Le meilleur LLM open source pour votre projet en juillet 2026 dépend de la tâche, pas du titre du benchmark. Les options actuelles incluent DeepSeek V4 Pro, Qwen3.6, Kimi K2.6 et GLM-5.1, chacun avec des forces différentes en raisonnement, codage, travail sur contexte long et licences. La question pratique est de savoir si vous avez besoin de poids téléchargeables ou d’une API hébergée qui fonctionne sans équipe d’exploitation GPU. Ce guide compare le paysage actuel, explique l’auto-hébergement par rapport à l’accès API, et montre comment utiliser des modèles à poids ouverts dans un agent de code avec Novita AI.
Qu’est-ce qu’un LLM open source ?
« Open source » couvre un large éventail dans la pratique. La distinction la plus importante sur le plan opérationnel est de savoir si vous pouvez exécuter vous-même les poids du modèle, et non si le code d’entraînement est public. Les cas courants sont :
- Poids entièrement ouverts avec licence permissive (Apache 2.0, MIT) : Vous pouvez utiliser, modifier et servir le modèle commercialement, sous réserve des termes de la licence. Exemples : Qwen3.6 (Apache 2.0), DeepSeek R1 (MIT) et GLM-5.1 (MIT).
- Poids ouverts avec licence personnalisée : Les poids sont téléchargeables, mais l’utilisation commerciale, la redistribution ou le fine-tuning peuvent être soumis à des restrictions. Le Llama 4 de Meta utilise une licence personnalisée avec des seuils de nombre d’utilisateurs au-delà de 700 millions d’utilisateurs mensuels.
- Poids réservés à la recherche ou verrouillés : Les poids sont disponibles mais limités à un usage non commercial ou nécessitent une approbation. Moins pertinents pour les équipes de production.
Pour la plupart des décisions de production, le filtre pratique est : pouvez-vous servir légalement ce modèle à vos utilisateurs, et la licence autorise-t-elle le cas d’usage commercial dont vous avez besoin ?
Meilleurs LLM open source en 2026
Le niveau des poids ouverts s’est considérablement resserré. Cette liste a été actualisée le 22 juillet 2026 pour inclure les nouvelles versions de Qwen, Kimi et GLM. Une limite importante : Moonshot a annoncé Kimi K3 le 16 juillet, mais ses poids complets sont prévus pour le 27 juillet. Jusqu’à ce que ces poids soient réellement publiés, Kimi K2.6 reste le dernier modèle Kimi téléchargeable couvert ici.
Usage général et raisonnement
DeepSeek V4 Pro (685B, proche MIT) est le leader actuel des benchmarks pour le codage agentique. Il égalise ou bat les modèles frontaliers fermés sur SWE-Bench et les benchmarks d’appel de fonctions, ce qui en fait un choix pratique pour les agents de code qui doivent lire de grandes bases de code et exécuter des appels d’outils en plusieurs étapes. Il est disponible en tant qu’API hébergée si vous n’avez pas l’infrastructure pour exécuter un modèle de 685B vous-même.
Qwen3.6 étend la famille Qwen à poids ouverts avec des variantes denses et MoE éparses, une entrée multimodale et une fenêtre de contexte native de 262K. La licence Apache 2.0 le maintient pratique pour le déploiement commercial, tandis que la gamme de tailles de modèle offre aux équipes plus de marge pour équilibrer la qualité et le coût de service.
Kimi K2.6 est le modèle MoE à poids ouverts de 1 000 milliards de paramètres de Moonshot AI avec 32B de paramètres actifs et une fenêtre de contexte de 256K. Il est conçu pour le codage agentique à long horizon, l’utilisation d’outils et la coordination multi-agents, et il est disponible via un accès API hébergé si vous ne souhaitez pas opérer le modèle complet vous-même.
DeepSeek R1 (685B, MIT) reste le choix le plus fort pour les mathématiques et le raisonnement formel — 79,8 % sur AIME. Si votre application implique la vérification de code, les preuves formelles ou les chaînes de raisonnement structurées, R1 est le point de référence.
