Les LLM open-weight à l'automne 2026 : MiMo, GLM-5.3, Kimi K3, Qwen 3.8, DeepSeek V4, Mistral, et qui peut vraiment les auto-héberger
En 2024, « open-weight » voulait dire un modèle de 70 Md de paramètres qui tournait sur deux GPU. À l'automne 2026, les meilleurs modèles open-weight comptent entre 550 milliards et 2,8 billions de paramètres, et les meilleurs d'entre eux se situent à environ 12 points de la pointe fermée sur l'indice d'Artificial Analysis. Ils sont gratuits à télécharger, pas à faire tourner. Ce guide trie le terrain selon ce qui compte pour une entreprise : capacités, licence et matériel nécessaire.
Le paysage en un coup d'œil
| Modèle | Total / actifs | Contexte | Licence | AA |
|---|---|---|---|---|
| Xiaomi MiMo-V2.6-Pro | 1,02 billion / 42 Md, MoE | 1M | MIT | 46 |
| Z.ai GLM-5.3 | 753 Md / 40 Md, MoE, attention clairsemée | 1M | Licence GLM-5.3 : revue de sécurité au-delà de 10 Md USD de CA | 45 |
| Moonshot Kimi K3 | 2,8 billions / 104 Md, MoE, texte + image + vidéo | 1M | Licence Kimi K3 (sur mesure) | 44 |
| Z.ai GLM-5.3-Flash | 320 Md / 18 Md, MoE | 1M | MIT | 42 |
| DeepSeek V4.1 Flash | 552 Md / ~16 Md, MoE, vision | 1,05M | MIT | 39 |
| Mistral Large 4 (préversion) | 1,05 billion / 49-52 Md, MoE, vision | 1M annoncé, 512K servi | pas encore publiée (poids fin octobre) | 38 |
| Qwen 3.8 Max (ouvert en 2.4T-A95B) | 2,4 billions / 95 Md, MoE | 1M (API) | Licence Qwen : mention du nom au-delà de 100M MAU ou 20M USD/mois | n.d. |
| DeepSeek V4 Pro | 1,6 billion / 49 Md, MoE | 1M | MIT | n.d. |
| NVIDIA Nemotron 3 Ultra | 550 Md / 55 Md, Mamba-2 + MoE + attention | 1M | OpenMDW-1.1 (poids, données, recettes) | n.d. |
| Qwen 3.8 27B | 27 Md dense, vision + vidéo | 262K | Apache 2.0 | 34 |
| Meta Muse Glimmer | 30 Md dense, vision | 131K | Apache 2.0 | 17 |
Trois constats. Les quatre premiers sont chinois (Xiaomi, Z.ai, Moonshot, DeepSeek). Les licences ne sont plus simples : MIT et Apache 2.0 côtoient des licences sur mesure avec des seuils de chiffre d'affaires ou d'utilisateurs. Et l'Occident répond autrement : NVIDIA publie poids, données d'entraînement et recettes, Meta revient à l'open-weight avec le petit Muse Glimmer sous Apache, et le Large 4 de Mistral à mille milliards de paramètres arrive fin octobre.
Licences : lire les seuils
Pour la plupart des PME et ETI européennes, ces seuils ne s'appliqueront jamais : ils visent les entreprises de plus de 10 milliards de dollars de chiffre d'affaires ou les produits de plus de 100 millions d'utilisateurs mensuels. Les grands groupes, et quiconque redistribue un modèle affiné, doivent les faire lire par le juridique. La licence de Mistral Large 4 reste inconnue ; la documentation dit seulement « Open ».
Matériel : les paramètres actifs n'économisent pas la mémoire
Un modèle Mixture-of-Experts calcule avec ses paramètres actifs mais les stocke tous. Le graphique donne l'ordre de grandeur de la mémoire GPU pour les seuls poids, avant le cache KV qu'exigent les contextes longs.
Règle empirique : pour un modèle de classe 1T, l'API de l'éditeur ou un fournisseur d'inférence européen coûte moins cher qu'un nœud dédié tant que vous ne servez pas des millions de tokens par heure en continu. L'auto-hébergement se justifie par la maîtrise des données, une latence prévisible et le fine-tuning, pas par une petite facture mensuelle.
Quel modèle ouvert pour quel objectif : matériel et licence
Columns: Jusqu'à 4 GPU | Nœud de 8 GPU ou plus — Rows: Licence permissive | Licence conditionnelle ou à venir
Commencer ici
- Qwen 3.8 27B, Gemma 4, Muse Glimmer (Apache 2.0)
- Mistral Small 4, gpt-oss-120b
- GLM-5.3-Flash (MIT)
Le plus fort sans friction juridique
- MiMo-V2.6-Pro (MIT)
- DeepSeek V4 Pro / V4.1 Flash (MIT)
- Nemotron 3 Ultra (OpenMDW)
Milieu de gamme européen
- Mistral Medium 3.5 (MIT modifiée, 4 GPU)
- Devstral 2 (plafond de revenus)
Lire la licence d'abord
- GLM-5.3
- Kimi K3
- Qwen 3.8 Max
- Mistral Large 4 (licence à venir)
Le banc européen de l'open-weight
Mistral AI
Large 4 (1,05 billion, préversion, poids fin octobre) ; Medium 3.5 (128 Md dense, MIT modifiée, quatre GPU, 77,6 % sur SWE-bench Verified selon Mistral) ; Small 4 (MoE de 119 Md, 6,5 Md actifs, Apache 2.0, fusion de Magistral, Pixtral et Devstral) ; Ministral 3 ; Voxtral ; OCR 4.1.
Aleph Alpha Kolibri-1
3 octobre 2026. MoE de 78 Md dont environ 3,5 Md actifs, raisonnement allemand-anglais, contexte de 1M, Apache 2.0, entraîné de zéro en Allemagne et en Finlande en pensant à l'AI Act et au RGPD.
H Company Holo4
28 septembre 2026. Modèles d'agents qui utilisent l'ordinateur : un modèle dense de 27 Md annoncé à 85,2 % sur OSWorld et un MoE 35B-A3B sous Apache 2.0.
En résumé
Les poids ouverts en 2026 donnent la maîtrise, pas des économies par défaut. Choisissez d'abord par la licence, ensuite par le budget matériel, enfin par les benchmarks. Pour un déploiement sur un seul GPU, Qwen 3.8 27B, Gemma 4 et Mistral Small 4 sont les choix pratiques ; pour le modèle ouvert le plus fort, MiMo-V2.6-Pro sous MIT ; pour une pile européenne, Mistral Medium 3.5 aujourd'hui et Large 4 dès que sa licence sera publique. Comparez-les aux modèles fermés dans notre comparatif d'octobre 2026.
Sources : fiches modèles Hugging Face (zai-org, moonshotai, nvidia, mistralai), annonces des éditeurs, classement open-weight d'Artificial Analysis v4.3.2, consultés le 8 octobre 2026. Les chiffres de mémoire sont des estimations à partir du nombre de paramètres.