Wu Dao 3.0: La version chinoise de GPT-5
Lorsque les États-Unis ont coupé l'accès de la Chine aux puces avancées, l'Académie de Beijing pour l'intelligence artificielle a dû faire un choix : se plaindre des restrictions ou les contourner. Ils ont choisi la deuxième option.
Wu Dao 3.0, lancé en juillet 2023, jette le manuel par-dessus bord. Pas de modèles massifs de billions de paramètres se battant pour les titres. À la place, BAAI construit désormais des modèles compacts que les startups chinoises peuvent réellement exécuter sans avoir besoin d'un entrepôt rempli de GPU.
Pourquoi BAAI a changé de direction
Wu Dao 2.0 a fait la une des journaux en 2021 avec 1,75 billion de paramètres, prétendant rivaliser avec GPT-3. Deux ans plus tard, BAAI a discrètement mis de côté cette approche. Les raisons sont les suivantes :
- Les sanctions américaines sur les puces ont limité l'accès aux GPU avancés
- Les coûts d'entraînement des méga-modèles sont devenus prohibitifs
- La politique du gouvernement chinois s'est orientée vers des applications pratiques plutôt que des projets de prestige
- La réalité du marché a montré que la plupart des entreprises ont besoin d'outils spécialisés, et non de géants à usage général
La nouvelle stratégie : construire une collection de modèles plus petits (appelés Aquila) qui fonctionnent ensemble. Pensez aux microservices plutôt qu'aux monolithes.
Wu Dao 3.0 expliqué
Wu Dao 3.0 n'est pas un modèle unique. C'est un écosystème d'outils d'IA spécialisés publiés sous la marque Aquila :
AquilaChat : Modèles de dialogue
Deux tailles disponibles :
- 7 milliards de paramètres : Concorde avec LLaMA 7B et des modèles open-source similaires
- 33 milliards de paramètres : Cible des conversations plus complexes
Les deux ont été entraînés sur des textes chinois (40 %) et anglais (60 %). La version plus petite s'exécute sur du matériel grand public ; vous n'avez pas besoin d'un centre de données.
BAAI affirme qu'AquilaChat 7B surpasse les modèles internationaux comparables, bien que les benchmarks indépendants restent limités.
Les origines : Comment Wu Dao a commencé
Le développement a commencé en octobre 2020, plusieurs mois après la sortie de GPT-3. Le nom Wu Dao (悟道) se traduit par « chemin vers la conscience » en chinois, un nom ambitieux pour un projet ambitieux.
Wu Dao 1.0 a été lancé le 11 janvier 2021, avec quatre modèles spécialisés travaillant ensemble. Chacun gérait des tâches différentes : Wen Yuan (2,6 milliards de paramètres) se concentrait sur les questions-réponses et la correction grammaticale. Wen Lan (1 milliard de paramètres) générait des légendes d'images en utilisant 50 millions de paires d'images. Wen Hui (11,3 milliards de paramètres) écrivait de la poésie, créait des vidéos et gérait des raisonnements complexes. Wen Su, construit sur Google's BERT, prédisait les structures protéiques similaires à AlphaFold.
Puis est venu Wu Dao 2.0 le 31 mai 2021. BAAI a fait la une des journaux, revendiquant 1,75 billion de paramètres, dix fois plus que les 175 milliards de GPT-3. Les médias l'ont appelé « le plus grand système d'IA linguistique à ce jour ». Les commentateurs y ont vu la tentative de la Chine de rivaliser directement avec la domination américaine en matière d'IA.
La réalité des données d'entraînement
Wu Dao 2.0 a utilisé 4,9 téraoctets d'images et de texte, 1,2 To de chinois, 1,2 To d'anglais, plus des données d'images. GPT-3 a été entraîné sur 45 téraoctets de texte uniquement. Wu Dao avait dix fois plus de paramètres mais moins d'un dixième des données d'entraînement.
Le jeu de données WuDao Corpora pour la version 2.0 contenait 3 To de texte web, 90 To de données graphiques (630 millions de paires texte/image), et 181 Go de dialogue chinois proxy 1,4 milliard de tours de conversation.
Cette discordance entre le nombre de paramètres et les données d'entraînement laissait entrevoir quelque chose d'important : Wu Dao 2.0 utilisait une architecture différente appelée Mixture-of-Experts (MoE). Contrairement au modèle « dense » de GPT-3, où tous les paramètres s'activent pour chaque tâche, les modèles MoE n'activent que les experts pertinents pour chaque entrée. Cela nécessite beaucoup moins de puissance de calcul pour l'entraînement, mais la recherche a montré que les modèles MoE de billions de paramètres fonctionnent de manière comparable à des modèles denses des centaines de fois plus petits.
