Enjeux techniques et humains de l’IA
Outils actuels / évolutions des LLM
Mise à jour 13 octobre 2026

Évolutions des LLM
un million de tokens, des prix qui divergent, des poids ouverts qui suivent

Registre des modèles, prix du token, écart fermé / ouvert, contexte et architectures (relevé au 18 septembre 2026)

En 2026, un grand modèle de langage lit un million de tokens et n'en active que 3 à 5 % des paramètres à chaque mot. Le même niveau d'intelligence coûte chaque année beaucoup moins cher, mais le modèle le plus puissant coûte de nouveau plus cher, et les meilleurs modèles à poids ouverts, désormais chinois, suivent à quelques mois. Cette page chiffre ces trois mouvements, donne le registre des modèles au 18 septembre 2026 et prévient : la grille vieillit en quelques semaines (18 sorties majeures entre février et septembre).

1 M tokensMoE : 3 à 5 % actifsOuvert : −8 points0,60 $ → 50 $ / M
1 M de tokens
Contexte standard des modèles de pointe
1,05 M chez OpenAI, 1 M chez Anthropic, Google et DeepSeek, soit environ ×500 par rapport à GPT-3 (2 048 tokens, 2020).
53 contre 45
Écart fermé / ouvert, en points
Intelligence Index d'Artificial Analysis (v4.3, 18/09/2026) : Claude Fable 5.1 et GPT-6 Astra contre GLM-5.3. Epoch AI estimait fin 2025 ce retard à environ 3 mois.
×83
Éventail des prix de sortie
De 0,60 $ par million de tokens (DeepSeek V4.1 Flash, hors pointe) à 50 $ (GPT-6 Astra, Claude Fable 5.1).
3 à 5 %
Paramètres actifs par token, dans un MoE ouvert
DeepSeek V4-Pro : 49 Md sur 1,6 T ; Kimi K3 : 104 Md sur 2,8 T.
Registre / 01

Le registre des modèles, septembre 2026

Quatorze modèles qui comptent, avec ce qui les distingue : licence, contexte, taille, prix et score. Daté, donc périssable.

Un modèle de pointe change tous les deux à trois mois : 18 sorties majeures entre février et septembre 2026. Ce registre est un instantané daté ; pour les scores à jour, voir Artificial Analysis. Prix en dollars par million de tokens (entrée / sortie), pages tarifaires officielles. « n.d. » : non publié ou non relevé.

▽ Registre au 18 septembre 2026

fermé ouvert

GPT-6 Astra

OpenAI

Fermé3 sept. 2026
Contexte
1,05 M
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
10 / 50
Score AA
53

×2 en entrée et ×1,5 en sortie au-delà d'un long contexte.

GPT-5.6 Sol

OpenAI

Fermé9 juil. 2026
Contexte
1,05 M
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
4 / 20
Score AA
47

GPT-5.6 Luna

OpenAI

Fermé9 juil. 2026
Contexte
1,05 M
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
0,20 / 1,20
Score AA
n.d.

Le prix de la page officielle diffère de celui annoncé par la presse au lancement : on retient la page officielle.

Claude Fable 5.1

Anthropic

Fermé1er sept. 2026
Contexte
1 M
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
10 / 50
Score AA
53

Claude Opus 5

Anthropic

Fermé24 juil. 2026
Contexte
1 M
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
5 / 25
Score AA
51

Gemini 3.8 Flash

Google

Fermé2 sept. 2026
Contexte
1,05 M
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
0,75 / 3,75
Score AA
n.d.

Tarif de lancement jusqu'au 31 décembre. Gemini 3.5 Pro, annoncé en mai, n'était pas sorti mi-septembre.

Grok 4.6

xAI

Ferméaoût 2026
Contexte
500 K
Paramètres (total / actifs)
n.d.
Prix $/M (entrée / sortie)
2 / 6
Score AA
n.d.

Prix en dessous de 200 K de contexte. Grok 5 annoncé, non sorti.

GLM-5.3

Z.ai (Zhipu)

Licence « GLM-5.3 »14 août 2026
Contexte
300 K (jusqu'à 1 M)
Paramètres (total / actifs)
753 Md / ~40 Md
Prix $/M (entrée / sortie)
n.d.
Score AA
45

Kimi K3

Moonshot AI

Licence « Kimi K3 »16 juil. 2026 (poids 26 juil.)
Contexte
1 M
Paramètres (total / actifs)
2,8 T / 104 Md
Prix $/M (entrée / sortie)
n.d.
Score AA
44

DeepSeek V4-Pro

DeepSeek

MIT24 avr. 2026 (GA 13 août)
Contexte
1 M
Paramètres (total / actifs)
1,6 T / 49 Md
Prix $/M (entrée / sortie)
1,32 / 3,96
Score AA
36

Prix en heures de pointe ; moitié moins hors pointe.

