--- title: "MiMo-V2.6-Pro, GLM-5.3 Prime, Qwen3.8 Max Prime : qui est vraiment open-weight cette semaine" description: "Cette semaine, deux lancements baptisés "Prime" — chez Z.ai et Alibaba — ne sont pas de nouvelles publications de poids, mais des voies API plus rapides pour des modèles déjà existants. Le vrai changement dans le classement open-weight vient de Xiaomi. Ce que cela change pour la conformité d'une entreprise suisse." date: 2026-09-28 tags: [Modèles ouverts, Actualités, Licences] url: "https://ai.malagoli.me/fr/blog/mimo-v26-pro-glm-53-prime-qwen38-max-prime-settembre-2026" locale: fr_CH image: "/blog/mimo-v26-pro-glm-53-prime-qwen38-max-prime-settembre-2026.svg" ---
# MiMo-V2.6-Pro, GLM-5.3 Prime, Qwen3.8 Max Prime : qui est vraiment open-weight cette semaine
<!-- 2026-09-28 · Modèles ouverts · Actualités · Licences -->
Deux lancements partageant le même suffixe — "Prime" — ont dominé les titres cette semaine, mais aucun des deux n'est une nouvelle publication de poids. Le vrai basculement du classement open-weight vient d'un nom que peu attendaient : Xiaomi.
Les titres de cette semaine ne parlaient que de deux lancements partageant le même suffixe — "Prime" — l'un chez Z.ai, l'autre chez Alibaba. Aucun des deux, pourtant, n'est une publication de nouveaux poids : ce sont simplement des voies API plus rapides pour des modèles qui existaient déjà. La vraie nouvelle open-weight de la semaine, passée beaucoup plus inaperçue, est qu'un fabricant de smartphones vient de dépasser tous les laboratoires d'IA chinois les plus connus en tête du classement des modèles à poids publics.
## MiMo-V2.6-Pro : Xiaomi prend la tête du classement open-weight
Le 21 septembre 2026, Xiaomi a publié sur Hugging Face MiMo-V2.6-Pro, un modèle Mixture-of-Experts épars comptant 1,02 billion de paramètres au total, dont seulement 42 milliards actifs par token, sous licence MIT pure — usage commercial libre, aucun seuil, aucune clause cachée. Selon Artificial Analysis, le modèle obtient 46 points sur l'Intelligence Index, le score le plus élevé jamais atteint par un modèle open-weight : il dépasse à la fois GLM-5.3 de Z.ai et Kimi K3 de Moonshot, tous deux bloqués à 44 points, et se classe sixième au classement général, modèles fermés inclus. Le détail qui a le plus surpris les observateurs est le coût d'entraînement annoncé — environ 3 millions de dollars — bien inférieur à ce qu'on associe habituellement à un modèle de cette taille, avec un rapport qualité-prix qu'Artificial Analysis place sur la frontière de Pareto entre intelligence et coût par token. Xiaomi a publié en parallèle MiMo-V2.6-Flash, une variante moins coûteuse pensée pour des volumes plus importants.
## GLM-5.3 Prime et Qwen3.8 Max Prime : deux lancements qui ne sont pas de nouveaux poids
Le 23 septembre 2026, Z.ai a lancé GLM-5.3 Prime, une variante à haute vitesse de GLM-5.3 qui hérite de toutes les capacités du modèle de base mais délivre 1,5 à 2 fois le débit grâce à une accélération de l'inférence, avec un contexte allant jusqu'à 1 million de tokens et un raisonnement toujours activé — impossible à désactiver, avec trois niveaux d'effort (faible, élevé, maximal, ce dernier par défaut). Ce n'est pas un nouveau checkpoint : c'est un produit API, facturé 2,80 $ par million de tokens en entrée et 8,80 $ en sortie, pensé pour les charges de travail de codage et d'orchestration agentique à long horizon.
