Intern-Decision-0.8B vs MathForm 8B : l’un d’eux peut vérifier son propre travail

La question la plus utile que vous puissiez poser à propos de n’importe quel petit modèle spécialisé est : qui le vérifie. Intern-Decision-0.8B et MathForm 8B existent tous deux parce qu’un modèle général a été affiné en un modèle à vocation étroite, tous deux sont des dérivés Apache-2.0 des poids de Qwen, et tous deux ont été mis sur Hugging Face sans campagne marketing — mais ils se trouvent de part et d’autre d’une ligne qui détermine comment vous les déploieriez. MathForm 8B est le modèle d’autoformalisation 8B d’OpenBMB, publié le 14 août 2026, qui traduit les mathématiques en langage naturel en Lean 4 et transmet le résultat à un compilateur, qui soit l’accepte, soit non. Intern-Decision-0.8B est la tête de décision à 852 985 920 paramètres d’InternLM, mise en ligne le 26 septembre 2026, qui renvoie une distribution de probabilités calibrée sur les options que vous avez fournies à l’avance — et rien au monde ne vérifie de manière indépendante si l’étiquette qu’il renvoie est correcte. L’un de ces modèles produit une sortie accompagnée d’une preuve. L’autre produit une sortie accompagnée d’un score de confiance, et la différence entre ce que vous pouvez faire avec ces deux choses constitue tout l’article.

Ce cadrage explique aussi pourquoi l'écart de taille — 8B contre 0,8B, un facteur dix — est le chiffre le moins intéressant de la comparaison. Aucun des deux modèles ne cherche à être bon dans ce que fait l'autre, et l'évaluation de l'un ne vous apprend rien sur l'autre. Ce qu'ils ont en commun, c'est un schéma de publication et une lignée Qwen, et ces deux éléments comptent moins que la question de la vérification.

Ce que chacun est réellement

MathForm 8B est l'artefact livré d'une recette en deux étapes décrite dans l'article MathForm : mise à l'échelle de l'autoformalisation mathématique avec récupération de connaissances et raffinement guidé par vérification (arXiv 2608.14221). Un planificateur de récupération extrait de Mathlib les définitions pertinentes et les formalisations existantes avant l'exécution du générateur ; les énoncés générés sont ensuite révisés à l'aide des diagnostics du compilateur et des retours de cohérence sémantique ; le corpus obtenu, FormalVerse, contient environ 367 000 exemples Lean 4 vérifiés ; et MathForm 8B y est entraîné par ajustement supervisé, suivi d'un apprentissage par renforcement utilisant comme récompense la compilation Lean et les signaux de cohérence sémantique. C'est un modèle texte uniquement fondé sur Qwen3-8B, servi via Transformers, vLLM ou SGLang avec une API compatible OpenAI, avec une longueur de contexte recommandée de 16 384 tokens et un budget maximal de génération de 16 384 tokens. Son pipeline d'évaluation, ses fichiers de benchmark et ses scripts Pass@k se trouvent tous dans le dépôt GitHub OpenBMB, et le jeu de données d'entraînement est public.

Intern-Decision-0.8B est l'artefact livré d'une recette que personne n'a décrite. La fiche du modèle indique qu'il s'agit d'un « modèle de décision structuré multimodal affiné à partir de Qwen3.5-0.8B » et s'arrête là — aucune description des données, aucune procédure d'entraînement, aucun article, aucun dépôt. Ce qu'il documente minutieusement, c'est le contrat d'inférence. Le moteur intégré fait correspondre les options de chaque question à des symboles à jeton unique, génère un squelette avec un <decision> espace réservé par champ, exécute une passe avant causale, lit les logits à la position précédant chaque espace réservé, applique un softmax sur uniquement les symboles autorisés de ce champ, applique une calibration ajustée, et fait correspondre les symboles à vos valeurs d'option. Il n'y a pas de generate() appel et aucun échantillonnage nulle part dans le chemin. Il accepte du texte plus jusqu'à huit images, gère de une à seize questions avec jusqu'à 62 options chacune, et rejette les entrées dépassant 8 192 jetons plutôt que de les tronquer. La température de calibration par défaut est 2,747760550703, ajustée par point de contrôle par minimisation de la NLL sur 1 728 cas.