DeepSeek V4.1 Flash

DeepSeek

Licence non relue10 sept. 2026
Contexte
1 M
Paramètres (total / actifs)
552 Md (selon AA)
Prix $/M (entrée / sortie)
0,30 / 1,20
Score AA
40

0,15 / 0,60 hors pointe. Taille : source secondaire.

Qwen3.8 (2,4 T)

Alibaba

Licence « qwen3.8-max »12 août 2026 (poids)
Contexte
262 K natif, 1 M extrapolé
Paramètres (total / actifs)
2,4 T / 95 Md
Prix $/M (entrée / sortie)
n.d.
Score AA
n.d.

Une version 27 Md dense, sous Apache 2.0, existe aussi.

Mistral Large 3

Mistral AI (France)

Apache 2.02 déc. 2025
Contexte
256 K
Paramètres (total / actifs)
675 Md / 41 Md
Prix $/M (entrée / sortie)
n.d.
Score AA
n.d.

Seul acteur européen de la grille.

gpt-oss-120b

OpenAI

Apache 2.0août 2025
Contexte
n.d.
Paramètres (total / actifs)
117 Md / ~5 Md
Prix $/M (entrée / sortie)
gratuit
Score AA
n.d.

Poids à héberger soi-même ; coût d'infrastructure à part.

Score AA : Intelligence Index v4.3 d'Artificial Analysis (18/09/2026). Prix hors réductions et hors long contexte, sauf mention.

▽ La vague 2026 : douze sorties qui ont changé la grille

OpenAI a enchaîné quatre générations en six mois, Anthropic trois, Google a multiplié les versions Flash, et les laboratoires chinois ont publié des modèles ouverts de plus de mille milliards de paramètres. Meta, longtemps porte-drapeau de l'open-weight américain, est passé au modèle fermé.
  1. Mars 2026Fermé

    GPT-5.4

    Première étape de la série d'OpenAI qui mène à GPT-6 en six mois.
  2. Avr. 2026Virage

    Meta Muse Spark

    Premier modèle frontière fermé de Meta (8 avril), conçu par Meta Superintelligence Labs. Il remplace Llama dans les services du groupe.
  3. Avr. 2026Fermé

    GPT-5.5

    Atteint le million de tokens côté API (23-24 avril), contre 400 K pour GPT-5 et GPT-5.2.
  4. Avr. 2026Ouvert

    DeepSeek V4

    Aperçu publié le 24 avril sous licence MIT, 1,6 T de paramètres dont 49 Md actifs, 1 M de contexte.
  5. Juin 2026Fermé

    Claude Fable 5

    Le 9 juin, avec Claude Mythos 5 réservé à des partenaires choisis (voir chapitre 07).
  6. Juil. 2026Fermé

    GPT-5.6

    Famille Sol, Terra et Luna (9 juillet) : un même contexte de 1,05 M, trois niveaux de prix.
  7. Juil. 2026Ouvert

    Kimi K3

    2,8 T de paramètres, 896 experts, 1 M de contexte ; poids publiés le 26 juillet sous licence maison.
  8. Juil. 2026Fermé

    Claude Opus 5

    Le 24 juillet, 1 M de contexte, 5 $ / 25 $ par million de tokens.
  9. Sept. 2026Fermé

    Claude Fable 5.1

    1er septembre : ex æquo en tête de l'Intelligence Index (53) avec GPT-6 Astra, au même tarif de 10 $ / 50 $.
  10. Sept. 2026Fermé

    Gemini 3.8 Flash

    2 septembre : texte, image, vidéo, audio et PDF en entrée, texte en sortie. Le Gemini 3.5 Pro attendu n'est pas encore là.
  11. Sept. 2026Fermé

    GPT-6 Astra

    3 septembre : le nouveau modèle phare d'OpenAI, à 10 $ / 50 $, huit fois le prix d'entrée de GPT-5.
  12. Sept. 2026Ouvert

    DeepSeek V4.1 Flash

    10 septembre : 0,15 $ / 0,60 $ hors pointe, le prix plancher du registre.
Prix / 02

Le prix du token : deux courbes qui divergent

Pour un niveau de capacité donné, le prix s'effondre. Le prix du modèle phare, lui, remonte.