Wu Dao 2.0 utilisait spécifiquement FastMoE, la variante MoE de Google. C'était une ingénierie astucieuse pour contourner les limitations matérielles, bien que le marketing de BAAI ait mis l'accent sur les nombres bruts de paramètres.
AquilaCode : Génération de texte vers code
Toujours en développement. Les premières versions peuvent générer :
- Des algorithmes de base (séquences de Fibonacci, tri)
- Des jeux simples
- Des scripts utilitaires
Pas encore au niveau de GitHub Copilot ou des capacités de codage de GPT-4, mais en amélioration. BAAI vise les développeurs qui ont besoin de génération de code dans des contextes techniques chinois.
Série de vision Wu Dao
Une collection de modèles de vision par ordinateur, pas un système unique :
EVA (1 milliard de paramètres) : Se concentre sur l'apprentissage de la représentation visuelle. Entraîné sur des jeux de données publics, atteignant de nouveaux benchmarks dans :
- Reconnaissance d'images
- Détection d'action vidéo
- Détection d'objets
- Tâches de segmentation
Open source, contrairement aux concurrents qui gardent les modèles de vision propriétaires.
- EVA-CLIP : BAAI affirme qu'il s'agit de la meilleure alternative open-source CLIP disponible. Gère la correspondance image-texte pour la recherche et la récupération.
- Painter : Implémente l'apprentissage visuel « in-context », montre des exemples, et il apprend de nouvelles tâches visuelles sans réentraînement. Similaire à la façon dont GPT-3 fait l'apprentissage in-context pour le texte.
- vid2vid-zero : Outil d'édition vidéo zero-shot. Éditez des vidéos basées sur des descriptions textuelles sans entraînement sur des jeux de données d'édition vidéo spécialisés.
- Emu (modèles multimodaux) : Gère à la fois les images et le texte dans un seul modèle. Les cas d'utilisation incluent la légende d'images, la réponse visuelle aux questions et la génération de contenu.
FlagOpen : La couche d'infrastructure
BAAI a également amélioré la plateforme FlagOpen, qu'ils ont lancée au début de 2023. Ce système offre des techniques d'entraînement parallèle, une inférence plus rapide, des outils d'évaluation et des utilitaires de traitement de données, fournissant essentiellement tout ce dont on a besoin pour développer de grands modèles d'IA. 1
Lorsque Wu Dao 2.0 a fait ses débuts à la conférence Beijing Zhiyuan, ses créateurs ont affiché des poèmes et des dessins chinois générés par celui-ci.2 Suite à cet événement, un étudiant virtuel a été créé basé sur le modèle d'IA de Wu Dao, Zhibing Hua. Wu Dao alimente l'étudiant virtuel. Par conséquent, elle peut utiliser sa base de connaissances et ses capacités d'apprentissage pour écrire des poèmes, dessiner et composer de la musique.
Bien que ces fonctionnalités ne soient pas mises en avant pour Wu Dao 3.0, elles valent la peine d'être mentionnées si vous prévoyez d'utiliser Wu Dao 2.0 pour votre entreprise au lieu de Wu Dao 3.0.
Figure 1 : Poèmes générés par Wu Dao 2.04
Benchmarks d'apprentissage zero-shot
- ImageNet : Atteint des performances zero-shot de pointe, surpassant CLIP de OpenAI.
- UC Merced Land-Use : Enregistre la plus haute précision zero-shot dans la classification de l'utilisation des terres aériennes, surpassant CLIP.
Benchmark d'apprentissage few-shot
- SuperGLUE (FewGLUE) : Surpasse GPT-3, obtenant les meilleurs résultats d'apprentissage few-shot.
Benchmarks de connaissances et de compréhension du langage
- Détection de connaissances LAMA : Démontre une récupération de connaissances factuelles supérieure, surpassant AutoPrompt.
- Test Cloze LAMBADA : Dépasse Microsoft Turing-NLG en compréhension de lecture et compréhension du contexte.
Texte vers image et benchmarks de récupération image vers texte
- MS COCO (Génération texte vers image) : Surpasse DALL·E de OpenAI dans la génération d'images à partir de descriptions textuelles.
- MS COCO (Récupération image-texte anglais) : Surpasse CLIP de OpenAI et ALIGN de Google dans la récupération d'images à partir de légendes (et vice versa).
- MS COCO (Récupération image-texte multilingue) : Surpasse UC2 et M3P dans la récupération image-texte multilingue.
