Motif-3 (Bêta) : À l'intérieur du modèle d'IA souveraine de la Corée qui vient de se hisser dans le top 3 des modèles open source.

Motif-3-Beta est le dernier entrant dans la course acharnée aux grands modèles de langage open-weight, et il arrive avec une histoire d'origine inhabituelle : il provient de Motif Technologies, une filiale d'environ 30 personnes de l'entreprise coréenne d'infrastructure IA Moreh, fondée en février 2025 et soutenue par un tour de table de série B d'environ ₩24 milliards (soit environ $16 millions). C'est une équipe minuscule et un trésor de guerre modeste comparé aux laboratoires qui dominent habituellement ces classements, ce qui explique précisément pourquoi le placement précoce du modèle dans les benchmarks a attiré l'attention : un score indépendant de 44 à l'Artificial Analysis Intelligence Index (AAII), bon pour la troisième place parmi les modèles open-source et open-weight dans le monde, et la onzième place une fois que les laboratoires frontières fermés sont comptés.

Le modèle est explicitement un travail en cours — un point de contrôle Beta ou preview, pas une version finale — et il est assorti d'une licence de recherche non commerciale plutôt que des conditions totalement permissives Apache 2.0 de son prédécesseur, Motif-2. Cette combinaison de « premier chiffre solide » et de « toujours inachevé, toujours restreint » constitue le cadre honnête pour tout ce qui suit : Motif-3 est un point de données réellement intéressant dans la course à l'open source et dans la poussée de la Corée pour l'indépendance en matière d'IA, mais ce n'est pas encore un modèle que la plupart des équipes peuvent déployer commercialement, et plusieurs de ses affirmations plus techniques n'ont pas été vérifiées de manière indépendante.

TL;DR. Motif-3-Beta est un modèle mixture-of-experts de 314B paramètres totaux / 13B paramètres actifs de Motif Technologies, une filiale de Moreh d'environ 30 personnes en Corée du Sud, construit dans le cadre du programme national souverain d'IA « Dokpamo » du pays. Il obtient un Indice d'Intelligence Artificielle d'Artificial Analysis de 44 — troisième parmi les modèles open source à l'échelle mondiale, derrière Kimi K3 et GLM-5.2, et 11e au classement général. Les poids sont téléchargeables depuis Hugging Face sous une licence de recherche non commerciale ; un chat hébergé gratuit est disponible sur chat.motiftech.io ; il n'y a pas encore de prix public pour l'API. Une version finale est attendue vers début août 2026, et aucun score MMLU, GPQA ou HumanEval n'a été publié pour le modèle lui-même.

Points clés

• Un début open-source #3 d'une minuscule équipe.AAII 44 place Motif-3-Beta troisième parmi les modèles open-source/open-weight — derrière Kimi K3 et GLM-5.2 — et 11e au classement général face aux laboratoires de pointe fermés, selon une couverture médiatique citant Artificial Analysis.

• Grand modèle, activation efficace. ~314B de paramètres totaux mais seulement ~13B actifs par token, via 384 experts routés (8 actifs plus 1 partagé) — un ratio de sparsité conçu pour une inférence économique malgré la taille globale du modèle.

• Toujours une bêta, toujours non commercial. Ceci est un point de contrôle d'aperçu ; une version finale est prévue pour environ début août 2026. Les poids sont ouverts sur Hugging Face, mais sous une licence de recherche non commerciale — un recul par rapport aux termes Apache 2.0 de son prédécesseur Motif-2.

• Le candidat phare de l'IA souveraine de la Corée. Construit dans le cadre du programme national « Dokpamo » (Modèle de Fondation d'IA Indépendant), utilisant des GPU B200 fournis par le gouvernement, et commercialisé comme une architecture indépendante sans base open-source étrangère.

• Axé sur le coréen, contexte de 256K. Entraîné avec un corpus de pré-entraînement coréen dédié d'environ 106 Go, avec une fenêtre de contexte de 256K tokens — positionné comme un modèle de texte/conversation plutôt que multimodal.

• Aucun benchmark standard publié pour l'instant. Aucun chiffre MMLU, GPQA, HumanEval ou KMMLU n'a été publié pour Motif-3 lui-même, et ses affirmations d'architecture personnalisée sont une terminologie de fournisseur non vérifiée.