Lisez ces deux paragraphes côte à côte et l’asymétrie est frappante. MathForm 8B est accompagné d’un article, d’un jeu de données, d’un pipeline d’évaluation et d’un dépôt. Intern-Decision-0.8B est accompagné d’une description d’API et d’un tableau de benchmark.

L’asymétrie de vérification, qui est la véritable histoire

La sortie de MathForm 8B est vérifiable par autre chose qu'un humain. Il émet du Lean 4, et du Lean 4, soit ça compile, soit ça ne compile pas. Les chiffres d'OpenBMB sont rapportés selon deux régimes, précisément pour cette raison : un Pass@8 de 88,06 % sous Syntax Check, ce qui signifie que la sortie compile, et 72,37 % sous Consistency Check, ce qui signifie qu'elle compile et qu'une vérification de cohérence sémantique confirme que l'énoncé formel dit bien ce que disait l'énoncé informel. Ces deux chiffres sont des moyennes sur six benchmarks, et l'article rapporte aussi des taux de réussite CC de 63 % sur FATE-H et de 37 % sur les sous-ensembles FATE-X, plus difficiles, en affirmant que cela dépasse les autoformaliseurs spécialisés de 32B. Ces chiffres sont déclarés par le fournisseur — c'est OpenBMB qui les a mesurés — mais la propriété qui compte est structurelle, non statistique : un système en aval qui consomme la sortie de MathForm 8B peut rejeter une mauvaise formalisation sans demander à un modèle de la juger. Le compilateur est l'oracle.

Intern-Decision-0.8B a un contrat de type et pas d'oracle. La forme de sortie est garantie — un champ déclaré choice renvoie une distribution sur les valeurs d'option que vous avez listées, un score renvoie une valeur attendue pondérée par les probabilités selon votre grille d'évaluation, un noul renvoie une probabilité de oui. Rien à l'extérieur du modèle ne peut vous dire si l'argmax était correct. La valeur de confiance est l'estimation que le modèle fait de sa propre exactitude, et le travail de calibration de la fiche est une tentative honnête de rendre cette estimation pertinente — une température ajustée qui préserve l'argmax tout en accentuant ou en adoucissant les probabilités, validée sur des cas de validation — mais une mauvaise réponse bien calibrée reste une mauvaise réponse. Si votre pipeline a besoin de savoir si une étiquette est correcte, vous avez besoin de données étiquetées, et vous devez le mesurer vous-même.

Ce n’est pas un défaut propre à Intern-Decision-0.8B. C’est la condition de tout classifieur, et c’est le problème non résolu dans toute la catégorie des modèles de décision qui inclut Jev de TypeSafe et Laya de Convai. Il vaut la peine de le dire clairement, car un tableau de benchmarks avec une colonne de score de Brier peut donner l’impression que la calibration est une vérification. Ce n’est pas le cas. La calibration vous dit que lorsque ce modèle annonce 80 %, il a raison environ 80 % du temps sur la distribution évaluée — ce qui est réellement utile pour fixer des seuils et calculer l’espérance, et ne constitue pas une garantie d’exactitude par élément.

Le tableau des scores, sur les lignes que les deux modèles possèdent

• Paramètres — Intern-Decision-0.8B : 852 985 920 répartis sur un fragment de langage de 1,50 Go, un fragment de vision de 176 Mo et un projecteur de 25 Mo. MathForm 8B : 8B dense, basé sur Qwen3-8B.

• Modèle de base — Intern-Decision-0.8B : Qwen3.5-0.8B, publié en février 2026. MathForm 8B : Qwen3-8B.