GLM-5.1 est la mise à jour sous licence MIT de Z.ai pour GLM-5, avec 40B de paramètres actifs et une fenêtre de contexte de 204,8K. Son principal créneau est le travail agentique à long horizon où un modèle doit itérer en continu, inspecter les résultats et changer de stratégie plutôt que de s’arrêter après un court passage de codage.
Spécifiques au codage
Qwen 2.5 Coder 32B (Apache 2.0) atteint 92 % sur HumanEval et fonctionne sur une seule RTX 4090. Si vous avez besoin d’un modèle de codage que vous pouvez auto-héberger sur du matériel grand public, c’est le choix pratique.
Kimi K2.6 est également le choix Kimi actuel axé sur le codage. Sa conception à contexte long et à long horizon le rend plus pertinent que la variante antérieure Kimi K2 Code pour le travail soutenu sur des dépôts, les flux de travail riches en outils et le débogage autonome.
Petits et efficaces
Phi-4 14B de Microsoft fonctionne dans 8 Go de VRAM et gère bien le suivi d’instructions, le code et le raisonnement léger. Utilisez-le lorsque la latence et les contraintes matérielles sont plus importantes que la qualité maximale.
Llama 4 Scout de Meta prend en charge jusqu’à 10 millions de tokens de contexte et tient dans 16 Go de VRAM. Le bon choix lorsque votre charge de travail implique le traitement de longs documents.
Comparaison des modèles en un coup d’œil
| Modèle | Taille | Licence | Meilleur pour | Contexte |
|---|---|---|---|---|
| DeepSeek V4 Pro | 685B | Proche MIT | Codage agentique, SWE-Bench | 1M |
| Qwen3.6 | Variantes denses et MoE | Apache 2.0 | Raisonnement multimodal, usage commercial | 262K |
| Kimi K2.6 | 1T MoE, 32B actifs | MIT modifié | Codage agentique, utilisation d’outils | 256K |
| DeepSeek R1 | 685B | MIT | Mathématiques, raisonnement formel | 163K |
| GLM-5.1 | MoE, 40B actifs | MIT | Travail agentique à long horizon | 204,8K |
| Qwen 2.5 Coder 32B | 32B | Apache 2.0 | Code, auto-hébergé | 128K |
| Phi-4 14B | 14B | MIT | Faible VRAM, usage dev | 128K |
| Llama 4 Scout | ~109B | Personnalisée | Documents longs | 10M |
Auto-hébergement vs. inférence API hébergée
C’est la décision opérationnelle qui détermine votre coût réel et votre investissement en temps. La version courte : l’inférence API hébergée est moins chère et plus rapide à exploiter, sauf si vous dépassez environ 2 à 5 millions de tokens par jour avec un trafic soutenu sur une période de 12 mois.
Quand l’inférence API hébergée gagne
- Votre équipe n’a pas d’expérience en exploitation GPU
- Vous êtes encore en phase de prototypage ou d’itération sur la sélection du modèle
- Votre volume de tokens est inférieur au seuil de rentabilité de l’auto-hébergement
- Vous avez besoin de changer rapidement de modèle au fur et à mesure des nouvelles versions
- La fiabilité et la mise à l’échelle automatique sont plus importantes que l’optimisation des coûts
Une API LLM hébergée, surtout si elle est compatible OpenAI, vous permet d’ajouter un nouveau modèle avec une modification d’une ligne dans votre URL de base et votre ID de modèle. Vous évitez la gestion des démarrages à froid, les compromis de quantification, la configuration par lots et les mises à niveau du framework de service.
