bougé depuis. Artificial Analysis a décalé son index vers v4.3 avec un ensemble d'évaluation différent ; le tableau en direct affiche Claude Fable 5.1 à 53 sur son réglage d'effort le plus élevé avec Kimi K3 à 44, des chiffres non comparables aux chiffres de v4.1.1 tracés par Mozilla. Le tableau Terminal-Bench 2.1 de vals.ai, mis à jour le 11 septembre, est mené par GPT-6 Astra à 87,27 % avec Fable 5.1 à 85,02 %. La légende du graphique de Mozilla elle-même lit : « l'écart se réinitialise à chaque cycle de sortie ».

K3 porte également une allégation détaillée dans le conseil conjoint NSA/CISA/FBI AA26-251A du 8 septembre. L'affirmation, que le rapport de Mozilla présente comme « affirmée, et non démontrée », est que Moonshot a extrait des données de Claude Fable 5 pour entraîner K3 par distillation, la pratique d'entraîner un modèle sur les sorties d'un autre modèle. Le 17 juillet, Artificial Analysis avait K3 à 57 contre 60 pour Fable 5 ; le 1er septembre, Mozilla l'avait deux points en retard.

Les poids ouverts ne sont pas du code source ouvert, et cette distinction fait son travail

L'Open Source Initiative a utilisé ce moment pour tracer une ligne. Dans un post du 19 septembre, OSI a argumenté que les modèles à poids ouverts vous permettent d'exercer certaines des quatre libertés logicielles, la liberté d'utiliser, d'étudier, de modifier et de partager sans demander la permission au détenteur des droits, mais pas toutes, et seulement dans une certaine mesure. Un modèle se compose de trois composants : les données d'entraînement, les poids et paramètres, et le code pour la préparation des données et l'entraînement. Les poids ouverts ne libèrent que le milieu.

Avec les poids ouverts, vous pouvez choisir d'exécuter un modèle localement, en payant uniquement l'électricité et le matériel, ou vous pouvez travailler avec un prestataire tiers pour l'héberger. Vous pouvez également affiner le modèle avec vos propres données.

L'exemple d'OSI pour l'alternative est Olmo d'Ai2, publié comme Open Source AI, qui a permis aux chercheurs d'injecter de nouvelles informations dans les données d'entraînement et d'observer comment le modèle les mémorisait ou les oubliait. Le rapport de Mozilla compte 16 sorties notables ouvertes, mais Tom's Hardware note qu'aucune ne livre la recette de données exigée par la définition de l'Open Source Initiative. OSI évalue la valeur côté demande de l'écosystème Open Source à 8 800 000 000 000 dollars.

Ce cadrage compte pour la politique, mais il ne tranche pas si les poids ouverts sont utiles. Ils le sont manifestement, dans des tâches étroites.

Petits modèles, tâches spécifiques

Superwhisper a sorti S1-mini, un normalisateur de texte de 0,6B paramètres pour la sortie de la transcription vocale, affiné à partir de Qwen/Qwen3-0.6B et sous licence Apache 2.0 avec une clause de nommage. Il prend une transcription brute ASR et la réécrit en texte écrit propre : remplisseurs supprimés, fausses démarrages résolus, ponctuation appliquée, nombres et dates parlés rendus sous forme écrite. Sur un ensemble retenu de 7 519 cas anglais, il atteint une précision de jetons de 94,8 %, et la construction quantifiée est un fichier de 462 Mo qui tourne sur le CPU d'un ordinateur portable. La carte du modèle est inhabituellement franche sur la portée : ce n'est pas un modèle de chat, ne suivra pas des instructions générales, couvre uniquement l'anglais, et s'attend à une ligne de contrôle en haut de l'entrée. Son nombre de paramètres est aussi une petite leçon pour lire les cartes de modèles : la barre latérale du Hub rapporte 0,8B, mais la carte explique que lm_head.weight est stocké comme une copie matérialisée de l'intégration d'entrée, si bien que l'intégration de 155,6M paramètres est comptée deux fois, 752 éléments de tenseur contre 596 paramètres uniques.

Un deuxième exemple vient d'une note de pratique, pas d'un vendeur. James Cruce a décrit le 22 septembre le remplacement d'un routeur déterministe dans son propre système d'agent par Laya, un modèle de décision typée à poids ouverts de convaiinnovations avec environ 421 000 000 paramètres, un encodeur ModernBERT-large et une limite de 1 024 jetons. Il renvoie des réponses typées, un choix parmi des options nommées, un score sur une échelle ordonnée, ou une probabilité pour une affirmation binaire, plutôt qu'une prose à parser. Il l'a choisi plutôt que Jev hébergé de TypeSafe, qui liste 0,042 $ par million de jetons d'entrée sans frais de jetons de sortie et gère des choix avec jusqu'à 255 options, parce qu'il voulait des décisions de routine tournant localement sur un Mac Studio avec un M3 Ultra et 256 Go de mémoire unifiée. Il est explicite que c'est un déploiement unique : il n'a pas testé si Laya bat Jev en général, et il traite le modèle comme un recommandateur dans un programme, jamais comme une source de permission ou de vérité. La carte du modèle avertit qu'il est trop confiant et a besoin d'une calibration spécifique au domaine.

Ce sont les cas où les poids ouverts cessent d'être un argument géopolitique pour devenir un choix d'ingénierie. Un normalisateur de 462 Mo et un modèle de décision de 421 M ne sont pas des systèmes de pointe. Ils sont aussi le genre de chose qu'une équipe peut épingler, exécuter hors ligne et auditer sans un appel d'approvisionnement.

La question du droit d'auteur reste irrésolue

La recherche la plus consequential sur les poids ouverts de l'année dernière concerne ce qui est à l'intérieur des poids. Un papier par A. Feder Cooper, Mark A. Lemley et sept co-auteurs, d'abord soumis le 18 mai 2025 et révisé jusqu'au 20 juillet 2026, mesure la mémorisation de livres à travers 200 titres et 14 LLM à poids ouverts, à travers plus de 3 000 expériences. L'abstrait énonce que la plupart des LLM ne mémorisent pas la plupart des livres, ni en entier ni en partie, mais qu'il y a des exceptions notables. Llama 3.1 70B mémorise entièrement certains livres, y compris Harry Potter à l'école des sorciers ; les auteurs écrivent qu'on peut extraire déterministiquement le livre entier presque mot pour mot en utilisant les premiers mots du livre comme prompt initial.

Le cadrage du papier est délibérément inconfortable pour les deux côtés des combats sur le droit d'auteur. Il énonce que les demandeurs et les défendeurs font des affirmations opposées et générales qui simplifient dramatiquement la relation entre mémorisation et droit d'auteur, et que ses résultats ont des implications significatives pour les affaires de droit d'auteur, bien que pas de manière à favoriser clairement l'un ou l'autre côté. Le papier a été accepté à COLM 2026.

Mettez les deux brins ensemble et le tableau du mois est moins net que ce que les deux camps veulent. Les poids ouverts sont assez proches de la pointe sur les benchmarks agrégés pour repricer beaucoup de travail, et radicalement moins chers sur certains d'entre eux. Ils sont souvent trop grands pour être servis sans un rack. Ils ne sont pas du code source ouvert selon la définition utilisée par une grande partie de la communauté. Ils peuvent contenir du texte verbatim de livres que personne n'a licenciés. Et un modèle de 0,6B qui nettoie la dictée fait exactement ce qu'il dit.

La légende de Mozilla elle-même peut être la ligne la plus honnête du rapport : l'écart se réinitialise à chaque cycle de sortie.