Blog

Pangram 4 expliqué à partir de sa propre fiche modèle : les quatre têtes de classification exécutées en une seule passe, les champs de sortie les plus mal interprétés, et là où il cesse de fonctionner.

Un modèle coûte 29 fois plus cher par tâche que l'autre. J'ai passé en revue tous les chiffres publiés sur les deux, et le plus intéressant est l'option intermédiaire que personne ne devrait choisir.

DeepSeek V4 Flash vs GPT-5.6 avec les chiffres d'août 2026. Le vrai duel oppose Flash à Luna, l'intelligence est à égalité, et ce qui tranche, ce sont la vitesse, la vision et les données.

Cinq façons réelles d'atteindre le vaisseau amiral d'Alibaba à 2,4 billions de paramètres, du chat gratuit à l'API à $2/$6, plus les pièges de facturation qui attrapent les gens en chemin.

Le niveau bon marché de DeepSeek obtient désormais un score plus élevé que le niveau cher sur le classement indépendant. Voici précisément où cela se vérifie, et les deux endroits où ce n'est pas le cas.

Un modèle coûte 21 fois plus cher par token de sortie que l'autre. C'est le point le moins intéressant de cette comparaison, et voici ce que les specs décident réellement.

Deux laboratoires chinois ont lancé un modèle phare de plus de 2 000 milliards de paramètres à dix-sept jours d'intervalle, et aucun n'a mis l'autre sur son tableau de benchmarks. Voici ce qui se compare réellement, ce que coûte vraiment la facture, et lequel je choisirais.

Alibaba a qualifié Qwen3.8-Max de "juste derrière Fable 5". J'ai comparé les deux modèles sur le prix, le contexte, la disponibilité et les preuves publiées pour vérifier si cela tient la route.

Les deux modèles ont enfin des prix et des benchmarks publiés. Voici ce que les chiffres disent réellement, ce qu'ils ne peuvent pas dire, et lequel je choisirais pour construire.