Quand l’auto-hébergement gagne
- Vos données ne peuvent pas quitter votre infrastructure (santé, finance, juridique, secteurs réglementés)
- Vous traitez plus de 5 millions de tokens par jour avec un trafic prévisible
- Vous devez servir un checkpoint fine-tuné ou adapté qu’aucun fournisseur hébergé ne propose
- Vous disposez d’un cluster GPU existant avec une capacité disponible
L’auto-hébergement sur H100s avec SGLang ou vLLM est véritablement rentable à grande échelle. Des benchmarks récents placent SGLang à 29 % de débit en plus que vLLM sur des charges de travail standard, et jusqu’à 6 fois plus rapide sur les pipelines RAG à préfixe lourd via RadixAttention. Mais ces gains ne comptent que si vous avez la capacité opérationnelle de maintenir la pile de service face aux mises à jour des modèles, aux pannes matérielles et aux pics de trafic.
La voie hybride
La plupart des équipes finissent par adopter une approche hybride : API hébergée pour le prototypage et l’accès flexible aux modèles, instances GPU pour les charges de travail qui justifient une capacité dédiée. L’avantage pratique de rester sur une seule plateforme cloud IA est que vous n’avez pas besoin de reconstruire les pipelines d’authentification, de facturation, d’observabilité et de déploiement lorsque vous passez d’un API serverless à un endpoint dédié, puis à une instance GPU personnalisée.
Comment accéder aux LLM open source via API
Novita AI fournit un accès API compatible OpenAI à un catalogue de modèles open source, notamment DeepSeek V4 Pro, DeepSeek V4 Flash, Kimi K2.6, Qwen3.6, GLM-5.1, MiniMax M3, et d’autres. La structure de l’endpoint est la même que celle d’OpenAI, donc le code existant qui utilise le SDK openai peut se connecter aux modèles Novita avec des modifications minimales.
Appel API de base
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="VOTRE_CLE_API_NOVITA",
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-pro",
messages=[
{"role": "system", "content": "Vous êtes un assistant utile."},
{"role": "user", "content": "Expliquez la différence entre DeepSeek R1 et V4 Pro."},
],
)
print(response.choices[0].message.content)
Pour changer de modèle, modifiez le paramètre model. Aucun autre changement n’est nécessaire. Une liste complète des ID de modèle pris en charge est disponible sur novita.ai/docs/model-api/reference/llm/models.html.
TypeScript
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.novita.ai/v3/openai",
apiKey: process.env.NOVITA_API_KEY,
});
const response = await client.chat.completions.create({
model: "qwen/qwen3.5-397b-a17b",
messages: [{ role: "user", content: "Écrivez une fonction Python pour analyser du JSON." }],
});
console.log(response.choices[0].message.content);
Référence de prix
Les prix varient selon le modèle et sont facturés par million de tokens. DeepSeek V4 Flash à 0,14 $/Mt en entrée et 0,28 $/Mt en sortie est l’option la plus rentable pour un usage général. DeepSeek V4 Pro à 1,60 $/Mt en entrée et 3,20 $/Mt en sortie est le choix premium pour les flux de travail agentiques et de codage où la qualité du modèle affecte directement le taux d’achèvement des tâches. Consultez novita.ai/models/llm pour les prix actuels, car ceux-ci changent avec l’ajout de nouveaux modèles.
LLM open source pour les agents de code
Les configurations d’agents de code les plus efficaces en 2026 combinent un LLM open source pour le raisonnement et la génération de code avec un environnement d’exécution isolé (sandbox) pour exécuter le code. Il s’agit d’une architecture différente d’un simple appel API : l’agent doit lire des fichiers, écrire du code, exécuter des commandes, inspecter les résultats et itérer.
Les deux modes d’échec à éviter sont :
- Exécuter du code généré par l’agent sur votre machine de développement ou votre serveur de production — une erreur si le modèle génère quelque chose de destructeur ou d’inattendu
- Configurer vous-même une VM complète par session d’agent — rapide à dépasser, lent à passer à l’échelle
Novita Agent Sandbox
Le Agent Sandbox de Novita fournit des environnements Linux isolés qui démarrent en moins de 200 ms. Chaque sandbox possède un système de fichiers que l’agent peut lire et écrire, un shell dans lequel l’agent peut exécuter des commandes, et un isolement afin que tout ce que le modèle génère ne puisse pas affecter les autres sandbox ou votre infrastructure. Les sessions persistent entre les requêtes, permettant à l’agent de maintenir un état tout au long d’une tâche en plusieurs étapes.
