Une nouvelle étude de l'Université de Stanford suggère que les petits modèles linguistiques (SLMs) fonctionnant sur des PC locaux égalent ou surpassent les grands modèles linguistiques (LLMs) dans la plupart des tâches. La recherche a comparé QWEN 3, GEMMA 3, GPT-OSS et GRANITE 4.0 sur des puces Nvidia et Apple M4 par rapport à ChatGPT 5, Claude Sonnet 4.5 et Gemini 2.5 Pro basés sur le cloud. Dans les tâches de discussion, le meilleur SLM a égalé ou dépassé les performances des LLM dans 98,6 % des cas.
Pour les tâches de raisonnement, les SLMs ont atteint une parité de 62,5 %. Dans l'ensemble, les SLMs ont performé aussi bien ou mieux dans 81,2 % des scénarios du monde réel. Les SLMs coûtent également 50 à 85 % de moins en énergie et en calcul.
Les taux de réussite des SLMs se sont améliorés de ~50 % en 2023 à 99 % sur les tâches faciles en octobre 2025, bien qu'ils aient encore du retard dans le raisonnement complexe de niveau 5 (51,5 %). L'étude estime le marché des SLMs aux États-Unis à 10 billions de dollars, menaçant les investissements en centres de données des hyperscalers et réduisant potentiellement la demande de puces avancées.
Source: Hacker News · Résumé par HeadlinesBriefing