• Tâche — Intern-Decision-0.8B : décisions typées sur un schéma que vous écrivez — choix, score, binaire. MathForm 8B : mathématiques en langage naturel vers une formalisation Lean 4.

• Sortie — Intern-Decision-0.8B : distribution calibrée et argmax par champ, aucun texte généré. MathForm 8B : code source Lean 4 généré, généralement long.

• Vérification — Intern-Decision-0.8B : aucune source externe ; la confiance est auto-déclarée. MathForm 8B : le compilateur Lean 4, plus une vérification de cohérence sémantique.

• Preuves publiées — Intern-Decision-0.8B : un tableau comparatif de fournisseur portant sur sept benchmarks, non reproduit, aucun article. MathForm 8B : un article, un jeu de données public d'environ 367 000 exemples, un pipeline d'évaluation et un dépôt, exécutés par le fournisseur.

• Licence — Tous deux sous Apache 2.0, et Intern-Decision-0.8B contient en outre le fichier de licence Qwen préservé pour ses poids amont.

Le coût et la latence ne sont pas comparables, et ce n'est pas une esquive

InternLM a mesuré Intern-Decision-0.8B à 33,98 ms en moyenne et 37,50 ms en p95 par requête sur une seule RTX 4090 via le chemin local Hugging Face, son homologue 2B affichant 33,28 ms en moyenne. La fiche de MathForm 8B recommande jusqu’à 16 384 nouveaux jetons par formalisation à une température de 0,6 et top_p 0,95. Ces deux mesures ne portent pas sur la même quantité. L’une est une simple passe avant sur un prompt ; l’autre est une génération autorégressive qui peut durer des milliers de jetons. Multiplier un budget de formalisation par une décision à 34 ms ne vous dit rien sur l’efficacité relative, car les modèles n’effectuent pas la même quantité de travail — l’un lit et évalue, l’autre lit et écrit un script de preuve. Si le débit est votre contrainte, les faits pertinents sont plus simples qu’un ratio. MathForm 8B formalise un énoncé par génération, et à 16 K jetons par sortie sur un modèle dense 8B, cela représente une charge de travail saturant le GPU et un candidat au traitement par lots via vLLM ou SGLang, tous deux documentés par OpenBMB. Intern-Decision-0.8B répond à seize questions couvrant tout un enregistrement en une seule passe, donc l’unité de travail est un enregistrement plutôt qu’un champ, et le budget d’un enregistrement correspond au plafond d’entrée de 8 192 jetons — un plafond atteint plus vite qu’un lecteur ne pourrait s’y attendre lorsque vous y faites tenir un long état, un schéma riche et jusqu’à huit images.

Là où chacun est le bon outil

MathForm 8B a sa place dans un pipeline dont le goulot d'étranglement est la relecture humaine des mathématiques. L'autoformalisation existe parce qu'écrire du Lean est plus lent que le lire, et parce qu'un énoncé vérifiable par machine est un énoncé qu'un assistant de preuve peut ensuite attaquer. La propriété qui le rend digne de confiance — une sortie vérifiée par le compilateur — est aussi celle qui le rend limité : il formalise, il ne prouve pas, et la fiche précise explicitement que les contrôles de compilation nécessitent un serveur Kimina Lean en cours d'exécution et que les expériences ont utilisé Lean 4.21.0. Quiconque l'adopte adopte cette pile. Comme pour tout modèle à poids ouverts vieux de quelques jours ou de quelques semaines, diriger un chemin de test vers lui et revenir à un modèle éprouvé lorsqu'il se bloque est la méthode à faible risque pour l'évaluer, c'est ce à quoi une passerelle avec basculement automatique sur une chaîne de repli sert — des tentatives qui aboutissent avant que la réponse ne commence, de sorte qu'une formalisation bloquée n'atteint jamais votre appelant.