Le SDK Python est simple :
from novita_sandbox.code_interpreter import Sandbox
sandbox = Sandbox.create()
# L'agent écrit un fichier
sandbox.files.write("/workspace/app.py", code_content)
# L'agent l'exécute
result = sandbox.commands.run("python /workspace/app.py")
print(result.stdout)
# Nettoyage
sandbox.kill()
Associez ceci à n’importe quel modèle compatible OpenAI sur l’API LLM de Novita, et vous obtenez un agent de code capable de générer, exécuter, inspecter et réviser du code sans aucune infrastructure au-delà de votre clé API.
Frameworks d’agents open source
Plusieurs agents de codage open source sont disponibles en tant qu’exécutables prêts à l’emploi sur le Agent Sandbox de Novita :
- OpenClaw sur Novita — déployez un agent OpenClaw persistant via le sandbox Novita sans limite de session. Il se connecte automatiquement à l’API LLM et au sandbox de Novita, ce qui le rend pratique pour les tâches d’automatisation de longue durée.
- Hermes Agent — un agent autonome de Nous Research avec mémoire persistante. Fonctionne comme un processus de longue durée plutôt qu’une session unique.
- Goose — un agent de codage open source (45 000+ étoiles GitHub) avec Novita en tant que fournisseur natif, lui donnant accès à plus de 200 modèles derrière un seul identifiant.
Pour les équipes qui construisent des agents de codage personnalisés plutôt que de déployer un framework existant, le Novita Agent Runtime offre une couche d’infrastructure légère qui gère le cycle de vie du sandbox, le routage des appels d’outils et la persistance des sessions.
Quel LLM open source devriez-vous utiliser ?
L’arbre de décision est court :
Pour le codage et les tâches agentiques : Commencez par DeepSeek V4 Pro via API. C’est le leader actuel en performance pour SWE-Bench et l’utilisation d’outils en plusieurs étapes. Si le coût est une contrainte, DeepSeek V4 Flash gère les tâches de code plus simples à une fraction du prix.
Pour le raisonnement et les mathématiques : DeepSeek R1 est toujours la référence pour AIME et le raisonnement formel. Utilisez-le lorsque la tâche implique une résolution de problèmes structurée plutôt que l’exécution de code.
Pour un usage commercial avec licence ouverte : Qwen3.6 sous Apache 2.0 est un point de départ pratique lorsque votre équipe juridique a besoin d’une licence permissive familière. Choisissez parmi les variantes denses et MoE en fonction de votre budget de service et de vos tests de qualité de tâche.
Pour le codage auto-hébergé sur GPU grand public : Qwen 2.5 Coder 32B fonctionne sur une seule RTX 4090 et obtient un score de 92 % sur HumanEval. Si vous avez besoin d’auto-héberger un modèle de codage sans infrastructure GPU haut de gamme, c’est le choix pratique.
Pour les documents longs : Llama 4 Scout avec sa fenêtre de contexte de 10 millions de tokens gère les charges de travail qui nécessiteraient un découpage sur tout autre modèle.
Pour les petits environnements : Phi-4 14B tient dans 8 Go de VRAM et gère bien le suivi d’instructions, la génération de code et le raisonnement léger.
Le schéma commun à tous ces choix : l’accès API hébergé supprime les frais généraux d’exploitation et vous permet de changer de modèle au fur et à mesure que le paysage évolue. L’auto-hébergement a du sens lorsque la souveraineté des données ou l’économie des tokens à grande échelle justifient l’investissement dans l’exploitation GPU. La plupart des équipes de production finissent par faire les deux.
