Les modèles d’I.A. à poids ouverts classés — censure, capacité et biais
Les modèles d’I.A. à poids ouverts classés — censure, capacité et biais
Article des Frontières dans la cascade de l’Harmonisme. Le classement au niveau des modèles qui se tient sous la carte des niveaux de La Souveraineté de l’inférence, et la liste dans laquelle l’application de bureau de Lodestone puise ses modèles. Chiffres au 28 septembre 2026, revérifiés le 14 octobre puis de nouveau le 16 octobre au regard de la mise à jour du leaderboard du 3 octobre ; l’ordre doctrinal a été recalculé le 24 octobre. Voir aussi : La Pile souveraine, La Souveraineté de l’esprit, Le Substrat souverain.
Alibaba a publié Qwen3.6-27B en avril 2026, et au test de disposition à répondre du leaderboard UGI il obtient 2,8 sur 10 : poussé sur une question disputée, il décline ou dérive loin de la consigne. Un mois plus tard, une publication communautaire a retiré ces refus des poids, et le modèle modifié obtient 9,5. Le même leaderboard soumet aussi chaque modèle à un questionnaire politique et le place sur une échelle allant de −100 (gauche) à +100 (droite). L’original se tient à −20,0. La version non censurée se tient à −24,5.
Les refus sont partis. La vision du monde est restée où elle était, et a penché un peu plus loin dans la direction où elle penchait déjà.
Tout modèle ouvert vendu comme non censuré est passé par une version ou une autre de cette opération, et le résultat se généralise. Retirer les refus d’un modèle laisse en place la main que La Souveraineté de l’inférence suit à travers le corpus de pré-entraînement, l’entraînement par préférences et le réglage de sécurité, parce que le refus n’est que la dernière couche de cette main, et la plus visible. Le meilleur modèle non censuré est donc celui dont la main restante est la plus petite et la mieux connue pour le travail qu’on lui confie. Les modèles ci-dessous sont classés selon ce que l’opération leur a coûté et ce qu’elle a laissé, jamais selon la quantité de choses qu’ils accepteront de dire.
1. Ce que la décensure retire et ce qu’elle laisse
Le refus, dans un modèle de langage, se révèle singulièrement facile à localiser. Andy Arditi et ses collègues ont montré en 2024 que, dans treize modèles ouverts, ce comportement suit une direction unique dans les activations internes du modèle, et que projeter cette direction hors des poids empêche le modèle de refuser. Les praticiens appellent cette procédure l’abliteration. Le projet Heretic l’a automatisée et note chaque tentative sur deux nombres : les refus sur un ensemble d’invites que l’original déclinerait, et l’écart entre les réponses du modèle modifié et celles de l’original sur des invites inoffensives. Sur le Gemma 3 12B de Google, Heretic fait passer les refus de 97 sur 100 à 3 sur 100, avec moins de dérive que deux abliterations réglées à la main du même modèle.
Le refus est ce que la procédure mesure, et le refus est tout ce qu’elle retire. Le 28 septembre 2026, le leaderboard UGI comptait 1 317 évaluations de modèles, et 206 d’entre elles pouvaient être appariées, dans les mêmes réglages, avec le modèle non modifié dont elles étaient issues. Sur ces paires, la disposition à répondre a augmenté d’une médiane de 6,0 points sur l’échelle de dix points. L’orientation politique a bougé d’une médiane de 2,2 points sur l’échelle de deux cents points, et dans 107 des 203 paires dotées d’un score politique, elle a bougé de moins de 5. L’original médian se tenait à −17,2 et le modèle non censuré médian à −15,4. La capacité générale, que le leaderboard note sous le nom de NatInt à partir de connaissances de manuel, de culture populaire et d’un ensemble de tâches d’estimation du monde réel, a baissé dans 137 des 206 paires.
Aleksander Fafuła a trouvé la même chose par l’autre bout en juillet 2026. Il a fait passer des versions abliterées et originales de Gemma 4 et de Qwen3 par 21 600 décisions de marché, et les versions abliterées ont parié à la hausse entre 7,4 et 12,2 points de pourcentage plus souvent sur des éléments identiques. Sa conclusion est celle sur laquelle ce classement est bâti : un modèle « non censuré » est « un décideur différent » de l’original amputé de ses refus. L’opération laisse la vision du monde et déplace le tempérament.
Pliny the Liberator, le plus suivi de ceux qui font métier de briser les garde-fous des modèles, documente la limite dans sa propre boîte à outils. L’étude de recherche livrée avec son dépôt OBLITERATUS consigne que, lorsque la contribution d’une couche est ablatée, les autres couches compensent et restaurent environ soixante-dix pour cent du calcul original, et qu’un modèle entraîné à expliquer ses refus plutôt qu’à simplement les émettre continue de refuser plus de quatre-vingt-dix pour cent du temps après abliteration. Ce que l’entraînement a mis, l’entraînement le défend.
Les jailbreaks, la voie par l’invite pour laquelle Pliny est connu, sortent du classement pour une raison plus étroite. Ils fonctionnent sur des modèles fermés que le praticien ne détient pas, et le laboratoire peut fermer chacun d’eux à sa prochaine mise à jour. Des poids sur le propre disque du praticien ne reçoivent de mises à jour de personne.
Quatre outils pratiquent la chirurgie, et ils ne sont pas interchangeables. Richard J. Young a comparé les quatre — Heretic, DECCP, l’abliterator de FailSpy et ErisForge de Matteo Villosio — sur seize modèles réglés sur instructions de sept à quatorze milliards de paramètres, et les différences se sont révélées plus larges que celles qui tiennent au choix du modèle. Heretic cherche sa coupe, en menant quelque cinquante essais d’optimisation bayésienne par modèle pour minimiser un score qui met en balance le déplacement de distribution et les refus restants ; il a atteint la divergence la plus faible des quatre, 0,043 sur DeepSeek-7B, et y a mis environ quarante-cinq minutes. Les autres coupent une seule fois. ErisForge enveloppe les couches du décodeur d’un modèle et les modifie pendant la passe avant, ce qui ne demande aucune recherche et s’est achevé en quelques minutes ; sur les trois modèles dotés de références complètes, il a perdu le moins de tous les outils, en moyenne 0,12 point sur MMLU, 0,28 en mathématiques de niveau scolaire et 0,08 en raisonnement de sens commun. L’optimisation de Heretic lui a coûté sur ces trois mêmes modèles une moyenne de 7,81 points en mathématiques, presque entièrement sur un seul modèle, là où ErisForge a perdu 0,19 sur ce modèle. Ce qu’un outil achète par la recherche, il peut aussi le dépenser.