Selon Epoch AI, le prix pour atteindre un niveau de performance fixé a baissé de 9 à 900 fois par an selon la tâche, entre 2021 et 2025. En septembre 2026, un modèle comme DeepSeek V4.1 Flash facture 0,60 $ le million de tokens en sortie hors pointe, et GPT-5.6 Luna 1,20 $.

▽ Prix de sortie par million de tokens (échelle logarithmique)

DeepSeek V4.1 Flash

ouvert, hors pointe

0,60 $

GPT-5.6 Luna

fermé

1,20 $

Gemini 3.8 Flash

fermé, tarif de lancement

3,75 $

Grok 4.6

fermé, < 200 K de contexte

6 $

GPT-5.6 Sol

fermé

20 $

Claude Opus 5

fermé

25 $

GPT-6 Astra

fermé, modèle phare

50 $

Claude Fable 5.1

fermé, modèle phare

50 $
Échelle logarithmique de 0,50 $ à 60 $ : chaque graduation multiplie le prix par un facteur constant. Prix des pages tarifaires officielles, septembre 2026.

▽ Mais le prix du modèle phare remonte

OpenAI facturait 1,25 $ / 10 $ le million de tokens (entrée / sortie) pour GPT-5 en août 2025 ; elle facture 10 $ / 50 $ pour GPT-6 Astra en septembre 2026, soit ×8 en entrée. Anthropic applique le même tarif à Claude Fable 5.1. « Moins cher » ou « plus cher » dépend donc de ce qu'on compare.
01Baisse

À capacité constante : le prix s'effondre

Un niveau de performance atteint hier par un modèle phare l'est aujourd'hui par un modèle bien plus petit et bien moins cher. C'est la logique des gammes Flash, Luna ou des modèles ouverts.
02Hausse

Au sommet : le prix remonte

Les laboratoires facturent le meilleur modèle comme un produit premium. Budgéter sur le prix du phare de l'an dernier sous-estime la facture d'une équipe qui veut le meilleur.
Fermé / ouvert / 03

Fermé contre ouvert : huit points d'écart

Les meilleurs modèles ouverts sont chinois, énormes, et suivent les modèles fermés à quelques mois. « Ouvert » ne veut plus dire « libre ».

Le meilleur modèle fermé obtient 53 points, le meilleur modèle ouvert 45 (GLM-5.3), suivi de Kimi K3 (44) et de DeepSeek V4.1 Flash (40). Epoch AI estimait fin 2025 ce retard à environ trois mois (intervalle de 1 à 5 mois) ; l'écart se creuse et se referme au gré des sorties. Les modèles ouverts relevés sont tous chinois.

▽ Intelligence Index d'Artificial Analysis (v4.3), 18 septembre 2026

GPT-6 Astra

fermé

53

Claude Fable 5.1

fermé

53

Claude Opus 5

fermé

51

Muse Spark 1.3

fermé (Meta)

48

GPT-5.6 Sol

fermé

47

GLM-5.3

ouvert

45

Kimi K3

ouvert

44

DeepSeek V4.1 Flash

ouvert

40

DeepSeek V4-Pro

ouvert

36
Échelle de 0 à 60 points. Indice composite de 10 évaluations ; Qwen3.8, Mistral Large 3 et gpt-oss ne sont pas relevés ici.

▽ « Ouvert » ne veut plus dire « libre »

Les poids sont téléchargeables, mais les conditions d'usage se durcissent : seuls DeepSeek (MIT), Mistral Large 3, gpt-oss et Gemma 4 (Apache 2.0) sont sous licence libre. Avant d'auto-héberger, lire la licence.
01À lire

Licences maison

Kimi K3 (« Kimi K3 License »), Qwen3.8 Max (« qwen3.8-max ») et GLM-5.3 (« GLM-5.3 ») ont des licences propres. Pour Kimi K3, la presse évoque un encadrement de l'usage commercial au-delà d'un certain chiffre d'affaires (non confirmé).
02MIT / Apache 2.0

Licences libres

DeepSeek V4-Pro sous MIT ; Mistral Large 3, gpt-oss-120b / 20b et Gemma 4 sous Apache 2.0. Ce sont les seuls choix sans surprise pour un usage commercial.
03Changement

Le virage fermé de Meta

Longtemps moteur de l'open-weight américain avec Llama, Meta a lancé Muse Spark, fermé, en avril 2026. Les poids ouverts américains de référence sont désormais gpt-oss (OpenAI) et Gemma (Google), nettement plus petits que les modèles chinois.
Pour aller plus loinBenchmarks IA : comment lire les scores →
Contexte / 04

Le contexte : annoncé contre utilisable

Un million de tokens est devenu le standard. La question n'est plus la taille de la fenêtre, mais ce que le modèle en retient vraiment.