Conclusion
Le paysage des LLM open source en 2026 est fondamentalement différent de celui d’il y a deux ans. Des modèles comme DeepSeek V4 Pro, Qwen3.6, Kimi K2.6 et GLM-5.1 sont des candidats de premier choix pour des charges de travail spécifiques telles que le codage agentique, le raisonnement formel, l’analyse multimodale et le traitement de longs contextes.
La décision pratique n’est pas de savoir quel modèle est le meilleur sur un classement. Il s’agit de savoir quel modèle correspond à votre modèle opérationnel : une API hébergée si vous devez aller vite et éviter les opérations GPU, l’auto-hébergement si vos données ne peuvent pas quitter votre infrastructure ou si l’économie de vos tokens justifie l’investissement, et une couche d’exécution en sandbox si votre modèle doit agir sur du code plutôt que simplement le générer.
L’API LLM de Novita AI couvre les principaux modèles open source derrière un endpoint compatible OpenAI, vous permettant d’exécuter le même code d’intégration avec DeepSeek, Qwen, Kimi ou GLM sans reconstruire votre pile à chaque version de modèle. Associez-la à Agent Sandbox lorsque la tâche nécessite l’exécution de code, et vous obtenez le cœur d’un agent de codage prêt pour la production sans gérer vous-même l’infrastructure sous-jacente.
FAQ
Quel est le meilleur LLM open source en 2026 ?
DeepSeek V4 Pro est un candidat solide pour le codage agentique, Kimi K2.6 cible l’utilisation d’outils à long horizon, Qwen3.6 offre des options sous licence Apache 2.0 en plusieurs tailles, et GLM-5.1 cible l’exécution agentique soutenue. La bonne réponse dépend de votre tâche, des exigences de licence, du matériel et de votre souhait d’auto-hébergement.
Quels sont les meilleurs LLM open source pour une utilisation locale ?
Qwen 2.5 Coder 32B (une seule RTX 4090), Phi-4 14B (8 Go de VRAM) et Llama 4 Scout (16 Go de VRAM, 10M de contexte) sont les choix pratiques pour l’inférence locale. Les modèles de plus de 70B nécessitent généralement des configurations multi-GPU.
Les grands modèles de langage open source sont-ils aussi bons que les modèles fermés ?
Pour des tâches spécifiques, oui. DeepSeek V4 Pro égalise ou bat GPT-4.1 sur SWE-Bench et les benchmarks de codage. Pour les tâches générales ouvertes, les meilleurs modèles fermés conservent encore un avantage. L’écart dépend fortement de la tâche et du benchmark spécifiques.
Quelles sont les actualités des LLM open source aujourd’hui ?
Au 22 juillet 2026, les versions récentes à poids ouverts incluent Qwen3.6, Kimi K2.6, GLM-5.1 et DeepSeek V4 Pro. Kimi K3 a été annoncé, mais ses poids complets sont prévus pour le 27 juillet, il ne doit donc pas encore être considéré comme une option téléchargeable à poids ouverts.
Comment accéder aux modèles LLM open source sans auto-hébergement ?
Utilisez une API d’inférence hébergée. Novita AI fournit un accès compatible OpenAI à DeepSeek, Qwen, Kimi, GLM, MiniMax et d’autres modèles open source. Changez votre URL de base pour https://api.novita.ai/v3/openai et l’ID du modèle pour celui que vous souhaitez ; aucun autre changement à votre code existant.
Quelle est la différence entre les LLM open source et les modèles de langage open source ?
Les termes sont utilisés de manière interchangeable dans la plupart des contextes. Techniquement, « grand modèle de langage » fait spécifiquement référence aux modèles de langage basés sur des transformers entraînés à grande échelle. « Modèle de langage open source » peut également faire référence à des modèles plus petits ou à des modèles en dehors de l’architecture transformer, mais dans l’usage courant, les deux termes décrivent la même catégorie de modèles.
