Il y a un an et demi, j'ai dit à un ami que faire du travail sérieux sur des poids ouverts était un hobby, pas un plan. J'avais tort, et je peux désigner le chiffre qui a changé mon avis : 87.
C'est à peu près là que se situe DeepSeek V4 Pro aujourd'hui sur le classement composite de BenchLM. Un modèle que vous pouvez télécharger entièrement, poids compris, qui se place juste sous la frontière fermée plutôt que de traîner loin derrière. Je veux donc faire la chose peu glamour et vraiment comparer les options du meilleur LLM open source à mi-2026, classées par ce que chacun fait vraiment bien. Pas par celui qui a eu la semaine de lancement la plus bruyante.
Le classement open-weight, clairement
Voici où le groupe ouvert se situe sur le score composite de BenchLM en ce moment. Une réserve avant la liste : ces scores sont ceux rapportés par BenchLM en juin 2026 — prenez-les comme des indications, pas comme une vérité absolue.
- DeepSeek V4 Pro (Max) — environ 87. Le meilleur modèle ouvert.
- GLM-5.1 — environ 83.
- Kimi K2.6 — environ 81.
- GLM-5 (Reasoning) — environ 79.
- Qwen3.5 397B (Reasoning) — environ 77.
Regardez cet écart. Dix points séparent le premier du cinquième, et chaque modèle là-dedans est quelque chose que vous déploieriez volontiers en production. Un rang de classement est une moyenne sur des dizaines de tâches. Vous ne faites pas tourner une moyenne en production. Vous faites tourner votre charge de travail.
La vraie question n'est donc pas « lequel est le meilleur ? ». C'est « meilleur en quoi ? ». Permettez-moi de décomposer ça par tâche.
Le meilleur LLM open source pour le codage
C'est la catégorie où les poids ouverts ont cessé d'être un recours.
GLM-5 affiche environ 77,8 % sur SWE-bench Verified, selon BenchLM. Ce benchmark demande au modèle de corriger de vrais problèmes GitHub dans de vrais dépôts, pas d'auto-compléter une fonction bien rangée. Les 70 et quelques élevés, c'est un territoire adjacent à la frontière. DeepSeek V4 Pro est juste à côté avec environ 80,6 % sur le même test. Si vous vivez dans Claude Code ou Cursor et voulez quelque chose d'auto-hébergeable qui tient sur un refactoring multi-fichiers, l'un ou l'autre est un premier choix raisonnable. Je penche pour GLM-5 quand je veux une empreinte plus petite, et pour DeepSeek quand je veux plus de marge.
Une limite honnête, cependant. SWE-bench Verified vérifie seulement si un patch passe les tests. Ça ne dit rien sur si votre ingénieur senior approuverait le pull request. Savoir quand ne pas toucher un fichier, quand laisser quelque chose d'laid parce que le réécrire est plus risqué que le garder — ce genre de retenue n'apparaît pas dans un score. Prenez donc les 77,8 % comme un chiffre rapporté, et lisez quand même chaque diff.
Le meilleur LLM open source pour les longs contextes
Vous voulez lui donner tout un codebase, ou un an de documents de design en une seule fois ? Llama 4 Scout annonce une fenêtre de contexte d'environ 10 millions de tokens, selon cet article Hugging Face. C'est le chiffre annoncé, et les poids sont ouverts. Pour la récupération de documents volumineux ou l'analyse de dépôts entiers, rien d'autre d'ouvert n'approche sur la taille brute de la fenêtre.
Je garderais deux choses en tête avant de vous enthousiasmer. Une fenêtre immense et « raisonne de manière fiable sur tout son contenu » ne sont pas la même affirmation. Le rappel s'amincit avec la distance pour tous les modèles que j'ai testés, ouverts ou fermés. Et honnêtement, la plupart du temps vous n'avez pas besoin de dix millions de tokens. Vous avez besoin d'une récupération correcte et d'une fenêtre propre de 200 K, que la plupart de cette liste vous donne. Mais quand vous avez vraiment besoin d'aller très grand, Scout est la réponse ouverte.
Le meilleur LLM open source pour les produits multilingues
Si vos utilisateurs ne tapent pas tous en anglais, cet axe compte davantage que votre benchmark de raisonnement de quelques points. Le récapitulatif Hugging Face désigne Qwen3 comme un choix multilingue solide, et dans mes propres tests la ligne Qwen gère les entrées non anglophones avec plus de cohérence que ses scores généraux ne le laissent entendre. Un modèle qui est trois points en dessous sur une évaluation de raisonnement mais qui parle vraiment la langue de vos clients est le meilleur modèle pour ce produit. Pas de discussion.
Qwen3.5 397B est aussi un modèle de chat général capable, donc vous ne sacrifiez pas la qualité pour obtenir la couverture linguistique.
La partie que personne ne met dans le classement : la licence
C'est là que les poids ouverts prennent discrètement l'avantage, et là où je continue de voir des builders ne pas lire les petits caractères.
D'après le même aperçu Hugging Face, la ligne DeepSeek est distribuée sous MIT et Qwen3 sous Apache-2.0. Les deux vous permettent de construire un produit sur les poids, de le facturer, et de ne jamais recevoir une facture ni un avis de retrait. C'est un monde différent d'une API fermée, où le prix, les limites de débit et « nous retirons ce modèle dans 90 jours » sont des décisions prises pour vous, sur un calendrier que vous ne contrôlez pas.
Mais lisez le fichier de licence réel à chaque fois. La même source note que Kimi K2.6 utilise un variant MIT modifié que vous devriez examiner avant usage commercial, et que Llama 4 est distribué sous une licence communautaire avec des plafonds d'utilisation, des limites géographiques et des règles de redistribution. « Poids ouverts » et « faites ce que vous voulez » ne sont pas synonymes. Les modèles MIT et Apache sont ceux dont les poids vous appartiennent vraiment.
Là où les modèles fermés gagnent encore
Ils gagnent toujours au sommet, et je ne vais pas prétendre le contraire. Artificial Analysis et llm-stats montrent tous les deux que la frontière fermée maintient la plus haute fiabilité et le meilleur suivi des instructions — le genre que vous ressentez après une heure de travail agentique plutôt que de lire sur un graphique.
Un détail discret de BenchLM mérite d'être mentionné : le contexte de 1M de tokens qui est attribué avec désinvolture aux flagships fermés appartient ici, d'après le décompte de BenchLM, à DeepSeek V4 Pro. Le côté ouvert ne se bat plus seulement sur le prix. Il se bat aussi sur les spécifications phares.
Comment choisir concrètement
Cessez de courir après le numéro un mondial. Choisissez le modèle le plus petit et le moins cher qui passe votre propre barre :
- Agent de codage auto-hébergé → GLM-5, avec DeepSeek V4 Pro comme option plus lourde.
- Tâches « fourre-tout-dans-la-fenêtre » → Llama 4 Scout, avec les yeux ouverts sur le rappel.
- Produits en langues autres que l'anglais → Qwen3.5.
- Construire un business directement sur les poids → modèles MIT ou Apache, donc DeepSeek ou Qwen, jamais quelque chose sous une licence communautaire restrictive.
- Fiabilité haut de gamme quand le coût n'est pas la contrainte → la frontière fermée.
Puis lancez votre propre évaluation. Vingt vraies tâches tirées de votre vrai backlog vous en apprendront plus que n'importe quel classement jamais imprimé. Les scores composites vous donnent une liste courte. Votre travail désigne le gagnant.
La frontière mène toujours. Ce qui a changé en 2026, c'est qu'elle n'est plus seule là-haut, et que la compagnie qu'elle a ne coûte rien à licencier.