Intern-Decision-0.8B a sa place là où un ensemble de réponses fermé existe déjà et où le coût de génération de texte pour le récupérer est un pur gaspillage. Triage, routage, notation par grille, arbitrage d'un enregistrement par rapport à une politique écrite — les cas où un modèle génératif est utilisé comme un moyen coûteux de choisir dans une liste. Ses avantages sont qu'il est déterministe, qu'il renvoie une probabilité exploitable plutôt qu'une chaîne que vous devez analyser, et qu'à 1,73 Go sur disque, il tourne confortablement sous le coût mémoire d'un navigateur de portable. Ses inconvénients sont que la documentation s'arrête à la surface de l'API, que personne en dehors d'InternLM n'a publié de résultat pour lui, et que la seule colonne de benchmark suggérant un problème de sécurité — un score WildJailBreak de 64,48 contre 96,29 pour Jev — reste inexpliquée. Ne le placez pas devant des entrées adverses sans lancer vous-même ce test.

Les deux modèles partagent une lignée qu'il vaut la peine de noter, car elle change ce que « open » vous apporte. Chacun est un fine-tuning d'un checkpoint Qwen, et chacun préserve correctement la licence amont : MathForm 8B sous Apache 2.0, avec la provenance Qwen3-8B indiquée sur la fiche, Intern-Decision-0.8B sous Apache 2.0, avec un fichier LICENSE-QWEN distinct dans le dépôt. Ni l'un ni l'autre n'impose de seuil de chiffre d'affaires ni de restriction de champ d'utilisation — contrairement à la LFM Open License v1.0 de Liquid AI, qui conditionne les droits commerciaux au fait que votre entité reste sous un seuil de chiffre d'affaires annuel de 10 millions de dollars. Si vous développez à des fins commerciales, c'est une distinction qui sépare ces deux versions d'une partie de l'écosystème des petits modèles, et elle s'applique aux deux de la même manière.

Si vous voulez la couche de décision sans le point de contrôle non documenté

L'écart entre « une tête de décision est la bonne forme pour ce problème » et « cette tête de décision précise est défendable devant un relecteur » est ce que comble une alternative hébergée. Jev 1.13 de TypeSafe est le modèle par rapport auquel InternLM a évalué sa famille sur Jevbench, sur Typed Decision et sur ToolACE, et il est appelable dès aujourd'hui via un point de terminaison unique compatible OpenAI à 0,042 $ par million de jetons d'entrée, avec une sortie facturée à zéro — le tarif publié par le fournisseur, répercuté sans marge plutôt que majoré au passage. Pour un lecteur qui veut mesurer si une tête de décision aide vraiment avant de s'engager sur un checkpoint 0,8B dont le dépôt est manquant, c'est la première expérience peu coûteuse, et les propres évaluations tierces de Jev lui donnent un historique documenté que Intern-Decision-0.8B n'a pas encore.

La réponse courte

Ces deux-là ne sont pas des alternatives. MathForm 8B est un spécialiste dont un programme peut vérifier la sortie, destiné à une tâche où la vérification est la partie difficile, et il est livré avec l'article, le jeu de données et le harnais d'évaluation qui viennent appuyer cette affirmation. Intern-Decision-0.8B est un spécialiste dont vous seul pouvez vérifier la sortie, destiné à des tâches où les réponses étaient déjà couchées par écrit et où la difficulté consistait à y parvenir vite et à moindre coût, et il est livré avec un module d'inférence et un tableau. Si vous avez besoin d'une formalisation, il n'y en a qu'un seul à considérer. Si vous avez besoin d'une étiquette et que vous êtes prêt à construire la vérité de référence pour la contrôler, le 0.8B est le téléchargement le plus intéressant — rapide, déterministe, Apache 2.0, et assez petit pour que le coût de vérification de sa valeur se limite à un après-midi plutôt qu'à une ligne budgétaire.