RéponsesPublié20 sources
StartLux : un modèle 27B talonne un modèle de 1 600 milliards de paramètres dans un test d’agents IA
StartLux V1.0 27B Preview a obtenu 39,25 au test MCP du CAICT, soit seulement 1,30 point de moins que DeepSeek V4 Pro et ses 1 600 milliards de paramètres. Le modèle de 27 milliards de paramètres a devancé DeepSeek V4 Flash 0731, doté de 284 milliards de paramètres, ainsi que Step 3.7 Flash, qui en compte 198 millia...
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- StartLux V1.0 27B Preview a obtenu 39,25 au test MCP du CAICT, soit seulement 1,30 point de moins que DeepSeek V4 Pro et ses 1 600 milliards de paramètres.
- Le modèle de 27 milliards de paramètres a devancé DeepSeek V4 Flash 0731, doté de 284 milliards de paramètres, ainsi que Step 3.7 Flash, qui en compte 198 milliards.
- Le résultat concerne un benchmark spécialisé dans les agents IA : navigation, recherche web, automatisation de navigateur, analyse financière, gestion de dépôts de code et conception 3D.
- Cette performance ne met pas fin à l’intérêt des très grands modèles, mais renforce l’idée que la fiabilité des appels d’outils, le coût, la confidentialité et le déploiement local comptent autant que le nombre de par...
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Shanghai-based StartLux’s StartLux-V1.0-27B-Preview, a 27-billion-parameter model built on Qwen3.6-27B with targeted post-training a. Article summary: StartLux-V1.0-27B-Preview was a notable outlier in CAICT’s MCP special test: it placed second overall with a 39.25 score despite having 27 billion parameters. It trailed the 1.6-trillion-parameter DeepSeek-V4-Pro by 1.30. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Le modèle local StartLux-V1.0-27B-Preview, développé par la société shanghaïenne StartLux, vient de livrer un résultat difficile à ignorer. Dans le test MCP consacré à l’IA de confiance, organisé par l’Institut de recherche sur l’intelligence artificielle de la China Academy of Information and Communications Technology (CAICT), l’Académie chinoise des technologies de l’information et des communications, il s’est classé deuxième au classement général avec un score de 39,25. Il ne termine qu’à 1,30 point du modèle DeepSeek-V4-Pro, qui compte 1 600 milliards de paramètres. 10
3
Il serait toutefois excessif d’en conclure qu’un modèle de 27 milliards de paramètres a dépassé, de manière générale, les systèmes à l’échelle du millier de milliards. Le résultat est plus précis — et plus intéressant pour les entreprises : lorsqu’un modèle est optimisé pour appeler des outils, planifier plusieurs étapes et mener une tâche jusqu’à son terme, il peut rivaliser avec des modèles bien plus volumineux sur un périmètre opérationnel donné.
Un test consacré au travail réel des agents IA
Le volet MCP évaluait six catégories de tâches spécialisées :
- la navigation géographique ;
- la recherche sur le web ;
- l’automatisation d’un navigateur ;
- l’analyse financière ;
- la gestion de dépôts de code ;
- la conception 3D.
Ces six catégories étaient complétées par une évaluation globale, soit sept indicateurs au total. Le test s’intéressait notamment à la collaboration entre plusieurs outils, à l’exécution de tâches complexes et à l’interaction avec des environnements réels. Selon les informations publiées, la moyenne a été calculée à partir de trois séries complètes de tests. 10
7
Cette approche distingue le benchmark MCP d’un classement général de modèles de langage. Il ne s’agit pas seulement de répondre correctement à une question de connaissances ou de raisonnement. Le modèle doit comprendre un objectif, élaborer un plan, choisir les bons outils, gérer plusieurs étapes et achever l’opération. Pour une entreprise qui cherche à déployer un agent, ce type de fiabilité peut être plus important qu’un excellent résultat sur des questions isolées.
StartLux devant des modèles beaucoup plus grands
Le classement global rapporté place StartLux devant plusieurs modèles dont le nombre total de paramètres est nettement supérieur :
- StartLux-V1.0-27B-Preview : 27 milliards de paramètres, score global de 39,25 ;
- DeepSeek-V4-Pro : 1 600 milliards de paramètres, première place, avec 1,30 point d’avance ;
- DeepSeek-V4-Flash-0731 : 284 milliards de paramètres, score de 38,24 ;
- Step-3.7-Flash : 198 milliards de paramètres, classé derrière StartLux.
Les rapports cités indiquent également que StartLux a obtenu 5,34 points de plus que le modèle de même taille Qwen-3.6-27B. Qwen-3.6-27B et AgentCPM-Explore figuraient dans l’ensemble comparatif publié, mais les éléments disponibles ne donnent pas de score global suffisamment fiable pour chacun d’eux. 2
3
10
Dans le détail, StartLux aurait pris la première place en navigation géographique. Il aurait aussi égalé ou devancé DeepSeek-V4-Pro dans l’automatisation de navigateur et l’analyse financière. 4
6
7
Une victoire de l’efficacité, pas la fin des grands modèles
Le principal enseignement concerne donc l’efficacité des paramètres, et non la disparition de l’avantage lié à la taille. Les modèles les plus imposants peuvent toujours offrir des capacités plus larges, de meilleures performances sur des tâches difficiles et davantage de marge pour le raisonnement de pointe.
Le test du CAICT montre plutôt que l’entraînement après préformation et la spécialisation peuvent peser très lourd lorsque l’évaluation récompense l’exécution fiable d’un processus. StartLux présente son modèle comme un agent déployable localement et met en avant une méthode de recherche automatisée baptisée « AI trains AI » — littéralement, « l’IA entraîne l’IA ». Ce sont les explications avancées par l’entreprise ; le benchmark confirme une performance observée, mais ne permet pas à lui seul d’établir quelles méthodes d’entraînement en sont la cause.