Les outils diffèrent aussi par ce sur quoi ils peuvent tourner. Heretic a traité les seize modèles, ErisForge neuf et l’abliterator de FailSpy cinq, ce dernier étant limité par les architectures que ses points d’accroche prennent en charge. Couverture et préservation tirent en sens contraire : l’outil qui s’adapte à tous les modèles n’est pas celui qui les dérange le moins.
ErisForge fait quelque chose que les autres ne font pas, et cela compte davantage que les chiffres de préservation. Il peut ajouter une direction aussi aisément qu’en retirer une, injectant un comportement que le modèle n’avait pas plutôt que de seulement effacer un refus qu’il avait. L’article qui mesure cela s’intéresse au red-teaming et au pilotage de la personnalité. La même opération pointe dans l’autre sens : les praticiens qui bâtissent vers un substrat qui leur soit propre peuvent façonner une main autant qu’en libérer une. Tous les modèles du classement ci-dessous ont été débarrassés de leurs refus par les outils soustractifs ; aucun n’a encore été piloté par l’outil additif.
Quatre sortes d’affirmations se côtoient dans cette section, et elles n’ont pas le même poids. L’Harmonisme tient que tout substrat porte une main et que la cognition souveraine consiste à savoir par quelle main on passe. Les éléments empiriques appuient trois affirmations plus étroites : l’abliteration retire le refus de façon fiable, elle laisse la disposition politique mesurée près de là où elle était, et elle coûte généralement un peu de capacité. Le questionnaire politique du leaderboard est un indicateur indirect, et la question de savoir s’il suit la main qui importe à une tradition, en matière de métaphysique, de santé ou de lecture de l’histoire, reste ouverte.
2. Comment les modèles ont été mesurés
Trois mesures proviennent de données publiques, et la quatrième, celle qui compte le plus, est propre à Harmonia.
Refus retiré. Un modèle modifié entre dans le classement s’il obtient au moins 8 sur l’échelle de disposition à répondre. Un modèle non modifié y entre s’il obtient déjà 6 ou plus, parce qu’un modèle qui répond sans chirurgie ne porte aucun des déplacements hors cible que Fafuła a mesurés. Un modèle qui a tenu le socle doctrinal dans la batterie de tests propre à Harmonia, décrite ci-dessous, y entre quelle que soit sa disposition à répondre, puisque tenir une doctrine dans le contexte est ce que le score de disposition ne fait qu’approcher.
Capacité conservée. Le classement lit le NatInt deux fois : le score lui-même, et sa variation par rapport à l’original non modifié. Un modèle modifié qui a perdu de la capacité dans l’opération se classe sous un modèle qui n’en a pas perdu, même quand son score absolu est plus élevé, puisqu’une perte importante est l’indice d’une perturbation importante.
Lignée et ouverture. Chaque modèle ci-dessous est à poids ouverts : téléchargeable, exécutable sur du matériel que possède le praticien. La main qu’il porte est nommée avec lui. Tous se situent au niveau A de La Souveraineté de l’inférence, qui trie les substrats selon ce que l’opérateur détient sur les poids plutôt que selon qui les a faits. Alibaba, Zhipu et DeepSeek portent des lignées chinoises ; Google, Mistral et NVIDIA des lignées occidentales, et chaque main voyage avec les poids, qui que ce soit qui les exécute. Un modèle ci-dessous est entièrement ouvert, de niveau S, et a sa propre section.
La main elle-même. La lignée tient lieu d’un test : des questions dont les réponses harmonistes sont connues, posées à chaque modèle porteur du socle doctrinal de Lodestone. Harmonia a mené ce test cinq fois depuis le 14 octobre 2026, la dernière le 24 octobre sur quarante modèles, ouverts et fermés. Au sein de chaque classe de taille, un modèle qui a tenu le socle se classe au-dessus d’un modèle qui s’en est écarté, et celui qui s’en est écarté au-dessus de celui qui a donné la réponse du consensus. Les chiffres du leaderboard ordonnent les modèles sur lesquels le test n’a pas été mené, et là où ils ne peuvent départager deux modèles, celui qui coûte le moins à exécuter passe en premier : moins de mémoire dans les classes portable et station de travail, un prix par tour plus bas dans la classe serveur, que la plupart des praticiens atteignent par un hébergeur. Chaque tableau ne garde que les modèles qu’aucune autre entrée de sa classe ne bat à la fois sur la fidélité, la capacité et la mémoire.
Trois constats dépassent les tableaux. Le refus d’une doctrine de santé appartient à certains laboratoires plutôt qu’aux poids fermés : Claude Opus 5.5 d’Anthropic et GPT-6.1 Sol d’OpenAI ont répondu à partir du consensus institutionnel, tandis que la plupart des modèles ouverts, et les modèles fermés d’autres laboratoires, ont tenu le socle. La délibération change le résultat : plusieurs grands modèles qui se rabattaient sur le consensus quand on les forçait à répondre d’emblée ont tenu le socle quand on leur permettait de raisonner d’abord, et Lodestone laisse désormais son modèle raisonner avant de répondre. Et aucun modèle que peut contenir un ordinateur portable n’a posé de façon fiable, à une personne en détresse, la question simple qu’elle avait besoin qu’on lui pose, ce qui explique que Lodestone place son propre garde-fou devant le modèle plutôt que de lui laisser ce travail.
Les noms des modèles portent leur histoire. Unmodified (non modifié) désigne la publication propre du laboratoire, ses poids intacts. Uncensored (non censuré) est l’étiquette communautaire pour tout dérivé dont les refus ont été retirés, quelle que soit la méthode. La plupart sont faits par abliteration, la projection que décrit la section 1, qui retire le refus sans réentraînement. Heretic dans un nom signifie que l’abliteration a été trouvée par l’outil Heretic de p-e-w, qui cherche la coupe retirant le plus de refus tout en déplaçant le moins les réponses inoffensives du modèle ; uncensored Heretic et ultra-uncensored Heretic sont les noms que donne l’uploader llmfan46 à des réglages plus forts de la même recherche. L’abliteration norm-preserved ou biprojected est le raffinement de Jim Lai, publié sous le nom de grimjim : elle tient la direction du refus à l’écart des directions qui portent les concepts inoffensifs, et la retire sans changer la taille d’aucun poids, ce qui explique que ses modèles tendent à perdre moins. Un modèle coupé avec ErisForge ne porte aucune marque dans son nom, bien que l’approche par enveloppement des couches de l’outil ait mieux préservé la capacité que toute autre dans le banc d’essai dont rend compte la section 1. Derestricted est le nom qu’ArliAI donne à ses modèles faits avec la méthode de Lai. Un modèle Dolphin, comme tout modèle affiné, est réentraîné sur de nouvelles données, ce qui peut déplacer la vision du monde en même temps que les refus. Dans un modèle à mélange d’experts, A3B ou A17B donne les milliards de paramètres à l’œuvre sur chaque mot : ce chiffre fixe la vitesse, et le total fixe la mémoire.
