Les modèles à poids ouverts, ceux que l'on peut télécharger et exécuter soi-même, ont été dominés par les laboratoires chinois pendant la plus grande partie de 2026. Octobre a changé la donne. Après Muse Spark Open de Meta, deux autres sorties américaines sont arrivées la même semaine : la famille Nemotron 3.5 de Nvidia le 15 octobre, conçue pour des agents d'IA du data center jusqu'aux portables, et les poids téléchargeables de Beam de Reflection AI le 16 octobre, un modèle de 501 milliards de paramètres sous la licence permissive Apache 2.0.
Nvidia Nemotron 3.5 : des agents du serveur au portable
Les modèles ouverts de Nvidia sont faits pour être personnalisés : l'entreprise publie les poids avec les données et les recettes d'entraînement, afin que les entreprises puissent les réentraîner sur leurs propres données et les exécuter sur leur propre infrastructure. La version 3.5 compte trois membres.
Super VL
120B- Entrées
- texte et images, y compris PDF, tableaux, graphiques et pages web
- Tourne sur
- GPU de data center, cloud, stations DGX Station et RTX Pro
- Selon Nvidia, une précision proche de son plus grand modèle de raisonnement pour environ un cinquième de la taille
- Utilisé ou intégré par Salesforce, CrowdStrike, Perplexity, Atlassian, Ramp et EY
- Les chiffres de vitesse (jusqu'à 5 fois le débit des rivaux) sont ceux de Nvidia
Pour des agents qui traitent des documents d'entreprise.
Bolt 74B-A9B
24GB- Tourne sur
- un seul GPU RTX ou un DGX Spark
- Outils
- llama.cpp, Ollama, LM Studio, Unsloth, vLLM
- Quantification native sur 2 bits, qui laisse de la place aux autres applications
- Meilleur modèle ouvert de sa catégorie sur PinchBench, selon Nvidia
Pour un agent privé de recherche ou de code sur votre machine.
Bolt E4B
4GB- Tourne sur
- GeForce RTX, Jetson et appareils Spark
- Statut
- à venir, sans date pour l'instant
Pour des assistants vocaux locaux et des interfaces embarquées.
L'argument pour les entreprises, c'est le contrôle. Une banque ou un assureur peut prendre Super VL, l'entraîner sur ses dossiers de sinistres ou ses relevés, et garder chaque document dans son réseau. Nvidia cite l'analyse de documents, la comptabilité et les sinistres d'assurance, et affirme qu'une fois réentraîné pour une tâche précise, Super VL la termine plus vite que les grands modèles fermés. Ces comparaisons viennent de Nvidia et de ses partenaires : prenez-les comme point de départ de vos propres tests.
Reflection Beam : grand, ouvert et efficace
Reflection AI a annoncé Beam le 5 octobre et publié les poids sur Hugging Face le 16 octobre, en BF16, FP8 et NVFP4, avec un petit modèle « drafter » qui accélère la génération. C'est un modèle mixture-of-experts : 501 milliards de paramètres au total, mais seuls 23 milliards travaillent sur chaque token, ce qui le rend relativement économique à servir.
- Taille
- 501B au total, 23B actifs par token
- Contexte
- entraîné jusqu'à 256K, étendu à 1M de tokens
- Entrées
- texte uniquement
- Licence
- Apache 2.0, sans limite sur le fine-tuning, la distillation ou la fusion
- Entraînement
- 23,8 billions de tokens sur 6 144 GPU Nvidia GB300 en moins de quatre semaines
- Matériel pour l'auto-hébergement
- un nœud avec quatre GPU Nvidia B300, avec la version NVFP4 de 273 Gio
- Service
- Transformers, vLLM, SGLang, Unsloth, Axolotl et Nvidia Dynamo, plus l'API de Reflection
Plus c'est haut, mieux c'est. Chiffres de Reflection, 8 octobre 2026.
Reflection reconnaît que Beam n'est pas le modèle ouvert le plus fort : Kimi K3 reste devant en capacités brutes, et DeepSeek V4.1 Flash le bat sur certains tests de code de type agent. Ses atouts sont l'efficacité (Reflection affirme qu'il égale GLM-5.2 en raisonnement avec trois à quatre fois moins de calcul) et une licence Apache 2.0 sans ambiguïté. L'Intelligence Index indépendant d'Artificial Analysis lui attribue 30, 19e sur 120 modèles, tout en utilisant moins de tokens de sortie que la plupart.
Plus c'est haut, mieux c'est. Scores indépendants, mi-octobre 2026.
Quel modèle ouvert pour votre agent ?
- 1
Partez de l'endroit où il doit tourner
Un portable ou un seul GPU mène à Nemotron Bolt ; votre propre data center ouvre la voie à Super VL ou Beam ; au-delà, une API hébergée est plus simple.
- 2
Vérifiez la licence
L'Apache 2.0 de Beam est la plus simple pour un produit. Muse Spark Open et les modèles Nvidia ont leurs propres conditions : lisez-les avant de lancer.
- 3
Testez sur vos tâches
Les classements reflètent rarement vos documents ou votre SQL. Passez 30 à 50 exemples réels dans deux ou trois candidats.
- 4
Prévoyez le fine-tuning
Nvidia publie données et recettes ; Beam autorise tout fine-tuning. Les deux rendent réaliste un réentraînement sur vos données.
Testez vos connaissances
1/3Quel modèle Nemotron 3.5 est conçu pour tourner sur un seul GPU de 24 Go ?
La quantification native sur 2 bits fait tenir ses 74B paramètres dans 24 Go.
2/3Sous quelle licence Reflection a-t-il publié les poids de Beam ?
L'Apache 2.0 ne limite ni le fine-tuning, ni la distillation, ni la fusion.
3/3Quel matériel Reflection suggère-t-il pour auto-héberger Beam ?
Avec la version NVFP4 des poids, de 273 Gio.
Vous avez 0 bonne(s) réponse(s) sur 3.
D'autres modèles ouverts : Meta Muse Spark Open, Mistral Large 4 et DeepInfer et V4.1 Flash de DeepSeek. Pour le classement complet, lisez les meilleurs modèles d'IA d'octobre 2026.
Sources : l'annonce de Nemotron 3.5 par Nvidia, relayée par IT Brief et TechCrunch (octobre 2026) ; le billet « Introducing Beam » de Reflection AI (benchmarks mis à jour le 8 octobre 2026) et la sortie du modèle Beam 1.0 (16 octobre 2026) ; Artificial Analysis Intelligence Index v4.3.2. Les benchmarks des éditeurs sont leurs propres chiffres.
Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 21 octobre 2026. À propos