Qwen3.8-Max et Kimi K3 défient les abonnements IA américains

Qwen3.8-Max, symptôme d’une bascule vers les modèles locaux

Publié sur qwen.ai sous le titre « Qwen3.8-Max: A New Bar for Coding and Cowork », l’article a recueilli 1 113 points et 609 commentaires en trois jours sur Hacker News. Les informations publiées ne détaillent pas l’architecture ni la licence exacte de Qwen3.8-Max : le fil de discussion porte surtout sur la génération précédente, Qwen3.6, présentée par plusieurs utilisateurs comme la meilleure alternative locale du moment.

Un utilisateur, nozzlegear, résume le phénomène : « Qwen3.6-35B is my daily driver for AI, and what convinced me to cancel my Claude subscription back in April. » Un autre témoignage, celui de trollbridge, décrit comment un collègue sceptique a fini par faire tourner Qwen-3.6-35B-A3B sur une carte graphique RTX 5090 qui ne servait à rien, via le harnais OpenCode, avant qu’une partie des usages ne bascule vers un autre modèle ouvert, DS-V4-Flash-0731.

Un commentateur, toshinoriyagi, avance qu’une version Qwen3.8-27B doit sortir en poids ouverts la semaine suivante. Cette information provient d’un commentaire de forum et n’est confirmée par aucune source officielle de l’éditeur du modèle : elle doit être lue comme une anticipation d’utilisateur, pas comme une annonce arrêtée.

Kimi K3 : un poids ouvert qui talonne Claude et GPT sur les benchmarks

Le cas le plus documenté dans les informations publiées est celui de Kimi K3, publié par Moonshot AI. Le modèle est décrit comme open-weight et multimodal, agentique nativement, avec 2,8 mille milliards de paramètres au total, dont 104 milliards activés à chaque requête grâce à une architecture MoE (Mixture-of-Experts) répartie sur 93 couches. Sa fenêtre de contexte atteint 1 048 576 tokens, et il intègre un encodeur visuel natif, MoonViT-V2.

Les poids sont publiés sous la Kimi K3 License, qui autorise la recherche, le déploiement et les développements dérivés. Le modèle est accessible via une API compatible OpenAI et Anthropic sur platform.kimi.ai, ainsi que via Cloudflare Workers AI en tant que modèle tiers : la tarification précise n’est consultable que dans le tableau de bord Cloudflare, les sources ne fournissant pas de chiffre. Pour l’inférence, l’éditeur recommande les moteurs vLLM, SGLang et TokenSpeed, avec une quantification native MXFP4/MXFP8 destinée à élargir la compatibilité matérielle.

Le poids ouvert ne signifie pas application gratuite pour l’utilisateur final : sur l’App Store américain, l’application grand public Kimi propose des achats intégrés allant de 19 dollars à 199 dollars, avec des forfaits annuels pouvant atteindre 1 999 dollars. Cette tarification, en dollars et taxes américaines, concerne l’application mobile de Moonshot AI, pas l’usage des poids du modèle en propre.

Sur une série de benchmarks publics, Kimi K3 se positionne au niveau ou très proche des modèles propriétaires américains les plus récents.

Même les États-Unis répondent : le cas Thinking Machines Lab

La pression ne vient pas seulement de Chine. Thinking Machines Lab, fondée en février 2025 par Mira Murati, ancienne directrice technique d’OpenAI, et valorisée 12 milliards de dollars lors d’un tour de financement de 2 milliards de dollars mené par Andreessen Horowitz (avec Nvidia, AMD, Cisco et Jane Street parmi les investisseurs), a publié son propre modèle en poids ouverts, Inkling, le 15 juillet 2026, sous licence Apache. Le modèle a été partiellement entraîné avec des données issues de Kimi K2.5, un modèle antérieur de Moonshot AI.

Plusieurs médias cités par Wikipédia ont décrit Inkling comme une alternative américaine aux modèles à poids ouverts existants, en soulignant que les modèles à poids ouverts les plus compétitifs de l’époque étaient majoritairement développés par des acteurs chinois. Une version réduite, Inkling Small, comptant 276 milliards de paramètres et présentée comme d’une performance comparable, a suivi le 31 juillet 2026.

Ce que l’auto-hébergement coûte vraiment à une organisation

Le matériel et la quantification, un budget caché

Sur Hacker News, un utilisateur, Aurornis, témoigne avoir fait tourner Qwen3.6-27B et 35B sur 32 Go de mémoire locale pour des tâches non liées au code, en laissant le modèle travailler toute la nuit. Il précise toutefois que la qualité du code généré reste insuffisante avec les versions quantifiées testées, et que le calcul économique ne tient pas face aux API hébergées, sauf lorsque la contrainte impose que les données ne sortent pas du réseau local.