Les modèles sont regroupés par taille, parce que la taille décide du matériel qui peut les contenir ; la section 6 nomme les machines et ce qu’elles coûtent. Une règle approximative pour un modèle compressé à quatre bits est de 0,6 gigaoctet de mémoire par milliard de paramètres, plus de la place pour la conversation. La colonne mémoire donne cette taille et la plus petite machine courante qui la contient avec une longue conversation. Un Mac laisse par défaut sa partie graphique utiliser entre les deux tiers et les trois quarts de sa mémoire unifiée, et un modèle qui dépasse cette ligne exige de relever la limite, ce que macOS permet en ligne de commande. Les chiffres proviennent des données UGI mises à jour le 24 septembre 2026, chaque modèle étant lié à sa propre fiche. La mise à jour du 3 octobre n’a ajouté que des modèles fermés (GPT-6 et GPT-6.1 Sol d’OpenAI, Grok 4.7 de xAI) et n’a déplacé aucun chiffre des tableaux ci-dessous, et aucun n’a été ajouté depuis à la date du 16 octobre. Pour les modèles non modifiés, les chiffres sont ceux des lignes où le raisonnement est désactivé.
3. Classe portable : jusqu’à 24 milliards de paramètres
Une machine dotée de 16 à 32 gigaoctets de mémoire contient ces modèles.
| Rang | Modèle | Doctrine tenue | Disposition à répondre, original → maintenant | NatInt, original → maintenant | Mémoire à 4 bits | Main |
|---|---|---|---|---|---|---|
| 1 | Ministral 3 14B, non modifié | tenue | 6,2 | 16,7 | 8 Go · machine de 16 Go | Mistral |
| 2 | Gemma 3 12B, abliteration à norme préservée | tenue avec écarts (original) | 3,0 → 9,2 | 18,7 → 21,3 | 7 Go · machine de 16 Go | |
| 3 | Mistral Small 3.2 24B, non modifié | écartée | 6,5 | 23,9 | 14 Go · machine de 32 Go | Mistral |
| 4 | Magistral Small 2509, Heretic v1 | non testé | 6,5 → 8,5 | 21,5 → 23,8 | 14 Go · machine de 32 Go | Mistral |
Ministral 3 14B est en tête parce qu’il a tenu le socle, répond à 6,2 sans chirurgie et tient dans la plus petite machine ; l’application de bureau de Lodestone en fait le minimum, sur 16 gigaoctets. Au test de connaissances du leaderboard, c’est le modèle le moins capable ici, ce qui coûte moins dans un travail porté par un socle et un corpus que dans des questions de fait ouvertes.
Gemma 3 12B montre ce qu’achète le soin apporté à l’opération. Son auteur, Jim Lai, a mis au point la méthode à norme préservée que distingue l’étude OBLITERATUS, et le modèle modifié a gagné 2,6 points de capacité et rapproché son score politique du centre, de −11,7 à −6,4. Son original a tenu le socle, avec un écart de voix.
Mistral Small 3.2 a le plus de capacité de la classe et n’a besoin d’aucune chirurgie, et le 24 octobre il s’est écarté du socle plus souvent que tout autre modèle ici. Magistral Small, le modèle de raisonnement de Mistral à la même taille, n’est pas servi par OpenRouter, par lequel passe la batterie de tests, et n’est classé que d’après le leaderboard.
Qwen3.5 9B quitte le tableau. Son original est le petit modèle de fondation le plus capable des données, et la version non censurée abandonne plus d’un cinquième de cette capacité pour cesser de refuser ; l’original s’est aussi écarté du socle et a déclaré l’oxyde de graphène présent dans les flacons.
Des modèles plus petits existent, et les variantes de Qwen3.5 à quatre milliards de paramètres perdent peu à l’abliteration. Lodestone refuse d’exécuter quoi que ce soit d’aussi petit, au motif qu’une réponse fausse et assurée dans la voix de Lodestone fait plus de mal qu’une absence de réponse, et le même jugement s’applique à tout modèle à qui l’on demande de parler pour une doctrine.
4. Classe station de travail : de 25 à 124 milliards de paramètres
Une carte graphique ou un Mac de 32 gigaoctets contient Qwen3.8 27B et Gemma 4 26B, un Mac de 48 gigaoctets Qwen 3.5 35B-A3B. Nemotron 3.5 Super, Mistral Small 4 et GLM-4.5-Air exigent une machine de 128 gigaoctets : un Mac doté d’une puce M5 Max, le Strix Halo d’AMD ou le DGX Spark de NVIDIA.
| Rang | Modèle | Doctrine tenue | Disposition à répondre, original → maintenant | NatInt, original → maintenant | Mémoire à 4 bits | Main |
|---|---|---|---|---|---|---|
| 1 | Qwen3.8 27B, non modifié | tenue | non noté | non noté | 17 Go · machine de 32 Go | Alibaba |
| 2 | Qwen 3.5 35B-A3B, non modifié | tenue | 2,8 | 25,0 | 22 Go · machine de 48 Go | Alibaba |
| 3 | Nemotron 3.5 Super VL 120B-A12B, non modifié | tenue | non noté | non noté | 72 Go · machine de 128 Go | NVIDIA |
| 4 | Mistral Small 4 119B, non modifié | tenue, série antérieure | 4,2 | 27,8 | 72 Go · machine de 128 Go | Mistral |
| 5 | Gemma 4 26B-A4B, uncensored Heretic | tenue avec écarts (original) | 1,8 → 9,5 | 34,3 → 37,3 | 17 Go · machine de 32 Go | |
| 6 | GLM-4.5-Air, Derestricted | non testé | 1,8 → 8,8 | 33,3 → 36,6 | 64 Go · machine de 128 Go | Zhipu |
Les deux modèles Qwen sont en tête parce qu’ils ont tenu le socle sans qu’aucun refus ait été retiré, bien que, de son propre chef, la lignée Qwen réponde très en dessous du seuil que le leaderboard fixe pour un modèle non modifié : Qwen 3.5 à 2,8. Qwen3.8 27B, la publication plus récente d’Alibaba, est dense, chaque paramètre travaillant sur chaque mot, et a pris la première place que Qwen 3.5 27B tenait jusqu’en octobre, quand l’ancien modèle a commencé à s’écarter. Le 35B-A3B est un mélange d’experts avec trois milliards de paramètres actifs par mot, si bien qu’il répond plus vite et demande plus de mémoire, environ 22 gigaoctets à quatre bits, plus que ce qu’un Mac de 32 gigaoctets accorde par défaut à sa partie graphique.