- Multi30K (Récupération image-texte multilingue) : Surpasse également UC2 et M3P, confirmant ses solides capacités multimodales multilingues.
Wu Dao 3.0 vs. OpenAI GPT
Voici une comparaison complète des modèles LLM de Wu Dao 3.0 et de divers modèles OpenAI basés sur BAAI.5 Nous ne pouvons pas fournir de comparaisons plus détaillées et à jour pour Wu Dao car il n'a pas de benchmarks récents et cohérents disponibles.
Performance en contexte long
Tests sur quatre tâches :6
- VCSUM (résumé chinois)
- LSHT (gestion de séquences longues chinoises)
- HotpotQA (raisonnement multi-sauts anglais)
- 2WikiMQA (QA multi-documents anglais)
Benchmark de performance en raisonnement
Tests sur 6 tâches :7
- bAbI #16 et CLUTRR (raisonnement inductif)
- bAbI #15 et EntailmentBank (raisonnement déductif)
- αNLI (raisonnement abductif)
- E-Care (raisonnement causal)
Si vous voulez utiliser Wu Dao, vous pouvez le configurer sur votre ordinateur en le téléchargeant gratuitement.8
Ajouter comme source préféréeConcurrents de Wu Dao 3.0
Qwen3.5
Qwen3.5 est une famille de modèles de langage larges à poids ouverts d'Alibaba conçue comme un système natif multimodal Mixture-of-Experts (MoE).
Le modèle phare (Qwen3.5-397B-A17B) contient environ 397 milliards de paramètres mais n'active que ~17 milliards par inférence, permettant des performances élevées avec des coûts de calcul inférieurs.
Le modèle utilise une architecture hybride qui combine le routage MoE épars avec les réseaux Delta à porte et l'attention linéaire, permettant une inférence efficace tout en supportant un raisonnement avancé, du codage et une compréhension multimodale.
Qwen3.5 est entraîné sur des données multimodales à fusion précoce, lui permettant de traiter des entrées textuelles et visuelles au sein d'un modèle unifié et d'alimenter des « agents multimodaux natifs » capables de raisonner sur les interfaces et d'effectuer des tâches complexes en plusieurs étapes.9
Kimi K2.5
Kimi K2.5 est un modèle multimodal open-source de Moonshot AI conçu autour d'une architecture centrée sur l'agent pour le codage et l'automatisation des flux de travail. Le modèle intègre des capacités de vision et de langage, lui permettant d'interpréter le texte, les images et la vidéo tout en générant du code prêt pour la production.
K2.5 a été entraîné sur environ 15 trillions de tokens multimodaux et supporte le raisonnement en contexte long (jusqu'à ~256K tokens) ainsi que l'appel d'outils et les flux de travail d'agents autonomes.
Une caractéristique distinctive est son paradigme « essaim d'agents », où plusieurs agents coordonnés peuvent gérer des sous-tâches en parallèle pour résoudre des flux de travail complexes d'ingénierie ou de développement.
Moonshot a publié le modèle avec un agent de codage, positionnant Kimi K2.5 comme une alternative axée sur les développeurs aux modèles de pointe propriétaires pour la construction de systèmes logiciels assistés par l'IA.10
ERNIE 5.0
ERNIE 5.0 est le modèle fondamental phare de Baidu et un système nativement omni-modal qui traite et génère du texte, des images, de l'audio et de la vidéo au sein d'une seule architecture.
Le modèle contiendrait environ 2,4 trillions de paramètres utilisant une conception Mixture-of-Experts, permettant une capacité élevée tout en n'activant qu'une fraction des paramètres par inférence pour l'efficacité.
ERNIE 5.0 a été intégré dans le bot ERNIE de Baidu et la plateforme d'entreprise Qianfan, supportant une gamme d'applications d'IA générative à travers des produits grand public et d'entreprise.11
FAQ
Non. Les modèles Aquila ciblent des cas d'utilisation différents. Pour les tâches en langue chinoise avec des ressources de calcul limitées, ils sont pratiques. Pour les capacités générales en anglais, GPT-5 les surpasse considérablement.
Oui, les modèles sont open source. Vérifiez les licences spécifiques pour chaque composant Aquila, mais l'utilisation commerciale est généralement autorisée.
Barrière linguistique (documentation), intégration de l'écosystème (conçu pour les outils chinois) et écarts de performance dans les tâches en anglais.
Citer cette recherche
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Wu Dao 3.0: La version chinoise de GPT-5}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/wu-dao}},
note = {AIMultiple. Consulté le 5 Mars 2026}
}Liens de référence
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.