Le même jour, après l'annonce du 22 septembre à la Yunqi Conference de Hangzhou, Alibaba a activé Qwen3.8 Max Prime, une voie plus rapide du même Qwen3.8-Max — le modèle MoE épars de 2,4 billions de paramètres devenu, le 13 août, le premier modèle de classe "Max" de la famille Qwen à être publié en open-weight, sous licence Apache 2.0. Qwen3.8 Max Prime utilise les mêmes poids, la même fenêtre de contexte d'1 million de tokens et les mêmes outils que le modèle de base : seuls la vitesse et le prix changent, ce dernier doublant par rapport à la version standard (4 $ contre 2 $ par million de tokens en entrée, 12 $ contre 6 $ en sortie). Là encore, aucun nouveau poids à télécharger.
## La licence de GLM-5.3 n'est pas une MIT : la clause qui compte pour les gros chiffres d'affaires
Il vaut la peine de revenir sur la licence du modèle de base GLM-5.3 (753 milliards de paramètres, publié sur Hugging Face le 28 août), car ce cas démontre une fois de plus à quel point il est risqué de se fier à l'étiquette. Z.ai n'a utilisé ni MIT ni Apache 2.0, mais un document sur mesure — la "GLM-5.3 License" — qui accorde en substance les mêmes droits qu'une licence MIT (utilisation, copie, modification, distribution, sous-licence, vente, incluant explicitement les poids, les paramètres, les fichiers de configuration ainsi que le code d'entraînement et d'inférence), avec une clause supplémentaire qui fait la différence : les opérateurs de Model-as-a-Service dépassant un certain seuil de chiffre d'affaires doivent se soumettre à un audit de sécurité. Deux jours plus tôt, le même laboratoire avait au contraire publié GLM-5.3-Flash — 320 milliards de paramètres au total, 18 milliards actifs, le premier modèle nativement multimodal (texte, image, vidéo) de la série GLM-5 — sous licence MIT pure et non modifiée, sans cette clause. Même laboratoire, même semaine, deux licences différentes pour deux modèles de la même famille.
## Ce qui compte vraiment pour qui évalue une architecture IA aujourd'hui
- Un nom se terminant par "Prime", "Turbo" ou "Speed" désigne souvent une simple voie API plus rapide, et non un nouveau checkpoint téléchargeable : vérifiez toujours qu'un dépôt de poids existe réellement avant d'en parler comme d'une publication ouverte.
- Le classement des modèles open-weight change rapidement de mains — cette semaine, c'est un fabricant d'électronique grand public, et non l'un des laboratoires d'IA les plus connus, qui le mène : ne liez pas une architecture au classement d'un seul mois.
- Même au sein d'une même famille de modèles, les licences peuvent différer substantiellement : le modèle phare GLM-5.3 impose un audit de sécurité au-delà d'un seuil de chiffre d'affaires, GLM-5.3-Flash non. Il faut lire chaque publication individuellement, pas seulement l'étiquette de la famille.
- Un coût d'entraînement annoncé bien plus bas, comme pour MiMo-V2.6-Pro, ne dit rien de la qualité pour votre cas d'usage spécifique : il faut toujours le vérifier par un test réel, pas par le budget de développement du fournisseur.
C'est exactement le travail que nous faisons chaque semaine avec nos clients : distinguer une vraie publication de poids d'une nouvelle voie API portant le même nom de modèle, lire la licence exacte de chaque publication — pas celle de la précédente — et construire une architecture où le bon modèle tourne là où il doit tourner, avec vos données qui restent les vôtres, quel que soit le laboratoire qui a entraîné le modèle ou le classement qu'il mène cette semaine.
### Sources
- [tous les articles](/fr/markdown.md)
- [version mise en page](/fr/blog/mimo-v26-pro-glm-53-prime-qwen38-max-prime-settembre-2026)
© 2026 ai.malagoli.me · données hébergées en Suisse · CH ✓
[Politique de confidentialité](/fr/privacy) · [Politique de cookies](/fr/cookie-policy)