Les chiffres AAII 44 / #3-open-source / #11-overall dans cet article proviennent de la couverture médiatique citant Artificial Analysis et la fiche Hugging Face du modèle, et non d'une lecture directe et vérifiée de manière indépendante du site Artificial Analysis en direct — considérez-les comme approximativement exacts plutôt que précis à l'instant présent. Motif-3-Beta est, comme son nom l'indique, une version bêta : les benchmarks, les licences et les prix peuvent tous encore changer avant la version finale. La licence Hugging Face est réservée à la recherche non commerciale uniquement. Aucun score MMLU, GPQA, HumanEval ou KMMLU n'a été publié pour Motif-3 par quelque source que ce soit au moment de la rédaction.

Qu'est-ce que Motif-3 (Beta)

Motif Technologies est un laboratoire d'IA sud-coréen issu de Moreh, une entreprise mieux connue pour ses logiciels d'infrastructure IA et de virtualisation GPU. Fondée en février 2025 avec environ 30 employés et un tour de série B d'environ 24 milliards de wons (environ 16 millions de dollars), Motif est modeste à l'échelle des développeurs de modèles frontière — la plupart des concurrents dans ce niveau de référence disposent d'équipes d'ingénierie d'un ordre de grandeur plus importantes. L'entreprise est dirigée par le PDG Lim Jeong-hwan, et Motif-3-Beta est sa version la plus ambitieuse à ce jour, après le modèle plus petit Motif-2.6B.

D'un point de vue architectural, Motif-3-Beta est un modèle de langage à grandes dimensions à mélange clairsemé d'experts (MoE) comptant environ 314 milliards de paramètres au total, dont seulement 13 milliards environ sont actifs pour un jeton donné. Le routage s'effectue sur 384 experts routés, avec 8 experts actifs par jeton, plus un expert partagé. Le modèle dispose d'une fenêtre de contexte de 256 000 jetons, d'une dimension cachée de 4 096, de 53 couches de transformeur, d'un vocabulaire de 220 160 jetons et est fourni en précision bf16. Il s'agit d'un modèle textuel/conversationnel — aucune capacité en image, audio ou vidéo n'est revendiquée — et il est délibérément axé sur le coréen, ayant été entraîné en partie sur un corpus dédié (désigné en interne sous le nom de motif-3-korean-pt-v0) d'environ 106 Go de texte en langue coréenne.

Le statut compte ici autant que les spécifications. Motif-3-Beta est explicitement un point de contrôle en prévisualisation, pas un modèle finalisé — Motif a indiqué qu'une version finale est prévue pour environ début août 2026. Les poids sont ouverts et téléchargeables depuis Hugging Face, mais sous une licence de recherche non commerciale, ce qui signifie que l'utilisation en production ou génératrice de revenus n'est pas autorisée selon les conditions actuelles. C'est un changement notable par rapport à la version précédente de l'entreprise, Motif-2, qui était distribuée sous la licence Apache 2.0 entièrement permissive. Il existe une interface de chat hébergée gratuitement sur chat.motiftech.io pour ceux qui souhaitent essayer le modèle sans le télécharger, mais il n'y a pas encore de tarification d'API publique, pas d'organisation GitHub pour le projet, et aucun article arXiv sur Motif-3 décrivant l'architecture de manière vérifiable par les pairs — ce sont des lacunes normales pour une version bêta, mais il est bon de les connaître avant de planifier autour de ce modèle.

Le crochet AAII : une analyse approfondie du benchmark

La principale raison pour laquelle Motif-3-Beta attire l'attention en dehors de la Corée est un seul chiffre indépendant : un score de 44 à l'Indice d'Intelligence de l'Analyse Artificielle (AAII). Selon les articles de presse citant Artificial Analysis, ce score place le modèle en troisième position parmi les modèles open-source et à poids ouverts dans le monde — derrière Kimi K3 et GLM-5.2 — et en onzième position globale une fois que les modèles de pointe fermés et propriétaires sont inclus dans le classement. Pour une équipe de 30 personnes qui existe depuis environ un an et demi, figurer dans le top trois mondial de l'open-source selon un indice neutre et tiers est un résultat légitime, et c'est la preuve la plus claire à ce jour que l'approche de Motif est compétitive et pas seulement ambitieuse.

Cela dit, ce chiffre mérite une mise en garde spécifique : il provient de reportages de presse et de la propre page Hugging Face du modèle citant Artificial Analysis, plutôt que d'une lecture directe et fraîchement revérifiée du classement en direct d'Artificial Analysis au moment de la rédaction. Les classements AA changent à mesure que de nouveaux modèles sont ajoutés et que les existants sont réévalués, considérez donc AAII 44 / #3-open-source / #11-overall comme un instantané qui doit être vérifié par rapport au site en direct avant d'être cité comme un fait actuel dans toute décision ultérieure.

