{"id":1166,"date":"2026-08-27T08:04:02","date_gmt":"2026-08-27T05:04:02","guid":{"rendered":"https:\/\/www.tayfnews.tech\/fr\/?p=1166"},"modified":"2026-08-27T08:04:02","modified_gmt":"2026-08-27T05:04:02","slug":"qwen3-8-flash-next-teste-sur-linfrastructure-nvidia-gb300-nvl72","status":"publish","type":"post","link":"https:\/\/www.tayfnews.tech\/fr\/technology\/qwen3-8-flash-next-teste-sur-linfrastructure-nvidia-gb300-nvl72\/","title":{"rendered":"Qwen3.8-Flash-Next test\u00e9 sur l&rsquo;infrastructure NVIDIA GB300 NVL72"},"content":{"rendered":"<p>Alibaba a officiellement publi\u00e9 les poids du mod\u00e8le <strong>Qwen3.8-Flash-Next<\/strong>, offrant aux d\u00e9veloppeurs un premier aper\u00e7u et un outil d&rsquo;\u00e9valuation pour la future <strong>architecture Qwen4<\/strong>. Con\u00e7u pour g\u00e9rer des flux de travail computationnels et g\u00e9n\u00e9ratifs complexes, ce mod\u00e8le multimodal s&rsquo;accompagne de configurations de test mat\u00e9rielles haut de gamme, utilisant notamment l&rsquo;infrastructure <strong>NVIDIA GB300 NVL72<\/strong> sp\u00e9cifiquement adapt\u00e9e aux t\u00e2ches avanc\u00e9es de codage agentique.<\/p>\n<h2>Avanc\u00e9es architecturales et conception par m\u00e9lange d&rsquo;experts (MoE)<\/h2>\n<p>Le nouveau mod\u00e8le de pr\u00e9visualisation d\u00e9voil\u00e9 s&rsquo;appuie sur une architecture sophistiqu\u00e9e de <strong>m\u00e9lange d&rsquo;experts multimodal (MoE)<\/strong> con\u00e7ue pour concilier performance brute et efficacit\u00e9 d&rsquo;ex\u00e9cution. En s\u00e9parant l&rsquo;\u00e9chelle totale des param\u00e8tres du calcul actif par jeton, le mod\u00e8le g\u00e8re des boucles de raisonnement exigeantes sans imposer de p\u00e9nalit\u00e9s de latence excessives.<\/p>\n<ul>\n<li><strong>\u00c9chelle principale du mod\u00e8le :<\/strong> 125 milliards de param\u00e8tres constituant le c\u0153ur fondamental.<\/li>\n<li><strong>Embeddings N-gram :<\/strong> 51 milliards de param\u00e8tres suppl\u00e9mentaires d\u00e9di\u00e9s \u00e0 l&rsquo;efficacit\u00e9 structurelle.<\/li>\n<li><strong>Param\u00e8tres actifs :<\/strong> Seuls 6 milliards de param\u00e8tres sont activ\u00e9s par jeton lors de l&rsquo;inf\u00e9rence.<\/li>\n<li><strong>Fen\u00eatre contextuelle native :<\/strong> Une capacit\u00e9 contextuelle native massive de 262 144 jetons.<\/li>\n<li><strong>Contexte \u00e9tendu :<\/strong> Extensible jusqu&rsquo;\u00e0 1 000 000 de jetons pour l&rsquo;analyse de r\u00e9f\u00e9rentiels de grande taille.<\/li>\n<\/ul>\n<h2>Alimenter le codage agentique sur NVIDIA GB300 NVL72<\/h2>\n<p>Alors que l&rsquo;automatisation de l&rsquo;ing\u00e9nierie logicielle s&rsquo;oriente vers des flux de travail agentiques autonomes, les grands mod\u00e8les de langage doivent traiter simultan\u00e9ment des bases de code enti\u00e8res, des biblioth\u00e8ques de documentation et des boucles de r\u00e9troaction d&rsquo;ex\u00e9cution. L&rsquo;association de Qwen3.8-Flash-Next et de la plateforme de pointe NVIDIA GB300 NVL72 offre la m\u00e9moire \u00e0 haute bande passante et la puissance de traitement parall\u00e8le n\u00e9cessaires pour maintenir ces actions d&rsquo;agents en plusieurs \u00e9tapes de mani\u00e8re fluide.<\/p>\n<p>Les d\u00e9veloppeurs et chercheurs d\u00e9sireux d&rsquo;explorer les capacit\u00e9s de l&rsquo;aper\u00e7u de l&rsquo;architecture Qwen4 peuvent acc\u00e9der aux poids du mod\u00e8le pour \u00e9valuer la g\u00e9n\u00e9ration de code, la correction d&rsquo;erreurs et la navigation logicielle autonome sous de lourdes charges de travail.<\/p>\n<p><em>Source : <a href=\"https:\/\/developer.nvidia.com\/blog\/experiment-with-qwen3-8-flash-next-on-nvidia-gb300-nvl72-for-agentic-coding\/\" target=\"_blank\" rel=\"noopener noreferrer\">Article original<\/a><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>D\u00e9couvrez l&rsquo;aper\u00e7u du mod\u00e8le Qwen3.8-Flash-Next d&rsquo;Alibaba pour le codage agentique, \u00e9valu\u00e9 sur du mat\u00e9riel NVIDIA GB300 NVL72 avec une immense fen\u00eatre contextuelle.<\/p>\n","protected":false},"author":1,"featured_media":1165,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"googlesitekit_rrm_CAowrrDMDA:productID":"","tayfnews_source_url":"","footnotes":"","rank_math_focus_keyword":"Qwen3.8-Flash-Next, NVIDIA GB300 NVL72, architecture Qwen4, Mat\u00e9riel, Mod\u00e8les IA, Technologie","rank_math_title":"Qwen3.8-Flash-Next test\u00e9 sur l'infrastructure NVIDIA GB300 NVL72","rank_math_description":"D\u00e9couvrez l'aper\u00e7u du mod\u00e8le Qwen3.8-Flash-Next d'Alibaba pour le codage agentique, \u00e9valu\u00e9 sur du mat\u00e9riel NVIDIA GB300 NVL72 avec une immense fen\u00eatre contextuelle."},"categories":[2],"tags":[],"class_list":["post-1166","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-technology"],"_links":{"self":[{"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/posts\/1166","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/comments?post=1166"}],"version-history":[{"count":1,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/posts\/1166\/revisions"}],"predecessor-version":[{"id":1167,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/posts\/1166\/revisions\/1167"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/media\/1165"}],"wp:attachment":[{"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/media?parent=1166"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/categories?post=1166"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/fr\/wp-json\/wp\/v2\/tags?post=1166"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}