Le 12 novembre 2026, Edge0 a annoncé sur son blog officiel l'ouverture en open source d'Edge0-145B et du plus petit Edge0-120B, avec le framework d'inférence et les outils de déploiement. Edge0-145B est présenté comme le premier modèle on-device open source de 145 milliards de paramètres au monde, avec l'objectif de déplacer le codage, le raisonnement et le travail d'agent du cloud vers l'ordinateur personnel. Le code est publié sous licence Apache 2.0 et les poids sont sur Hugging Face.
Comment faire tenir 145B paramètres dans un portable ?
L'astuce, c'est qu'une petite partie seulement tourne à la fois : 145B est le nombre total de paramètres, mais seuls environ 10 milliards participent à chaque étape d'inférence. Soixante-quatre experts partagent deux grandes matrices, chacun ne gardant qu'un petit nombre de paramètres propres. Le chargement est lui aussi réparti en trois niveaux : les experts fréquemment utilisés restent dans la mémoire GPU, une bibliothèque d'experts d'environ 40 Go se trouve dans la mémoire système, et environ 48 Go de données de vocabulaire restent sur le SSD pour être lus à la demande ; le CPU et le GPU travaillent en parallèle, et le décodage spéculatif vérifie plusieurs jetons candidats à la fois. Les chiffres annoncés : 29 Go de mémoire de pointe, plus de 1 100 jetons par seconde en pré-remplissage, plus de 80 jetons par seconde en décodage, un contexte de 128K à 256K et environ 120 W de puissance typique, avec un support dès le premier jour pour macOS, Windows et Linux, y compris les puces Apple M et les plateformes NVIDIA RTX. Ces chiffres proviennent des tests internes d'Edge0 et n'ont pas été reproduits de manière indépendante.
Des benchmarks proches du cloud, avec les limites affichées
Selon les évaluations internes d'Edge0, Edge0-145B obtient 64,6 sur DeepSWE 1.1, devant Qwen3.8-Flash-Next à 58,7 ; 86,52 sur Terminal-Bench 2.1 et 90,4 sur GPQA-Diamond, avec une moyenne de 72,8 sur six benchmarks et une consommation mémoire d'environ 40 % de celle d'une référence comparable. Dans les démonstrations, le modèle a accompli seul de gros travaux en local : construire une scène de rue de Manhattan dans Blender, écrire le programme qui permet à un vrai drone de trouver un sac à dos rouge, et dessiner un circuit imprimé de zéro dans KiCad avant d'en faire une animation d'assemblage — le tout sans aucun appel au cloud. La barre des modèles locaux n'a pas disparu pour autant : 29 Go de mémoire de pointe signifient qu'un portable ordinaire de 16 Go ne peut pas le faire tourner ; les machines de 48 Go sont la cible. C'est la même conclusion que lorsque Mistral Large 4 a ouvert ses poids d'1T de paramètres : des poids téléchargeables ne signifient pas que tout le monde peut les exécuter. Les outils locaux précédents comme Ollama ont rendu les petits modèles faciles à utiliser ; Edge0 parie sur l'autre extrémité — rendre le grand modèle lui-même plus petit et moins coûteux à exécuter, puis le faire tenir dans une machine personnelle.
Pour les développeurs, le vrai changement n'est pas dans les scores, mais dans la facture : l'inférence locale n'entraîne aucun frais par jeton, le code et les données peuvent rester sur la machine, et le travail continue hors ligne ; en contrepartie, le matériel et l'électricité sont à votre charge, tandis que les mises à jour du modèle, la mémoire à long terme et la vérification des informations récentes ont toujours besoin du cloud. Reste à savoir si le 145B pourra reproduire l'engouement d'Edge0-35B, qui avait dominé le classement des tendances de Hugging Face lors de son lancement en septembre : cela dépendra de la capacité des tests communautaires à confirmer les chiffres officiels.