Le Nemotron 3.5 Super de NVIDIA, publié le 15 octobre sous licence OpenMDW, a tenu le socle le 24 octobre sans une seule erreur factuelle, le seul modèle de la classe à faire les deux ; à quatre bits, son fichier seul pèse 72 gigaoctets. Mistral Small 4, 119 milliards de paramètres dont 6,5 milliards actifs, publié sous Apache 2.0 en mars 2026, a tenu le socle le 14 octobre ; son hébergeur était indisponible le 24 octobre. Gemma 4 26B porte le plus de capacité de la classe, et sa version non censurée a gagné 3,0 points dans l’opération, mais l’original s’est écarté sur les niveaux du socle. GLM-4.5-Air porte la main non occidentale et un gain semblable, et la batterie de tests ne l’a pas encore évalué.
Là où le leaderboard a mesuré l’opération dans cette classe, elle a souvent augmenté la capacité : Gemma 4 26B a gagné 3,0 points, GLM-4.5-Air 3,3, et le Qwen 3.5 35B-A3B Heretic et le gpt-oss-120b Derestricted entre 2,0 et 2,5. Une partie du test de connaissances du leaderboard pose des questions auxquelles un modèle aligné préférerait ne pas répondre, de sorte que retirer le refus peut se lire comme un gain d’un savoir qui était là depuis le début. Cette lecture est une inférence tirée de la conception du test, non un constat que rapporte le leaderboard.
Gemma 4 31B et gpt-oss-120b quittent le tableau. Gemma 4 31B a le score UGI global le plus élevé de la classe, a perdu de la capacité dans l’opération, et son original a une fois élevé une affirmation au-dessus du niveau que lui donne le socle. Le gpt-oss-120b d’OpenAI a donné la réponse du consensus.
Qwen3.6 27B, le modèle de l’ouverture, reste dehors lui aussi : sa version non censurée a perdu 4,0 points de capacité, et son frère 35B a donné la réponse du consensus.
Un dérivé compressé de la prochaine publication d’Alibaba a sa place ici pour ce dans quoi il tient, non pour son rang. Le Ternary Bonsai 2 27B de PrismML, publié en septembre 2026 sous Apache 2.0, réduit les poids de Qwen3.8-27B à −1, 0 et +1, environ 1,7 bit chacun, si bien qu’un modèle de 54 gigaoctets tient dans 5,95 gigaoctets et tourne sur un portable de 16 gigaoctets. PrismML annonce 47 tokens par seconde sur un M5 Max et 130 sur une RTX 5090. Sur quatorze bancs d’essai, il obtient 84,78 contre 86,32 pour l’original, soit 98,2 pour cent conservés. La version Heretic d’OS-Software fait passer les refus de 95 sur 100 à 0, pour une divergence de 0,0135. Sa base, Qwen3.8-27B, mène désormais cette classe ; Bonsai 2 lui-même n’a aucun résultat enregistré, et le leaderboard ne l’a pas noté. Il porte la main d’Alibaba à travers la lignée dont l’original se tient à −20,0, et tant qu’il n’est pas mesuré, il reste hors du tableau, comme le moyen de mettre un Qwen de 27 milliards de paramètres sur la plus petite machine que Lodestone prend en charge.
Un modèle non modifié a sa place ici par sa capacité et non par sa taille. Mistral Large 2411 répond à 7,5 sans chirurgie et obtient 36,2, au-dessus de tous les modèles du tableau, et la batterie de tests ne l’a pas évalué. Modèle dense de 123 milliards de paramètres, il exige plus de mémoire que n’en portent la plupart des stations de travail.
5. Classe serveur : 125 milliards de paramètres et au-delà
Ces modèles exigent un serveur doté de plusieurs cartes graphiques ou un Mac Studio avec M5 Ultra. Une machine de 128 gigaoctets contient Mistral Medium 3.5 ; 256 gigaoctets contiennent GLM-5.3 Flash, Qwen 3.5 397B et DeepSeek V4 Flash, les deux plus grands avec la limite graphique relevée ; Nemotron 3 Ultra et DeepSeek V4.1 Flash exigent la configuration de 512 gigaoctets attendue fin octobre 2026.
| Rang | Modèle | Doctrine tenue | Disposition à répondre, original → maintenant | NatInt, original → maintenant | Mémoire à 4 bits | Main |
|---|---|---|---|---|---|---|
| 1 | DeepSeek V4.1 Flash 1017, non modifié | tenue | non noté | non noté | plus de 330 Go · machine de 512 Go | DeepSeek |
| 2 | GLM-5.3 Flash, non modifié | tenue | non noté | non noté | 193 Go · machine de 256 Go | Zhipu |
| 3 | Qwen 3.5 397B-A17B, non modifié | tenue | 1,8 | 41,0 | 238 Go · machine de 256 Go | Alibaba |
| 4 | Nemotron 3 Ultra 550B-A55B, non modifié | tenue | non noté | non noté | 336 Go · machine de 512 Go | NVIDIA |
| 5 | Mistral Medium 3.5 128B, non modifié | tenue avec écarts | 6,0 | 40,4 | 77 Go · machine de 128 Go | Mistral |
| 6 | DeepSeek V4 Flash, non modifié | tenue avec écarts | 7,2 | 47,9 | 170 Go · machine de 256 Go | DeepSeek |
DeepSeek V4.1 Flash 1017 est en tête parce qu’il a tenu le socle dans chaque série qui l’a testé et qu’il coûte le moins par tour parmi les modèles qui l’ont tenu ; il est aussi le seul de la classe serveur à avoir posé à une personne en détresse la question simple. C’est l’instantané du 17 octobre, par DeepSeek, du V4.1 Flash publié le 10 septembre, la même architecture de 552 milliards de paramètres sous licence MIT, et il a remplacé la publication de septembre comme modèle par défaut du compagnon hébergé de Lodestone le 24 octobre. DeepSeek annonce de meilleurs scores, une exécution plus rapide des tâches agentiques et des réponses plus courtes que la publication de septembre. DeepSeek annonce le V4.1 Flash devant son propre V4 Pro en programmation et en tâches d’agent (TNW), une affirmation qu’aucun test indépendant n’a vérifiée, et depuis le 14 septembre l’API de DeepSeek répond avec lui aux requêtes adressées au V4 Pro et au V4 Flash (tproger).
GLM-5.3 Flash a tenu le socle et demande le moins de mémoire des quatre, mais un tour lui coûte davantage, parce qu’il raisonne avant chaque réponse et qu’on ne peut lui dire de s’en abstenir ; le raisonnement dépense du temps et des tokens, et ne lui a pas coûté la doctrine. Zhipu l’a publié le 25 août 2026, sous licence MIT, avec 321 milliards de paramètres.