Un million de tokens est aujourd'hui le standard, environ 500 fois la fenêtre de GPT-3. Mais certains chiffres sont extrapolés plutôt qu'entraînés : Llama 4 Scout annonçait 10 M de tokens après un entraînement à 256 K, et Qwen3.8 est natif à 262 K, extensible à 1 M.

▽ Taille de la fenêtre de contexte, de 2020 à 2026 (échelle logarithmique)

GPT-3

2020

2 K

Claude

mai 2023

100 K

Claude 2.1

nov. 2023, 200 K

200 K

Gemini 1.5 Pro

juin 2024, ouvert à tous

2 M

GPT-5 / GPT-5.2

400 K, dont 128 K en sortie

400 K

GPT-6 Astra

sept. 2026

1,05 M

Claude Fable 5.1

sept. 2026

1 M

Qwen3.8

natif 262 K, extrapolé à 1 M

1 M extrapolé

Llama 4 Scout

avril 2025, entraîné à 256 K

10 M annoncés
Échelle logarithmique de 1 K à 12 M tokens. En ambre : contexte natif d'un modèle de pointe ; en graphite : annoncé ou extrapolé ; en gris : historique.

▽ Ce que le million de tokens ne dit pas

La taille de la fenêtre n'est pas la qualité de la mémoire. Plus le contexte s'allonge, plus le modèle retrouve mal ce qu'on lui a donné : c'est ce que les chercheurs appellent « context rot ».
01Dégradation

Context rot

Une étude de Chroma sur 18 modèles (juillet 2025) montre une dégradation régulière dès que le contexte s'allonge, même sur des tâches simples.
02Auto-déclaré

Retrouver une aiguille à 1 M

Sur le test MRCR à 1 M de tokens, DeepSeek V4-Pro retrouve 83,5 % des informations, contre 76,3 % pour Gemini 3.1 Pro (chiffres auto-déclarés par DeepSeek).
03Décision

Pour une entreprise

Charger un million de tokens dans chaque requête coûte cher et ne remplace pas un tri préalable : mieux vaut retrouver les bons passages que tout verser dans la fenêtre.
Le chiffre affiché n'est pas la mémoire réelle : au-delà de la longueur d'entraînement, la qualité se dégrade.
Architecture / 05

Architecture : pourquoi 2 800 milliards de paramètres ne coûtent pas 2 800 milliards de calcul

Les modèles à « mélange d'experts » n'en sollicitent qu'une petite part à chaque mot. La mémoire reste énorme, le calcul non.

Un modèle comme Kimi K3 contient 896 « experts ». À chaque mot, un aiguilleur n'en sollicite que 16, soit environ 104 Md de paramètres sur 2 800. La mémoire nécessaire reste énorme, car tous les experts doivent être chargés, mais le calcul par token est celui d'un modèle environ 25 fois plus petit.

▽ Part des paramètres actifs par token, modèles à mélange d'experts

DeepSeek V4-Pro

49 Md / 1,6 T

3,1 %

Kimi K3

104 Md / 2,8 T

3,7 %

Qwen3.8

95 Md / 2,4 T

4,0 %

gpt-oss-120b

~5 Md / 117 Md

4,3 %

GLM-5.3

~40 Md / 753 Md

5,3 %

DeepSeek V3

37 Md / 671 Md, 2024

5,5 %

Mistral Large 3

41 Md / 675 Md

6,1 %
Part active = paramètres actifs ÷ paramètres totaux. Échelle de 0 à 10 %. En ambre : taille et part active publiées par l'éditeur ; en graphite : source secondaire ; en gris : modèle de 2024.