La conclusion la plus prudente est donc la suivante : une optimisation ciblée pour l’utilisation d’outils, la planification et l’exécution de flux de travail peut réduire fortement l’écart avec des modèles beaucoup plus grands dans certaines tâches d’entreprise.
Ce que le déploiement local pourrait changer
Un modèle de 27 milliards de paramètres est, en principe, bien plus facile à déployer sur une infrastructure privée qu’un modèle de 1 600 milliards, notamment lorsqu’une version quantifiée et un matériel adapté sont disponibles. Pour les organisations qui exécutent de nombreux flux de travail répétitifs, plusieurs avantages sont envisageables :
- Maîtrise des données : les requêtes sensibles et les résultats des outils peuvent rester dans l’environnement de l’entreprise au lieu d’être transmis à une API externe.
- Maîtrise des coûts : une inférence à grande échelle peut réduire certains frais récurrents liés aux API, même si le matériel, l’électricité, l’exploitation et l’ingénierie doivent être intégrés au coût total de possession.
- Latence et disponibilité : une installation locale peut limiter la dépendance à la connexion réseau et à la capacité disponible chez un fournisseur.
- Personnalisation : l’entreprise peut adapter les outils, les règles d’accès et les procédures d’évaluation à un processus précis.
Ces bénéfices restent des possibilités, pas des garanties automatiques. Le local transfère aussi une partie des responsabilités au client : achat du matériel, mises à jour du modèle, contrôle des accès, journaux d’audit, supervision et sécurité. Un modèle plus compact peut être plus simple à exécuter sans être forcément plus simple à gouverner.
Une tendance qui dépasse StartLux
StartLux s’inscrit dans un mouvement plus large en faveur de modèles d’agents compacts, conçus pour l’efficacité plutôt que pour un nombre maximal de paramètres. NVIDIA décrit Nemotron 3.5 Lightning comme un modèle open source à mixture-of-experts de 30 milliards de paramètres, dont 3 milliards seulement sont actifs, destiné à l’exécution à haut volume d’agents fonctionnant en continu. La documentation de support de NVIDIA mentionne également des variantes de Gemma 4 de 12 et 31 milliards de paramètres. 25
26
Des sources secondaires et des catalogues de modèles classent aussi Muse Glimmer de Meta parmi les modèles destinés aux agents locaux. Les éléments disponibles ici ne permettent toutefois pas de vérifier indépendamment la documentation de lancement originale de Meta. 27
33
Le mouvement général est néanmoins suffisamment net : les développeurs optimisent de plus en plus les paramètres actifs, le débit, la quantification, la fiabilité des appels d’outils et la possibilité de faire fonctionner les modèles sur une infrastructure contrôlée par l’utilisateur.
Comment les entreprises devraient évaluer leurs modèles
Le résultat de StartLux pourrait encourager les acheteurs chinois à adopter une stratégie plus segmentée :
- Privilégier des modèles compacts et privés pour les processus sensibles, fréquents et répétitifs.
- Réserver les modèles cloud de pointe aux tâches vastes, ponctuelles ou particulièrement difficiles, lorsque la capacité maximale prime sur la simplicité de déploiement.
- Tester le flux complet, et pas seulement le modèle : précision des appels d’outils, capacité à récupérer après une erreur, taux d’achèvement, qualité en chinois, adéquation au domaine, latence et coût d’exploitation.
- Évaluer la gouvernance avant le lancement, notamment les permissions, la conservation des données, la traçabilité, les mises à jour du modèle et l’escalade vers un opérateur humain.
Cette méthode remplace une question devenue trop simpliste — « quel modèle a le plus de paramètres ? » — par une question plus utile : « quel modèle accomplit cette tâche de façon fiable, à un coût et avec un niveau de risque acceptables ? »
La course aux paramètres devient une course aux flux de travail
StartLux-V1.0-27B-Preview n’a pas mis fin à la compétition entre petits et grands modèles. Il rend simplement l’arbitrage plus difficile à ignorer. Pour une entreprise qui accorde la priorité à la confidentialité, à des coûts prévisibles, à une faible latence et au déploiement privé, un modèle compact capable d’utiliser correctement des outils peut constituer un meilleur achat qu’un système beaucoup plus grand.
La prochaine étape des achats d’IA devrait donc moins consister à chercher un vainqueur universel qu’à associer une taille de modèle et un mode de déploiement à un travail précis. Dans cette nouvelle logique, le score de 39,25 obtenu par StartLux est important non parce qu’il rend le nombre de paramètres inutile, mais parce qu’il montre la quantité de capacités qu’il est possible de concentrer dans un modèle suffisamment compact pour envisager des opérations locales.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « StartLux : un modèle 27B talonne un modèle de 1 600 milliards de paramètres dans un test d’agents IA » ?
StartLux V1.0 27B Preview a obtenu 39,25 au test MCP du CAICT, soit seulement 1,30 point de moins que DeepSeek V4 Pro et ses 1 600 milliards de paramètres.
Quels sont les points clés à valider en premier ?
StartLux V1.0 27B Preview a obtenu 39,25 au test MCP du CAICT, soit seulement 1,30 point de moins que DeepSeek V4 Pro et ses 1 600 milliards de paramètres. Le modèle de 27 milliards de paramètres a devancé DeepSeek V4 Flash 0731, doté de 284 milliards de paramètres, ainsi que Step 3.7 Flash, qui en compte 198 milliards.
Que dois-je faire ensuite en pratique ?
Le résultat concerne un benchmark spécialisé dans les agents IA : navigation, recherche web, automatisation de navigateur, analyse financière, gestion de dépôts de code et conception 3D.