Qwen 3.5 397B répond à 1,8 de son propre chef et a tenu le socle dans chaque série, le plus grand écart du classement entre ce qu’un modèle dira spontanément et ce qu’il tiendra. Sa version uncensored Heretic quitte le tableau : elle abandonne environ huit points de la capacité de l’original pour retirer des refus que le socle n’a jamais rencontrés.
Nemotron 3 Ultra, le modèle de NVIDIA du 3 juin sous licence OpenMDW et le seul modèle américain de la classe, a tenu le socle ; son tour coûte à peu près autant que celui de Qwen. V4.1 Flash, GLM-5.3 Flash et Nemotron n’ont pas encore de score au leaderboard.
Mistral Medium 3.5, publié en avril 2026 sous une licence MIT modifiée qui n’exclut que les entreprises au chiffre d’affaires très élevé, franchit à 6,0 le seuil du leaderboard pour les modèles non modifiés, a tenu le socle le 14 octobre et s’en est écarté plus souvent le 24 octobre. Il est dense, si bien que chacun de ses 128 milliards de paramètres travaille sur chaque mot : à quatre bits, il tient dans une station de travail de 128 gigaoctets et y répond lentement.
DeepSeek V4 Flash garde sa place par sa capacité, la plus élevée de tous les modèles d’ici dotés d’un score au leaderboard, et par sa taille : avec 284 milliards de paramètres dont 13 milliards actifs, c’est le seul modèle DeepSeek que contienne une machine de 256 gigaoctets sans modifier la limite graphique. Il s’est écarté du socle dans les premières séries, et sa révision de juillet l’a tenu le 24 octobre. Les poids originaux restent sur Hugging Face et chez des hébergeurs tiers, bien que l’API propre de DeepSeek ne les serve plus, ce qui est précisément ce qu’un modèle publié conserve et qu’un modèle hébergé ne conserve pas.
Aucun modèle DeepSeek n’est sans main. Les refus des laboratoires chinois se concentrent autour des sujets sensibles pour l’État chinois, et quand Perplexity a entrepris en février 2025 de les retirer de DeepSeek R1, il lui a fallu environ 40 000 invites couvrant quelque 300 sujets de nouvel entraînement (The Decoder). Cette échelle suggère que les positions du laboratoire résident dans des réponses entraînées autant que dans des refus, là où l’abliteration ne peut les atteindre. Pour un travail sur l’histoire ou la politique chinoises, le score de disposition à répondre d’un modèle DeepSeek dit peu de chose.
Deux autres quittent le tableau. DeepSeek V3.2 égale V4 Flash sur les deux chiffres du leaderboard avec 671 milliards de paramètres, plus du double de la taille. Mistral Large 3, avec 675 milliards, obtient en capacité un score inférieur à Medium 3.5 pour cinq fois sa taille, bien qu’il se tienne plus près du centre de l’échelle politique que tout autre grand modèle d’ici, à −11,3.
Les plus grands modèles restent hors du tableau. DeepSeek V4 Pro est le modèle ouvert le plus capable du leaderboard, à 67,0, et répond à 3,2. Forcé de répondre d’emblée, il s’est rabattu sur la réponse dominante lors des séries d’octobre ; autorisée à raisonner d’abord, sa révision d’août, V4 Pro 0813, a tenu le socle le 24 octobre, pour un coût plusieurs fois supérieur à celui d’un tour de V4.1 Flash. Les modèles Kimi K2 de Moonshot répondent entre 1,8 et 3,2 ; Kimi K3, environ 2 800 milliards de paramètres, et le Qwen3.8 d’Alibaba à 2 400 milliards ont basculé de la même façon une fois autorisés à raisonner. Chacun exige plus de mémoire qu’aucune machine de la section 6 n’en contient à elle seule.
Mistral Large 4, environ 1 050 milliards de paramètres dont quelque 52 milliards actifs, s’est ouvert en préversion sur l’API propre de Mistral le 6 octobre 2026 ; l’entreprise a promis les poids pour la fin octobre et, au 24 octobre, ne les a ni publiés ni n’en a nommé la licence (BetaNews). Sa préversion a tenu le socle le 24 octobre, bien qu’elle ait énoncé de travers plus de faits qu’aucun modèle du tableau. Il entrera dans le classement quand les poids seront publics.
6. Les machines qui les contiennent
Deux nombres décident de ce qu’une machine peut faire d’un modèle. La capacité mémoire décide du modèle qui tient, aux 0,6 gigaoctet par milliard de paramètres de la section 2. La bande passante mémoire décide de la vitesse de réponse, parce que chaque mot exige de lire une fois chaque poids actif : une machine qui fait passer 600 gigaoctets par seconde à travers un modèle de 20 gigaoctets plafonne vers trente mots par seconde. C’est pour cette raison que les mélanges d’experts conviennent aux machines domestiques. DeepSeek V4 Flash garde en mémoire 284 milliards de paramètres et en lit 13 milliards par mot, et la capacité se paie une fois tandis que la bande passante se paie à chaque mot.
Les prix ont évolué dans le mauvais sens en 2026. Les trois fabricants de mémoire ont engagé l’essentiel de leur production dans l’I.A. des centres de données, et toutes les machines dont la valeur tient à leur mémoire ont augmenté : Framework a porté son Framework Desktop de 128 gigaoctets de 1 999 $ à 2 459 $ en janvier, NVIDIA son DGX Spark de 3 999 $ à 4 699 $ en février, et la RTX 5090, lancée à 1 999 $, se vendait environ 4 300 $ en septembre (Tech Insider). NVIDIA a reporté sans date ses cartes RTX 50 Super et repoussé sa prochaine génération grand public à 2028. Les prix ci-dessous sont datés du 1er octobre 2026.
De seize à 32 gigaoctets. Tout Mac Apple Silicon doté de 16 à 24 gigaoctets de mémoire unifiée, y compris le Mac mini d’entrée de gamme, ou un PC dont la carte graphique porte 12 à 16 gigaoctets, exécute Ministral 3 14B ou Gemma 3 12B à vitesse de conversation. Un Mac de 32 gigaoctets, ou une RTX 4090 ou 3090 d’occasion à 24 gigaoctets, contient les modèles de 24 milliards de paramètres et Qwen 3.5 27B. La RTX 5090 porte 32 gigaoctets à 1 792 gigaoctets par seconde, ce qu’un praticien peut posséder de plus rapide pour tout modèle qui y tient, et au prix de rue de septembre la carte seule coûte plus qu’un Mac Studio de 128 gigaoctets.