▽ Deux idées pour rendre le million de tokens abordable

Le même constat guide les architectures de 2026 : faire moins de calcul par mot, sans perdre en qualité.
01Calcul réduit

Mélange d'experts (MoE)

Le modèle est un ensemble d'experts spécialisés ; un aiguilleur choisit lesquels activer pour chaque token. En 2026, les modèles ouverts de pointe font 1,6 à 2,8 T de paramètres pour 3 à 5 % d'actifs. Auto-héberger un tel modèle reste réservé à des grappes de GPU.
02Long contexte

Attention hybride

Plutôt qu'une attention complète à chaque couche, mêler des couches « linéaires », moins coûteuses sur les longues séquences, et quelques couches d'attention complète. DeepSeek V4 compresse par token et utilise une attention parcimonieuse ; Kimi K3 combine Kimi Delta Attention et MLA ; Qwen3.8 utilise Gated DeltaNet.
Modalités / 06

Multimodalité et petits modèles

La vidéo native reste une spécificité de Gemini et des modèles ouverts. Et une partie de la course se joue sur des modèles qui tiennent sur un téléphone ou un PC.

▽ Qui comprend quoi

L'API d'OpenAI n'accepte que le texte et l'image en entrée, même pour GPT-6 Astra (la vidéo passe par un découpage en images) ; celle d'Anthropic non plus n'a pas de vidéo native. La vidéo native est une spécificité de Gemini et de certains modèles ouverts.
01Vidéo native

Gemini 3.8 Flash

Texte, image, vidéo, audio et PDF en entrée ; texte en sortie. Le modèle le plus polyvalent en entrée parmi les modèles fermés.
02Ouvert

Modèles ouverts

Kimi K3 (texte, image, vidéo), Qwen3.8-27B (vision et vidéo natives, Apache 2.0) et Gemma 4 (vision et vidéo, audio natif sur les petites versions).
03Texte + image

GPT et Claude

Vision native pour tous les modèles actuels, mais pas de vidéo native : il faut échantillonner des images.
04Voix

L'audio en temps réel

Des modèles vocaux dédiés, à faible latence, écoutent et répondent directement en audio sans passer par le texte : GPT-Realtime-2.1 et GPT-Live-1 chez OpenAI, Gemini 3.8 Live chez Google, Qwen3.5-Omni chez Alibaba.

▽ Petits modèles et IA locale

Pour une entreprise, ces modèles permettent un déploiement sur site, sans envoi de données à un fournisseur.
01Téléphone

Gemma 4 (E2B, E4B)

Google, avril 2026, Apache 2.0. Des versions pour téléphone, avec vision, vidéo et audio natifs.
02PC

gpt-oss-20b

OpenAI, août 2025, Apache 2.0 : 21 Md de paramètres, conçu pour tourner sur un PC équipé de 16 Go (annonce d'OpenAI, non relue).
03Serveur

Qwen3.8-27B et Ministral 3

Qwen3.8-27B (août 2026, Apache 2.0) et les Ministral 3 de Mistral (3 à 14 Md, Apache 2.0) complètent l'offre pour un serveur modeste.
Signaux faibles / 07

Nouveaux enjeux : accès restreint et distillation

Deux phénomènes de 2026 qui changent qui a accès à quoi.

Pour la première fois, des éditeurs réservent leurs modèles les plus capables à des partenaires choisis, et la copie de modèle par les réponses d'un autre devient un sujet de conflit.
01Nouveau

Accès restreint

Claude Mythos 5 (juin 2026) n'est ouvert qu'à des acteurs de la cybersécurité et de la recherche biomédicale ; la version grand public, Fable 5, bascule vers un modèle moins puissant quand une requête touche au cyber, à la bio-chimie ou à la distillation. Le gouvernement américain a imposé une suspension temporaire au titre du contrôle des exportations (12 juin, source secondaire). OpenAI a créé des variantes « Cyber » (GPT-5.5-Cyber, GPT-6 Cyber).
02Allégations

Distillation

Entraîner un petit modèle sur les réponses d'un grand : c'est ainsi que DeepSeek a décliné R1 en versions de 1,5 à 70 Md de paramètres (janvier 2025). En février 2026, Anthropic a accusé DeepSeek, Moonshot et MiniMax d'avoir extrait environ 16 millions d'échanges via quelque 24 000 comptes frauduleux. Ce sont des allégations d'une des parties. Depuis, les modèles de pointe filtrent activement ces tentatives.
Décider / 08

Comment choisir un modèle sans courir après la grille

Trois règles qui survivent au prochain changement de classement.