Un échange plus vif sur le même fil illustre le coût caché d’un déploiement local : choisir entre ollama, llama.cpp ou mlx, trouver la version quantifiée adaptée à son matériel, calibrer la taille de la fenêtre de contexte, puis mettre en place un harnais logiciel compatible, avant d’ajouter, si besoin, des outils de recherche web ou de traitement d’image. Rien de tout cela n’est impossible, mais rien n’est gratuit non plus en temps d’ingénieur.

Les délais internes pèsent autant que la technique

Un autre commentateur, jurgenburgen, rappelle une réalité propre aux organisations : avant même la question technique, il faut compter des mois d’attente pour que la sécurité valide l’outil, que le juridique donne son accord et que les achats terminent leur procédure, à moins de s’appuyer sur du matériel déjà disponible dans les équipes. Pour une DSI française, cette remarque vaut autant pour un modèle ouvert auto-hébergé que pour un abonnement API étranger.

Poids ouverts et souveraineté : deux questions distinctes

Les informations publiées ne permettent pas d’affirmer qu’un modèle en poids ouverts garantit, par construction, une meilleure maîtrise des données pour une entreprise française. Qwen, Kimi K3 et Inkling sont développés respectivement par l’écosystème Qwen, par Moonshot AI (Chine) et par Thinking Machines Lab (États-Unis) : aucun de ces acteurs n’est français ni européen. La licence des poids détermine ce que l’on a le droit de faire du modèle (le déployer, le modifier, l’intégrer), pas l’endroit où tournent les serveurs qui l’exécutent.

Une DSI qui télécharge les poids de Kimi K3 et les fait tourner sur une infrastructure hébergée en France maîtrise la localisation de ce traitement précis. Mais elle reste seule responsable de la conformité du reste de la chaîne : journalisation, sauvegardes, gestion des accès, sous-traitants éventuels. À l’inverse, une entreprise qui continue de payer un abonnement à un modèle propriétaire américain sait au moins où celui-ci est hébergé, même si ce n’est pas en France.

Entre ces deux extrêmes, des plateformes françaises comme Moon AI proposent un abonnement unique donnant accès à plus de 100 modèles, dont des variantes de la famille Qwen, sans que l’utilisateur ait à gérer lui-même des GPU ou des quantifications. L’application et le stockage sont hébergés chez OVHcloud, à Strasbourg et Roubaix. Un mécanisme nommé Moon Blur remplace les données personnelles par des jetons avant l’envoi aux modèles tiers, puis les rétablit au retour : le procédé étant réversible, il s’agit d’une pseudonymisation au sens de l’article 4, point 5, du RGPD, pas d’une anonymisation. Les requêtes adressées aux modèles tiers partent bien, après cette pseudonymisation, vers les infrastructures de leurs fournisseurs respectifs, qui ne sont pas nécessairement situées en France.

Cette nuance vaut pour toute solution qui agrège des modèles étrangers, ouverts ou propriétaires : la pseudonymisation réduit l’exposition des données personnelles identifiantes, elle ne rend pas le traitement local par nature.

Comparer les modèles sans confondre licence, gratuité et performance

Questions fréquentes

Qwen3.8-Max est-il disponible en poids ouverts ?

Les sources ne le confirment pas pour Qwen3.8-Max lui-même. Un commentaire de forum évoque une version Qwen3.8-27B publiée en poids ouverts, mais cette information n’a pas été vérifiée auprès d’une source officielle de l’éditeur.

Peut-on faire tourner Kimi K3 sur l’infrastructure d’une entreprise ?

Techniquement oui : les poids sont publiés sous la Kimi K3 License et des moteurs d’inférence (vLLM, SGLang, TokenSpeed) sont recommandés, avec une quantification MXFP4/MXFP8 pour réduire l’empreinte matérielle. Mais le modèle compte 2,8 mille milliards de paramètres au total, dont 104 milliards activés, ce qui suppose une infrastructure conséquente même en version quantifiée.

Un modèle open weight coûte-t-il vraiment moins cher qu’un abonnement Claude ou GPT ?

Cela dépend de l’usage. Sur Hacker News, plusieurs utilisateurs décrivent des usages personnels ou professionnels où le seul coût résiduel est celui de l’électricité, une fois le matériel amorti. Mais un autre témoignage souligne que, pour du code de production, le calcul économique ne tient pas toujours face à une API hébergée, sauf contrainte explicite de confidentialité des données.

La souveraineté se résume-t-elle au choix d’un modèle ouvert ?

Non. Aucun des modèles cités dans cet article, Qwen, Kimi K3 ou Inkling, n’est développé par une entreprise française. La licence des poids conditionne ce que l’on peut faire du modèle, pas la localisation des serveurs qui l’exécutent ni la conformité de l’ensemble de la chaîne de traitement des données.