ClovisChat - Qwen3.8-Flash-Next
ClovisChat évoluera vers Qwen3.8-Flash-Next, qui remplacera Qwen3.6-35B comme modèle de conversation et de vision. L’alias ClovisChat restera inchangé : cette évolution concerne uniquement le modèle sous-jacent.
Cette transition vise à renforcer l’assistance quotidienne : comprendre une demande, raisonner sur un problème et accompagner un travail en plusieurs étapes.
Les chiffres à retenir
ClovisChat utilise actuellement Qwen3.6-35B. Les graphiques comparent les scores officiels de Qwen3.6-35B à ceux de Qwen3.8-Flash-Next.
Les valeurs proviennent des fiches officielles de Qwen3.6-35B-A3B et Qwen3.8-Flash-Next.
GPQA Diamond — Raisonnement scientifique — +5,7 points
HLE — Raisonnement multidisciplinaire — +14,5 points
LiveCodeBench v6 — Résolution de problèmes de programmation — +11,5 points
RealWorldQA — Compréhension visuelle du monde réel — +3,2 points
Ces scores sont des indicateurs techniques. Ils ne mesurent directement ni la qualité d’une conversation en français, ni le temps de réponse de ClovisChat.
Pourquoi certains gains sont beaucoup plus importants que d’autres
L’écart publié est plus marqué sur HLE que sur RealWorldQA. Les tests sollicitent des compétences différentes : raisonnement multidisciplinaire d’un côté, compréhension d’images de l’autre. On ne peut donc pas résumer cette évolution à un pourcentage unique de progression.
Concrètement, cette évolution devrait aider ClovisChat à :
Comparaison avec les autres modèles
Le tableau publié avec Flash-Next permet aussi de situer le modèle face à d’autres références :
| Benchmark | Qwen3.8-Flash-Next | Qwen3.7-Plus | DeepSeek-V4-Flash-0731 | Claude Opus 4.6 (Max) |
|---|---|---|---|---|
| GPQA Diamond | 91,7 | 90,3 | 90,8 | 91,3 |
| HLE | 35,9 | 34,7 | 33,8 | 40,0 |
| LiveCodeBench v6 | 91,9 | 89,6 | 90,6 | 88,8 |
Flash-Next arrive en tête de cette sélection sur deux lignes ; Opus conserve l’avantage sur HLE. Source : évaluations officielles Qwen.
Une amélioration concrète du développement logiciel
Qwen3.6-35B-A3B affiche 49,5 sur SWE-bench Pro, avec un agent interne et un contexte de 200K tokens. Source : Qwen3.6-35B-A3B.
Flash-Next atteint 62,5, avec Claude Code et un contexte de 256K tokens. Le protocole ayant changé, l’écart ne mesure pas le seul progrès du modèle. Source : protocole Qwen3.8-Flash-Next.
Dans un échange consacré au code, les bénéfices recherchés concernent notamment :
Une nouvelle architecture pensée pour l’efficacité
Flash-Next préfigure l’architecture de Qwen4. Son modèle principal compte 125 milliards de paramètres, dont 6 milliards activés par token, auxquels s’ajoutent 51 milliards de paramètres d’embeddings N-gram. Ces chiffres décrivent des composants différents : 125 milliards ne représente donc pas l’ensemble des poids. Source : dépôt officiel Qwen.
Dans ClovisChat, la fenêtre de contexte maximale est fixée à 262 144 tokens, entrée et sortie cumulées. La réponse peut contenir jusqu’à 32K tokens ; lorsque cette capacité de sortie est entièrement réservée, environ 230K tokens restent disponibles pour le prompt, l’historique de la conversation et les documents fournis.
L’attention combine Gated DeltaNet et Qwen Sparse Attention, qui sélectionne des blocs de contexte pertinents. Des connexions résiduelles à portes améliorent la circulation de l’information entre les couches ; les embeddings N-gram ajoutent de la capacité avec peu de calcul supplémentaire. L’objectif est de mieux exploiter les ressources, notamment sur les séquences longues. Source : rapport technique Qwen.
Ce que Qwen3.8-Flash-Next ne résout pas
Un score plus élevé ne garantit pas qu’une réponse particulière soit correcte. Les réponses factuelles, le code proposé et les actions exécutées avec des outils doivent rester vérifiables.
Pour les usages professionnels, les bonnes pratiques restent les mêmes :
- vérifier les informations décisives dans leurs sources ;
- tester le code avant de l’intégrer ;
- limiter les permissions des outils au besoin réel ;
- garder une validation humaine pour les opérations critiques.