Le Shanghai AI Lab a mis en ligne discrètement, sans communiqué, un agent de navigation d'environ 744 milliards de paramètres, librement téléchargeable. Il devancerait GPT-5.6 Sol sur BrowseComp, un test mesurant la capacité à trouver des informations difficiles sur le web. Un laboratoire public publie gratuitement un modèle qui bat le produit commercial d'un acteur de premier plan sur sa spécialité.
Nous documentons depuis des mois la montée des modèles ouverts. Cet épisode ajoute un élément que nous n'avions pas encore vu : la spécialisation.
Ce que mesure ce test
BrowseComp évalue une chose précise : la capacité à trouver sur le web une information difficile à localiser, en enchaînant des recherches, en recoupant des sources et en persévérant quand les premières pistes échouent.
C'est une tâche agentique au sens strict, et elle est différente du raisonnement pur. Il faut décider quoi chercher, évaluer si un résultat est pertinent, reformuler quand ça ne donne rien, et savoir s'arrêter. Nous avons décrit cette chaîne dans notre article sur la recherche web.
Battre un modèle de pointe sur cet exercice ne signifie donc pas être meilleur en général. Cela signifie être meilleur sur cette compétence-là, ce qui est déjà considérable.
Ce que la publication silencieuse raconte
Le mode de publication mérite attention autant que le résultat.
Pas de communiqué, pas de campagne, pas de tableau comparatif mis en avant. Le modèle est simplement déposé, avec ses poids, et la communauté le découvre.
C'est l'exact opposé de ce que nous avons couvert cette semaine : des dirigeants qui débattent publiquement du rythme, des annonces accompagnées de tableaux maison. Pendant ce temps, un laboratoire dépose un modèle de 744 milliards de paramètres sans un mot.
Cela rejoint ce que nous relevions à propos de la révélation d'Ox Alpha : la marque compte moins qu'on ne croit, et des développeurs professionnels adoptent un modèle sur ses résultats avant de savoir d'où il vient.
Jusqu'ici, les modèles ouverts talonnaient les modèles fermés sur des indices généralistes — trois points d'écart, comme nous l'avons chiffré dans notre comparatif. Dépasser un modèle de pointe sur une compétence précise est différent. Cela suggère qu'un laboratoire disposant de moyens plus modestes peut viser un segment plutôt que la performance générale, et l'emporter. C'est exactement la logique de la spécialisation verticale que nous décrivions pour les entreprises, appliquée à la recherche.
Les réserves habituelles
Un test ne fait pas un modèle. BrowseComp mesure une compétence dans des conditions données. Nous rappelions hier pourquoi les benchmarks s'usent : contamination, raccourcis, saturation. Un score élevé sur un test précis ne se transpose pas automatiquement à un usage réel.
744 milliards de paramètres ne tiennent pas chez vous. C'est le point que nous répétons : ouvert ne veut pas dire accessible. Un modèle de cette taille exige une infrastructure sérieuse, ce qui le réserve à des institutions ou à des hébergeurs.
Aucune vérification indépendante à ce stade sur les conditions exactes de l'évaluation.
Ce qu'il faut retenir
Cet épisode illustre une transformation que nous suivons depuis l'été et qui s'accélère.
Il y a un an, la question était de savoir si les modèles ouverts rattraperaient les modèles fermés. Elle ne se pose plus dans ces termes : ils les rattrapent sur les indices généralistes et les dépassent ponctuellement sur des spécialités.
Ce qui se joue désormais est ailleurs, et nous l'écrivions à propos de l'extraction de modèles : dans un monde où les capacités se diffusent de toute façon, publier volontairement n'est pas un renoncement commercial. C'est une manière de capter l'influence plutôt que de tenter de retenir ce qui s'échappe.