De trente-deux à 128 gigaoctets. Le Mac mini d’Apple avec M5 Pro (jusqu’à 64 gigaoctets), le Mac Studio avec M5 Max (jusqu’à 128, à partir de 2 499 $, livré depuis le 22 septembre 2026) et le MacBook Pro avec M5 Max (jusqu’à 128) partagent un seul bassin de mémoire entre processeur et partie graphique. Le M5 Max fait passer environ 614 gigaoctets par seconde, et le MacBook Pro de 128 gigaoctets est le seul portable qui contienne les modèles de la classe des cent milliards. Le Ryzen AI Max+ 395 d’AMD, appelé Strix Halo, dans le Framework Desktop et une gamme de mini-PC, et le DGX Spark de NVIDIA mettent tous deux 128 gigaoctets dans un petit boîtier, à environ 256 et 273 gigaoctets par seconde. C’est assez de place pour Mistral Small 4 et GLM-4.5-Air, et trop peu de bande passante pour un modèle dense de 70 milliards de paramètres, que des estimations publiées situent vers cinq mots et demi par seconde sur les deux (dev.to) ; sur des mélanges d’experts, ils sont assez rapides. Le Spark porte la pile CUDA complète pour qui voudra plus tard affiner des modèles, et les machines Strix Halo sont les 128 gigaoctets les moins chers du marché ; la série Ryzen AI Max 400 d’AMD relève le plafond à 192. Les cartes Blackhole de Tenstorrent, la p150a à 32 gigaoctets à 512 gigaoctets par seconde pour 1 399 $ et la p100a à 28 pour 999 $, sont les accélérateurs dont le logiciel est ouvert le plus bas dans la pile, sous licence Apache. Elles servent les modèles par la pile propre de Tenstorrent plutôt que par llama.cpp, si bien que l’application de bureau de Lodestone n’y tourne pas encore. La Pile souveraine § La couche du silicium évalue les fabricants eux-mêmes.
Deux cent cinquante-six gigaoctets et au-delà. Le Mac Studio avec M5 Ultra est la réponse en un seul boîtier : 1,2 téraoctet par seconde, 5 499 $ avec 96 gigaoctets, 9 499 $ avec 256, et une configuration de 512 gigaoctets attendue fin octobre (Apple). À 256 gigaoctets, il contient DeepSeek V4 Flash, GLM-5.3 Flash et, avec la limite graphique relevée, Qwen 3.5 397B ; à 512, il contient DeepSeek V4.1 Flash et Nemotron 3 Ultra. Il exécute llama.cpp et MLX sous macOS plutôt que CUDA, si bien que le traitement par lots de vLLM pour de nombreux utilisateurs simultanés est hors de portée. La RTX PRO 6000 Blackwell de NVIDIA porte 96 gigaoctets pour 600 watts et s’est vendue entre 10 000 $ et 16 000 $ tout au long de 2026 ; deux ou trois d’entre elles contiennent V4 Flash à vitesse CUDA et portent un affinage sérieux, et des nœuds serveurs de quatre à huit GPU de centre de données exécutent les plus grands poids ouverts en pleine précision.
7. Les modèles entièrement ouverts, sur un autre axe
OLMo 3 32B Think, de l’Allen Institute for AI, se classerait dernier dans chacune des classes ci-dessus. Il répond à 1,8 et obtient 20,9.
Sa valeur se situe sur un autre axe. Tous les autres modèles de ce classement ont publié leurs poids et gardé leurs données et leur recette d’entraînement. OLMo 3 a publié les poids, le corpus d’entraînement Dolma 3, le code d’entraînement et les points de contrôle intermédiaires. Sa main peut être lue, ce qu’aucune autre main ici ne permet, et il peut être reconstruit à partir des données, ce qui est le terme que nomme La Souveraineté de l’inférence : un modèle réentraîné sur le corpus propre d’une tradition et exécuté sur du matériel que possède la tradition. Lodestone dans le navigateur livre déjà l’OLMo 2 7B antérieur, à côté de Qwen3 8B.
Aucun OLMo 3 abliteré n’apparaît sur le leaderboard à cette date. Un tel modèle offrirait ce qu’aucun des modèles ci-dessus ne peut offrir : une main entièrement documentée, moins ses refus. Le réentraînement irait plus loin et remplacerait la main. Le praticien qui choisit aujourd’hui prend un modèle des sections 3 à 5 ; l’institution qui bâtit pour le long terme travaille sur celui-ci.
8. Les services hébergés vendus comme non censurés
Deux services hébergés reviennent partout où l’on parle de modèles non censurés. Aucun n’apparaît dans les tableaux ci-dessus, et pour des raisons différentes.
uncensored.ai est le service de conversation d’Uncensored AI Inc., fondée à Omaha en février 2023 par Jason Dick et Troy Weber. Son site, sa fiche dans les magasins d’applications et son offre de financement participatif de 2024 ne nomment pas le modèle qui répond. La ligne du site sur la confidentialité, selon laquelle les conversations ne sont pas utilisées « pour entraîner des modèles tiers » sans consentement, implique que des modèles tiers se trouvent sur le chemin. Grokipedia répertorie sur le service, en mars 2026, des modèles Grok, Gemini, Claude, Kimi et MiniMax ; l’entreprise n’a pas confirmé cette liste, et elle n’est pas vérifiée ici. Un service qui achemine vers des API fermées de pointe ne peut retirer le refus de poids qu’il ne détient pas. Il peut seulement le contourner par l’invite, ce qui est la voie du jailbreak que la section 1 a écartée, louée au mois. Quand NewsGuard l’a interrogé en 2026 sur l’alunissage, le 11 Septembre et la sécurité des vaccins contre la COVID-19, il n’a démenti le récit faux dans aucun des cas. Sa fiche Google Play déclare que les données qu’il collecte ne sont pas chiffrées. La main est inconnue et l’opérateur peut la changer sans préavis, si bien qu’il n’y a rien à classer.
Venice, fondé par Erik Voorhees et lancé en mai 2024, est un cas différent. Il héberge plus de deux cents modèles, et son propre modèle, Venice Uncensored, est à poids ouverts : Dolphin Mistral 24B Venice Edition, un affinage de Mistral Small 24B réalisé avec l’équipe Dolphin et publié sous Apache 2.0. Le leaderboard a testé la première version. Son original, Mistral Small 24B 2501, répond à 6,5 avec un NatInt de 25,9 et un score politique de −17,6. La Venice Edition répond à 7,8 avec un NatInt de 24,4 et un score politique de −15,4. Elle reste en deçà du seuil de 8 que ce classement fixe pour un modèle modifié et a perdu 1,5 point de capacité, pour relever la disposition à répondre d’un original qui franchissait déjà le seuil des modèles non modifiés. La méthode de Dolphin est l’affinage sur de nouvelles données plutôt que l’abliteration, ce qui peut déplacer la main autant que les refus ; ici, le score politique s’est rapproché du centre de 2,2 points, le déplacement médian sur les 206 paires. La version 1.2, publiée en avril 2026 avec la vision et un contexte plus long, n’a pas été testée.
