Alibaba a présenté Qwen 3.8 en preview : 2,4 billions de paramètres, multimodal (images, vidéos, documents), premiers accès via Token Plan, Qoder et QoderWork à 10% du prix standard. Les poids ouverts arriveront « bientôt ». L’équipe Qwen déclare que le modèle est « deuxième seulement après Fable 5 » et surpasse Qwen 3.7-Max en coding, développement full-stack, analyse de données et workflows bureautiques. Aucun benchmark publié.

Comme nous l’avions raconté le 17 juillet avec Kimi K3 de Moonshot AI, les modèles open-weight chinois compressent l’écart avec le tier frontier à une vitesse qui change les décisions de qui lit. Si en début d’année l’écart entre le meilleur modèle ouvert et le meilleur modèle propriétaire se mesurait en environ un an, il est tombé à six mois ou moins aujourd’hui.

Pourquoi ça te concerne. Si tu n’as pas de contraintes strictes de confidentialité ou de souveraineté des données, la question « modèle frontier ou modèle ouvert ? » devient un choix de coût, non de qualité. Le saut qualitatif de Qwen 3.8 et Kimi K3 signifie que pour beaucoup de tâches quotidiennes, du coding à l’analyse de documents, un modèle open-weight à une fraction du prix produit des résultats exploitables. La démarche d’Alibaba vise explicitement à ralentir l’élan de Kimi K3 : Moonshot a atteint 300 millions de dollars d’ARR en juin et vise l’IPO en six mois, et Qwen veut intercepter cette demande avant qu’elle ne se consolide.

Avant de croire au « deuxième seulement après Fable 5 », fais ce que nous suggérons dans le playbook Compare deux modèles en quinze minutes : même tâche, mêmes cas de test, tableau des résultats. Sans benchmarks publiés, ta vérification compte plus que le communiqué.

En détail

Le contexte de cette démarche se comprend en regardant la dynamique des dernières semaines. Le 17 juillet Moonshot AI a lancé Kimi K3 : 2,8 billions de paramètres totaux, 50 milliards actifs, le plus grand modèle open-weight jamais publié jusqu’à présent. Les performances étaient proches de GPT-5.6 Sol et Claude Fable 5, avec des prix API compétitifs. Le signal était double : la Chine fermait l’écart qualitatif, mais augmentait les prix par rapport à l’ère des modèles chinois quasi gratuits.

Qwen 3.8 répond à K3 sur deux fronts. Sur le plan technique, il porte les paramètres à 2,4T (K3 est à 2,8T mais avec architecture MoE, donc les paramètres actifs diffèrent) et ajoute la multimodalité : images, vidéos, documents. Le développeur Shuai Bai le décrit comme le premier modèle multimodal Qwen au-dessus de 1 billion de paramètres. Sur le plan commercial, Alibaba offre la preview à 10% du prix standard, une démarche clairement pensée pour intercepter les utilisateurs qui évaluent Kimi K3 ou l’utilisent via des apps de chat et des API.

Ce que « open-weight » signifie ici. Les poids du modèle (les nombres qui le font fonctionner) seront publiés et téléchargeables, pour que tu puisses le lancer sur tes serveurs ou sur un cloud de ton choix, au lieu d’appeler l’API d’Alibaba. La licence exacte n’est pas encore annoncée. « Open-weight » n’équivaut pas à « open-source » au sens classique : le code d’entraînement et les données ne sont pas publiés, mais les poids si, et c’est suffisant pour qui veut du self-hosting ou de l’inférence à coût marginal.

Les limites de ce que nous savons. Alibaba n’a pas publié de benchmarks. La déclaration « deuxième seulement après Fable 5 » est du marketing tant qu’il n’y a pas de chiffres vérifiables. Le modèle est en preview, pas en release générale : les poids ouverts arriveront « bientôt » sans date précise. La concurrence avec Kimi K3 est réelle, mais les deux modèles sont d’entreprises chinoises avec des obligations de conformité aux régulations locales, ce qui pour certains secteurs (santé, finance dans certains pays) reste un facteur d’exclusion indépendamment de la qualité.

L’implication concrète. Si tu es un professionnel qui utilise l’IA pour des tâches récurrentes et que tu n’as pas de contraintes de confidentialité qui t’imposent des modèles locaux ou une résidence de données spécifique, le paysage open-weight te donne maintenant une alternative crédible aux frontier à une fraction du coût. Cela ne signifie pas que les frontier sont superflus : là où la qualité maximale compte (recherche, raisonnement mathématique, tâches à haut risque), l’écart de six mois peut peser. Cela signifie que le choix a cessé d’être évident et doit être fait sur tes cas, pas sur les classements.