La poussée open-weight de mi-2026 : Kimi K3, GLM-5.2 et pourquoi les modèles ouverts continuent de progresser

Le milieu de l'année 2026 a été exceptionnellement fort pour les modèles open-weight. En quelques semaines, plusieurs laboratoires ont publié ou annoncé des modèles capables de rivaliser avec les meilleurs systèmes fermés, sous des licences permettant à quiconque de les exécuter. La vedette, c'est Kimi K3 de Moonshot AI, annoncé le 16 juillet 2026. Le modèle que l'on peut vraiment télécharger et utiliser aujourd'hui, c'est GLM-5.2 de Z.ai. Les deux méritent qu'on s'y attarde, et il est utile de distinguer honnêtement ce qui est confirmé de ce qui reste une promesse.

Image: Carl Lender, Wikimedia Commons, CC BY 2.0.

Kimi K3 fait la une, avec de vraies réserves

Kimi K3 est un très grand modèle ouvert de type mixture-of-experts de la classe des 3 000 milliards de paramètres, annoncé à 2 800 milliards de paramètres au total. Publier un modèle de cette envergure en tant que modèle ouvert, plutôt qu'une API fermée, est ce qui a rendu l'annonce notable. Moonshot AI l'a positionné comme un système de niveau frontière, et des testeurs indépendants ont commencé à en confirmer une partie.

Ce qu'il vaut la peine de citer, ce sont les chiffres indépendants. Sur le classement Arena Frontend Code, Kimi K3 s'est hissé à la première place avec 1 679, devant Claude Fable 5. Sur l'évaluation agentique de long terme d'Artificial Analysis, il a atteint un Elo de 1547, derrière le seul Fable 5, pour environ 0,94 dollar par tâche. Pour un modèle ouvert, ce sont de solides résultats, surtout côté coût.

Les réserves comptent tout autant. À l'heure où nous écrivons, les poids ne sont pas encore téléchargeables. Moonshot AI les a promis « d'ici le 27 juillet 2026 » : au moment de l'annonce, Kimi K3 était donc ouvert en intention plutôt qu'en pratique. La licence devrait être une variante Modified-MIT, mais ce n'est pas confirmé, et les conditions exactes détermineront si les équipes peuvent réellement bâtir dessus. Les principaux benchmarks du matériel d'annonce sont en outre en partie auto-déclarés, ce qui explique pourquoi les chiffres indépendants d'Arena et d'Artificial Analysis cités plus haut sont ceux sur lesquels s'appuyer. Kimi K3 ressemble à une sortie réellement importante, mais « important » et « utilisable en production aujourd'hui » ne sont pas la même chose, et il vaut mieux distinguer ces deux idées au moment de planifier.

GLM-5.2 est le modèle utilisable aujourd'hui

Si Kimi K3 fait la une, GLM-5.2 de Z.ai est l'ancrage. Ses poids sont disponibles dès maintenant sous licence MIT, et il occupe actuellement la première place du palier open-weight de l'Artificial Analysis Intelligence Index v4.1. Cette combinaison d'une licence permissive et d'un classement indépendant au sommet en fait le choix pratique pour les équipes qui veulent déployer un modèle ouvert plutôt que d'en lire les louanges.

Les spécifications le confirment. GLM-5.2 est un modèle mixture-of-experts de 753 milliards de paramètres, avec environ 40 milliards de paramètres actifs par jeton, et il prend en charge une fenêtre de contexte d'un million de jetons. Dans des tests indépendants, il devance GPT-5.5 sur les tâches de codage de long terme pour environ un sixième du coût. Sa principale limite est qu'il est uniquement textuel : il ne traite donc pas les entrées image, audio ou vidéo comme certains systèmes multimodaux. Pour beaucoup de travaux réels, un modèle textuel de premier plan doté d'un contexte d'un million de jetons et d'une licence MIT est pourtant exactement ce que les équipes attendaient.

Le reste de la vague

Kimi K3 et GLM-5.2 sont les deux à surveiller, mais ils ne sont pas seuls. DeepSeek V4 Flash est le moins cher des modèles ouverts de niveau frontière et paraît sous MIT, ce qui le rend attrayant pour les charges de travail à fort volume où le coût par jeton fait la décision. MiniMax M3 est multimodal et domine actuellement le terrain open-weight sur SWE-bench Pro, offrant une option ouverte crédible aux équipes qui ont besoin d'entrées image ou document en plus du texte. En ajoutant Nemotron 3 Ultra de NVIDIA, Qwen3.6 d'Alibaba et Gemma 4 de Google, on obtient un ensemble qui signifie que les poids ouverts ne sont plus à un pas de la frontière fermée, mais à quelques semaines, et parfois même pas. L'enseignement pratique : « ouvert » ne veut plus dire « second choix ».

Ce qui compte au-delà des classements

Les classements de benchmarks sont utiles, mais l'histoire la plus durable est structurelle. Les modèles ouverts progressent dans le raisonnement à long contexte, leur coût par tâche baisse, et de plus en plus paraissent sous des licences autorisant un déploiement réel. Ces trois tendances se conjuguent. Une équipe qui bâtit sur des poids ouverts à la mi-2026 dispose de modèles plus performants, à moindre coût et avec moins de contraintes juridiques qu'un simple trimestre plus tôt.

C'est directement pertinent pour la façon dont la transcription, la traduction et la synthèse de réunions continuent de s'améliorer. Telli.sh utilise déjà un modèle ouvert, Qwen3, dans sa couche de synthèse. Lorsque l'écosystème ouvert gagne en fenêtres de contexte plus longues, en raisonnement multilingue plus solide et en licences plus permissives, la couche de modèles ouverts sous des produits comme le nôtre devient à la fois meilleure et moins chère. Un contexte d'un million de jetons n'est plus un benchmark abstrait lorsqu'il signifie qu'une longue réunion, un entretien complet ou une journée entière d'enregistrements peuvent être traités en une seule passe. Une bonne reconnaissance vocale a bien sûr toujours besoin d'une couche produit qui transforme la transcription en notes révisables, en décisions et en actions, mais les modèles qui alimentent cette couche s'améliorent plus vite qu'il y a un an.

Le verdict honnête

Si vous voulez déployer quelque chose maintenant, la réponse est GLM-5.2 : disponible, sous licence MIT et classé au sommet du palier open-weight par des tiers indépendants. Si vous voulez savoir où va la frontière, surveillez Kimi K3 et revenez après le 27 juillet 2026 pour vérifier si les poids et la licence arrivent comme promis. Dans les deux cas, la direction est claire. Les modèles ouverts comblent l'écart, et la couche produit bâtie par-dessus est ce qui transforme la capacité brute en quelque chose qu'une équipe peut réellement utiliser.

Démarrer une note IA en direct

Sources

• Simon Willison on GLM-5.2 (June 17, 2026)
• Simon Willison on Kimi K3 (July 16, 2026)
• OpenRouter, "The Open Weight Models that Matter: June 2026" (June 27, 2026)
• Tom's Hardware on Kimi K3 (July 2026)
• VentureBeat on GLM-5.2 (June 2026)
• Artificial Analysis on GLM-5.2
• Kimi K3 announcement (Moonshot AI)
• Wikimedia Commons image page