Alibaba vient de lancer Qwen3.6 sous licence open source. 35 milliards de paramètres au total. 3 milliards actifs par inférence. Les résultats des benchmarks : > SWE-bench Verified : 73,4. Contre 17,4 pour Gemma4-26B-A4B de Google. > Terminal-Bench 2.0 : 51,5. Gemma4-31B dense atteint 42,9. > GPQA Diamond : 86,0. MMLU-Pro : 85,2. En vision par ordinateur, Alibaba affirme une parité avec Claude Sonnet 4.5 sur la plupart des benchmarks multimodaux, avec une supériorité en intelligence spatiale. Vous avez une idée de l’ampleur de cela ? Nous parlons d’un modèle OPEN SOURCE, LOCAL, qui s’approche des performances de modèles beaucoup plus grands et plus coûteux. Un modèle de 3 milliards d’actifs fonctionne sur du matériel grand public. Une seule GPU grand public avec une quantification adéquate suffit pour héberger le modèle entier. Pas besoin de cluster, pas besoin de H100, pas besoin de budget CAPEX. Et il offre des performances en codage agentique comparables à des modèles denses 10 fois plus grands en paramètres actifs. Cela change complètement la mathématique. Pour ceux qui construisent aujourd’hui sur des APIs fermées, la question a changé. Il ne s’agit plus de savoir si les modèles ouverts rattraperont les modèles fermés en capacité. Mais combien de temps avant que l’hébergement local d’un modèle de 3 milliards d’actifs devienne moins cher que le prix de l’API du fournisseur fermé équivalent. La réponse vient de devenir bien plus courte.