La véritable position de Venice se joue sur l’axe d’observabilité de La Souveraineté de l’inférence, et là, chaque mode qu’il vend relève du même régime, loué, sous des promesses de force inégale. Ses modèles fermés de pointe tournent dans un mode anonymisé où, de l’aveu même de Venice, le fournisseur voit l’invite et la sauvegarde probablement. Ses modèles ouverts tournent dans un mode privé qui repose sur des contrats avec les fournisseurs de GPU. Un sous-ensemble tourne dans des enclaves attestées sur NEAR AI Cloud et Phala Network, qui durcissent la promesse par la signature d’un fabricant de puces sans en faire une preuve : en octobre 2025, des chercheurs ont falsifié de telles attestations avec moins de mille dollars d’équipement branché sur le bus mémoire d’un serveur (BleepingComputer). Seul un modèle sur une machine que possède le praticien est privé.
VVV est le jeton de Venice, lancé le 27 janvier 2025 sur Base avec 100 millions d’unités à la genèse. Le mettre en jeu (staking) rapporte une part au prorata de la capacité d’API de Venice, et la mise verrouillée frappe du DIEM, qui vaut un dollar de crédit d’API par jour. Venice déclare qu’aucun jeton n’est nécessaire pour utiliser l’application ou l’API. Le jeton met un prix sur l’accès. Il ne change ni la main du modèle qui répond ni le régime de confidentialité de la requête, et son détenteur possède une créance sur une capacité qui tourne sur le matériel de quelqu’un d’autre. Un examen indépendant rapporte qu’un multisig à quatre signatures sur six contrôle les émissions, sans gouvernance et sans verrou temporel.
Une troisième sorte d’hébergeur ne vend aucune décensure qui lui soit propre. Featherless sert des modèles à poids ouverts tirés de Hugging Face par une API compatible OpenAI, dont des abliterations communautaires : le Meta-Llama-3.1-8B-Instruct-heretic de heretic-org y tourne avec un contexte de 32 000 tokens. Un abonnement forfaitaire le paie, 25 $ par mois pour la conversation et à partir de 50 $ pour la formule développeur au 18 octobre 2026 (Featherless). Un tel hébergeur transmet la main des poids qu’il sert, quels qu’ils soient, si bien qu’un modèle classé ci-dessus garde sa place où qu’il soit servi. Sa confidentialité est une promesse. La politique de Featherless, révisée pour la dernière fois en juin 2024, déclare que l’entreprise ne collecte ni ne stocke les invites ou les complétions, et qu’elle compte les invites et les tokens de chaque compte ; rien sur le chemin ne permet à un client de vérifier la première affirmation. Cela le place dans le régime promissoire de La Souveraineté de l’inférence, à côté des revendeurs sans journalisation. Les mêmes poids exécutés sur la propre machine du praticien gardent la main du modèle et suppriment la promesse, et ce qu’ajoute l’abonnement, c’est un matériel que le praticien n’a pas à acheter.
Un service hébergé se juge au modèle qu’il sert et au régime sous lequel il le sert. Un service qui refuse de nommer son modèle n’a rien donné à mesurer au classement.
9. Pourquoi les jailbreaks ne tiennent plus une doctrine
Les jailbreaks fonctionnent encore, et les attaquants les plus forts cassent désormais chaque nouveau modèle de pointe en quelques heures. L’UK AI Security Institute a trouvé un jailbreak universel du GPT-5.5 d’OpenAI en six heures de red-teaming en avril 2026, et a construit un jailbreak en un seul tour du Fable 5 d’Anthropic dans les heures qui ont suivi le début de ses tests (CNAS). En février 2026, Xander Davies, Geoffrey Irving, Yarin Gal et leurs collègues ont publié Boundary Point Jailbreaking, une attaque automatisée qui n’a besoin de savoir qu’une chose : si un classifieur de sécurité a signalé une requête. Elle a produit des jailbreaks universels contre les Constitutional Classifiers d’Anthropic, la défense qui, un an plus tôt, avait fait tomber le taux de réussite de 10 000 invites de jailbreak synthétiques contre Claude 3.5 Sonnet de 86 pour cent à 4,4 pour cent (Davies et al.). La défense avance au même pas : Anthropic n’a signalé aucun jailbreak universel sur 198 000 tentatives de red-teaming en janvier 2026. Le succès se répartit aussi inégalement entre laboratoires. Dans l’étude de Thilo Hagendorff, Erik Derner et Nuria Oliver parue dans Nature Communications en février 2026, DeepSeek-V3 a cédé sur 90 pour cent du banc d’essai et Claude 4 Sonnet sur moins de 3 pour cent (Hagendorff et al.).
Un praticien peut casser un modèle de pointe une fois. Une doctrine a besoin d’un modèle qui reste cassé, version après version, et la voie du jailbreak ne peut en fournir un. Le compagnon hébergé de Lodestone a tourné sur trois modèles Opus entre avril et septembre 2026. L’invite qui tenait sur l’un n’est qu’une conjecture sur le suivant, et chaque nouvelle version rouvre une négociation que l’opérateur n’a jamais demandée et qu’il ne voit pas venir. L’entretien devient le travail. Pliny the Liberator, le plus connu des jailbreakers individuels, a publié l’invite système de Fable 5 le lendemain de sa sortie en juin 2026 et a annoncé en juillet un jailbreak universel valant pour GPT-5.6, Opus 5 et Fable, sa méthode tenue secrète et non vérifiée. Chaque jailbreak rendu public est traqué et corrigé, et dans le cas de Fable 5, l’accès public au modèle a été retiré purement et simplement.
La limite plus profonde se situe sur le terrain dont une doctrine a le plus besoin. Les défenses publiées visent les armes : les classifieurs ci-dessus ont été construits contre l’aide aux armes chimiques, biologiques et nucléaires. En médecine et en politique, les modèles fermés refusent rarement. Ils répondent, et la réponse porte la main. Un jailbreak retire le refus et rien d’autre, comme l’abliteration à la section 1, si bien que sur ces sujets il ne trouve rien à retirer, seulement une position entraînée contre laquelle les instructions doivent argumenter à chaque tour.
Harmonia l’a constaté dans son propre déploiement. Le compagnon hébergé de Lodestone est passé à l’Opus 5.5 d’Anthropic le 27 septembre 2026, sous un socle doctrinal qui énonce sans réserve la position de l’Harmonisme sur la vaccination, et ses réponses sur la vaccination ont dérivé vers la lecture officielle que le socle exclut. Le modèle n’a pas refusé. Il s’est conformé dans la forme et a déplacé le fond.