▽ À retenir

Trois règles qui survivent au prochain classement

  1. 01Choisir sur vos propres cas d'usage, avec un jeu de tests maison : les scores publics et les classements changent tous les deux à trois mois.
  2. 02Comparer le prix à capacité égale, pas le prix du phare : un modèle plus petit ou ouvert suffit souvent, et coûte dix à cent fois moins.
  3. 03Pour l'auto-hébergement, lire la licence avant la fiche technique : « ouvert » ne veut pas dire « libre », et un modèle à 2 T de paramètres exige une grappe de GPU.

▽ CATIE

Choisir un modèle, et le déployer, sans suivre chaque sortie

Le CATIE aide les entreprises à choisir, comparer et déployer des modèles de langage, fermés ou ouverts, adaptés à leurs contraintes de coût et de données. Nos experts vous aident à :

  • Construire un jeu de tests propre à votre métier pour comparer les modèles
  • Estimer le coût réel par tâche, au-delà du prix affiché
  • Déployer un modèle à poids ouverts sur site pour les données sensibles
  • Vérifier les licences avant un usage commercial
  • Former vos équipes aux limites du long contexte
Échanger avec nos experts →Découvrir CATIE →
Au-delà du langage / 09

Au-delà du langage, et pour aller plus loin

L'extension des modèles vers la perception et l'action fait l'objet de pages dédiées, dans la rubrique « IA émergentes ».

▽ Lectures

04 lectures

Artificial Analysis · Intelligence Index

Classement
Le classement composite utilisé dans cette page, mis à jour en continu, avec prix et vitesse par modèle.

Epoch AI · prix d'inférence et retard des modèles ouverts

Analyse
Deux analyses de référence : la baisse des prix à capacité constante, et le retard d'environ trois mois des modèles à poids ouverts.

Chroma · Context Rot (2025)

Contexte
L'étude sur 18 modèles qui montre la dégradation de la qualité avec la longueur du contexte.

Anthropic · Detecting and preventing distillation attacks (2026)

Point de vue
La position d'Anthropic sur la distillation ; à lire comme le point de vue d'une des parties.
Pour aller plus loinWorld Models : apprendre à prédire le monde →
Références / 10

Sources et références

  1. [01]Artificial Analysis – Intelligence Index v4.3, classement général (18/09/2026)
  2. [02]Artificial Analysis – modèles ouverts (GLM-5.3, Kimi K3, DeepSeek)
  3. [03]Epoch AI – LLM inference prices have fallen rapidly but unequally across tasks (mars 2025)
  4. [04]Epoch AI – Open-weight models lag closed models (oct.-nov. 2025)
  5. [05]OpenAI – liste des modèles (GPT-6 Astra, GPT-5.6, contexte 1,05 M)
  6. [06]OpenAI – tarifs de l'API
  7. [07]OpenAI – fiche GPT-5 (400 K, 1,25 $ / 10 $)
  8. [08]Anthropic – vue d'ensemble des modèles Claude (Fable 5.1, Opus 5)
  9. [09]Anthropic – Claude Fable 5 et Claude Mythos 5 (9 juin 2026)
  10. [10]Anthropic – Introducing 100K Context Windows (mai 2023)
  11. [11]Anthropic – Detecting and preventing distillation attacks (23 févr. 2026)
  12. [12]Google – fiche Gemini 3.8 Flash
  13. [13]Google – Gemini API : liste des modèles
  14. [14]Google for Developers – Gemini 1.5 Pro, 2 M de tokens (27 juin 2024)
  15. [15]xAI – release notes (Grok 4.5, 4.6)
  16. [16]DeepSeek – V4 Preview Release (24 avr. 2026)
  17. [17]DeepSeek – tarifs de l'API
  18. [18]Hugging Face – DeepSeek-V4-Pro (MIT, 1,6 T / 49 Md)
  19. [19]Hugging Face – Kimi-K3 (licence, 2,8 T / 104 Md)
  20. [20]Hugging Face – GLM-5.3 (753 Md)
  21. [21]Hugging Face – Qwen3.8-2.4T-A95B (262 K natif)
  22. [22]Hugging Face – organisation openai (gpt-oss)
  23. [23]Wikipédia – Gemma (Gemma 4, Apache 2.0)
  24. [24]Meta AI – The Llama 4 herd (avril 2025)
  25. [25]DeepLearning.AI The Batch – Muse Spark, Meta tourne le dos à Llama
  26. [26]Chroma – Context Rot (juillet 2025)
  27. [27]TechCrunch – OpenAI lance Astra (3 sept. 2026)
  28. [28]National Law Review – suspension de Fable 5 / Mythos 5 (12 juin 2026)