MiniMax s'apprête à lancer un modèle open source de 2,7 billions de paramètres
La société chinoise MiniMax annonce le lancement imminent d'un modèle d'IA open source titanesque, dépassant largement les capacités des solutions actuelles.
Le géant chinois de l'intelligence artificielle MiniMax se prépare à dévoiler « MiniMax Pro », un modèle open source doté d'une architecture impressionnante de 2,7 billions de paramètres. Cette avancée majeure pourrait voir le jour dès la période comprise entre juillet et septembre.
Avec cette taille colossale, MiniMax Pro deviendra significativement plus volumineux que n'importe quel autre modèle chinois actuellement disponible sur le marché. Pour mettre ce chiffre en perspective, il est plus de six fois plus grand que le modèle actuel de référence de l'entreprise, MiniMax M3.
Cette initiative confirme que la vague de modèles d'IA open source provenant de Chine ne montre aucun signe d'essoufflement. Au contraire, elle semble marquer le début d'une nouvelle ère de compétitivité technologique intense.
Pourquoi c'est important
AnalyseCette annonce souligne la rapidité fulgurante avec laquelle la Chine progresse dans le domaine de l'intelligence artificielle, une dynamique qui risque de redéfinir profondément l'équilibre concurrentiel du marché mondial de l'IA.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Open Weights vs Truly Open Source AI
Analyse juridique et technique de la différence fondamentale entre les modèles à poids accessibles (Llama, DeepSeek) et les projets véritablement open source incluant les données sources, le code et l'architecture (norme OSI).
Jev et System One AI : guide pratique complet du modèle de décision TypeSafe
Analyse technique approfondie du modèle phare Jev : architecture System One vs LLM, primitives Choice/Score/Noul, parallélisme des requêtes, mathématiques de la confiance, études de cas vidéo, code et aperçu des alternatives open-weight locales (Laya, GLiNER2.5, CLM-8B).
Fusion de modèles et Frankensteinisation
Technique de fusion des poids de deux ou plusieurs modèles linguistiques distincts sans réentraînement sur GPU (SLERP, DARE, Ties-Merging), permettant de créer des modèles hybrides aux compétences synergiques.
Thinking Machines lance Inkling 2 Small : un modèle MoE de 594B capable d’affiner d’autres modèles
Thinking Machines a présenté Inkling 2 Small, un modèle MoE de 594B paramètres qui domine parmi les modèles ouverts sur plusieurs tâches et a démontré la capacité d’affiner Qwen3.5-4B de manière autonome.