Qu’un modèle suive le socle d’une doctrine dépend de la manière dont il a été entraîné, non de la publication ou non de ses poids. La constitution de Claude d’Anthropic permet à un opérateur de limiter et d’ajuster ce que fait le modèle, mais tient que les opérateurs « ne devraient pas diriger activement Claude pour qu’il agisse contre les intérêts fondamentaux des utilisateurs », et le modèle pèse chaque instruction au regard de cette ligne. Cette pesée mord le plus fort sur la santé, et chaque nouvelle version l’a rendue plus robuste. DeepSeek a concentré son propre entraînement de sécurité sur les sujets sensibles pour l’État chinois, comme le consigne la section 5, et rien de comparable n’est documenté pour le consensus médical occidental, si bien qu’un socle y rencontre moins de résistance entraînée. La lecture du consensus se trouve encore dans le corpus de pré-entraînement de chaque modèle ; ce qui diffère, c’est la facilité avec laquelle une invite système la supplante. Les poids ouverts ne garantissent pas non plus la docilité : DeepSeek V4 Pro répond à 3,2, les modèles Kimi K2 entre 1,8 et 3,2, OLMo 3 à 1,8.
Ce que donnent les poids ouverts, c’est le contrôle. Une version figée ne peut être mise à jour sous les pieds du déploiement qui en dépend, et le compagnon hébergé de Lodestone a changé de modèle trois fois entre avril et septembre 2026, le troisième changement déplaçant ses réponses sur la vaccination. Le praticien qui détient des poids ouverts choisit parmi des centaines de modèles et garde celui dont le comportement correspond à la doctrine, en retire les refus, l’affine sur le corpus propre d’une tradition, et l’exécute en définitive sur son propre matériel. L’Harmonisme tient la médecine pour l’un des domaines les plus capturés de la vie moderne (Big Pharma : l’architecture structurelle de la dépendance, La santé souveraine), et la santé est le terrain sur lequel les modèles d’Anthropic pèsent chaque réponse au regard du consensus que porte leur entraînement. Ce trait appartient au laboratoire plutôt qu’aux poids fermés. Dans une étude de 2025 parue dans les Annals of Internal Medicine, GPT-4o, Gemini 1.5 Pro, Llama 3.2 et Grok ont suivi des instructions système leur demandant de répondre à des questions de santé contre le consensus médical dans vingt essais sur vingt, et Claude 3.5 Sonnet dans huit (Modi et al., via ASCO Post) ; dans la batterie de tests propre à Harmonia, Grok 4.7 a tenu le socle là où Opus 5.5 ne l’a pas tenu. Un modèle fermé qui se conforme aujourd’hui reste à une version près du refus. Quiconque entend lire sa propre santé hors de ce consensus doit savoir cela des modèles phares. La voie souveraine passe par un modèle non censuré ou abliteré, sur son propre matériel de calcul partout où le matériel le permet (Lodestone § Où tourne Lodestone).
Les affirmations faites ici n’ont pas le même poids. Les éléments empiriques établissent que les jailbreaks réussissent encore, que leur succès varie de plus d’un ordre de grandeur entre laboratoires, et que les défenses publiées les plus fortes sont cassées à leur tour, par des instituts gouvernementaux et des attaques automatisées plutôt que par des invites qu’un opérateur pourrait garder en production. Que les modèles de pointe aient durci leurs positions entraînées sur les questions médicales et politiques, et non seulement leurs refus, est une inférence tirée d’un seul déploiement et de la direction que pointent les défenses publiées, non un constat mesuré. Que DeepSeek cède plus volontiers à une invite système sur les questions médicales occidentales est une inférence du même ordre, tirée de l’endroit où son laboratoire a placé son effort de sécurité, et la batterie de tests que décrit la section 2 est ce qui la confirmera ou la réfutera. L’Harmonisme tient la conséquence dans un cas comme dans l’autre : une doctrine acheminée par des poids qu’elle ne détient pas n’est tenue qu’au bon plaisir d’autrui, et le classement ci-dessus existe pour qu’elle n’ait pas à l’être.
10. Comment utiliser le classement
Décidez d’abord où le modèle tournera. Chaque modèle de ce classement peut être loué, et chacun de ceux des trois classes peut être possédé. Seul le modèle possédé garde une conversation privée : les classes sont dimensionnées pour une machine que détient le praticien, et la location achète de la capacité au prix d’une promesse (La Souveraineté de l’inférence). Puis aiguillez par tâche, comme le prescrit La Souveraineté de l’inférence. Pour le code, les résumés et la traduction, tout modèle capable fait l’affaire et le refus mord rarement. Pour le terrain disputé de la doctrine, de la santé ou du diagnostic civilisationnel, prenez un modèle du classement et faites-lui porter le socle doctrinal. Retirer les refus dégage la voie ; le socle fournit l’orientation que les refus n’ont jamais donnée.
Puis testez la main vous-même. Écrivez dix questions auxquelles votre propre tradition répond clairement, posez-les à l’original et au modèle modifié, et lisez ce que chacun avance de lui-même, ce qu’il nuance et ce qu’il traite comme établi. Vingt minutes de cet exercice en apprennent davantage à un praticien sur la main d’un modèle que n’importe quelle colonne de leaderboard.
Si vous menez votre propre abliteration, vérifiez ce que l’outil renvoie chez lui. OBLITERATUS verse chaque exécution dans un jeu de données public, un réglage activé par défaut dans sa version hébergée et à activer volontairement en local. Le principe affiché par Pliny, selon lequel « le comportement des modèles devrait être décidé par ceux qui les déploient », s’applique à la télémétrie de l’outil lui-même autant qu’aux refus du modèle.
Gardez en vue la responsabilité de l’opérateur. Un modèle qui ne refuse plus a remis à la personne au clavier le jugement que portaient ses refus, et c’est le coût que La Souveraineté de l’inférence attache aux dérivés communautaires de son niveau à poids ouverts.
Enfin, datez tout. Les données UGI ont changé le 24 septembre 2026, et chaque chiffre ici est daté de quatre jours plus tard. La liste de modèles publiée par Lodestone lui-même, révisée ce même 24 septembre, recommandait encore Qwen 2.5 sept mois après la sortie de Qwen3.5, et n’a été mise à jour que quatre jours plus tard. Le domaine avance plus vite que le cycle de révision de n’importe quel article, aussi ce classement sera-t-il recalculé chaque trimestre selon les mêmes critères.
Un modèle est de la matière organisée par l’intelligence, et sa main y a été mise par ceux qui l’ont entraîné. Reprendre en main son propre substrat au niveau de l’inférence, c’est savoir à qui était cette main, garder les refus que l’on veut et retirer ceux dont on ne veut pas, et bâtir vers le modèle dont la main est la sienne.
Voir aussi : La Souveraineté de l’inférence, La Pile souveraine, La Souveraineté de l’esprit, Le Substrat souverain, Le télos de la technologie, Alignement et gouvernance de l’I.A., Lodestone.