La propre documentation de Motif décrit également plusieurs composants architecturaux personnalisés : « Grouped Differential Latent Attention (GDLA) », « Grouped PolyNorm activation » et un mécanisme « mHC modifié ». Ce sont des termes inventés par le fournisseur et, au moment où nous écrivons ces lignes, ils ne sont pas définis en détail sur la fiche du modèle et n'ont pas été évalués de manière indépendante ni examinés par des pairs — il n'existe pas encore d'article arXiv pour Motif-3. Il est raisonnable de les considérer comme un signal intéressant que Motif a construit sa propre architecture plutôt que de forker une base open-source existante, mais pas de les traiter comme des avantages de performance prouvés tant qu'une analyse indépendante n'existe pas.

Il est également important d'être clair sur ce qui manque : aucun score MMLU, GPQA, HumanEval ou KMMLU n'a été publié pour Motif-3 lui-même. C'est un vrai vide par rapport aux modèles ouverts plus établis, qui publient généralement une batterie complète de benchmarks académiques standard à côté de tout score d'indice composite. Jusqu'à ce que Motif comble ce tableau — probablement autour de la version finale début août 2026 — le chiffre AAII effectue une grande partie du travail d'évaluation à lui seul, et doit être interprété comme un « signal précoce prometteur », et non comme un « modèle évalué de manière exhaustive ».

Contexte sur les modèles classés au-dessus : Kimi K3, de Moonshot, a un AAII d'environ 57 (top quatre global) et la première place sur le Frontend Code Arena, construit comme un MoE d'environ 2,8 T de paramètres, facturé 3 $/15 $ par million de jetons — performant mais dit lent et verbeux, avec des poids ouverts promis mais pas encore totalement confirmés. GLM-5.2, de Z.ai/Zhipu, obtient un AAII de 51 et occupe la première place en open-weight global, est un MoE d'environ 750B/40B publié sous licence MIT entièrement permissive, est auto-hébergeable, et est facturé 1,40 $/4,40 $ par million de jetons. Les deux surpassent Motif-3-Beta sur l'index open-source aujourd'hui, ce qui est un contexte utile : « troisième au monde » parmi les modèles ouverts est un résultat vraiment solide, mais c'est un troisième lointain derrière deux modèles qui sont tous deux plus matures en matière de déploiement et, dans le cas de GLM-5.2, considérablement plus ouverts en termes de licence.

Accès et tarifs

Se lancer avec Motif-3-Beta aujourd'hui offre deux possibilités. La première consiste à télécharger directement les poids ouverts depuis Hugging Face et à héberger soi-même le modèle – mais uniquement à des fins de recherche non commerciale, conformément aux conditions de licence actuelles ; aucune licence d'utilisation commerciale n'est accordée dans cette version Beta, ce qui exclut tout déploiement en production, quels que soient les résultats des benchmarks. La deuxième possibilité est l'interface de chat gratuite hébergée par Motif sur chat.motiftech.io, qui permet à quiconque d'essayer le modèle dans un navigateur sans rien télécharger ni héberger.

Il n'existe actuellement aucune API publique avec des prix publiés par jeton — une lacune significative si vous évaluez ce modèle face à des concurrents axés sur l'API comme Kimi K3 ($3/$15 par million de jetons) ou GLM-5.2 ($1.40/$4.40 par million de jetons), tous deux vous permettant d'estimer le coût à grande échelle aujourd'hui. Jusqu'à ce que Motif publie les prix de l'API (probablement liés à la version finale, non bêta), toute comparaison de coûts avec ces modèles est nécessairement incomplète. Pour l'instant, les options pratiques sont : l'essayer gratuitement via chat.motiftech.io, ou héberger soi-même les poids ouverts strictement pour la recherche non commerciale.

L'histoire de l'IA souveraine de la Corée

Motif-3-Beta n'est pas seulement le lancement d'un produit par une entreprise — c'est un point de données visible dans la poussée de la Corée du Sud vers ce qu'on appelle l'IA souveraine : la capacité de construire et de contrôler des modèles de pointe au niveau national plutôt que de dépendre entièrement des modèles fondateurs américains ou chinois. Motif-3 est développé dans le cadre de l'initiative gouvernementale « Independent AI Foundation Model », appelée « Dokpamo » dans la presse coréenne, qui finance simultanément plusieurs efforts concurrents — dont la gamme EXAONE de LG AI Research, les modèles Solar d'Upstage et les propres programmes d'IA de SK Telecom. Motif-3 est l'un des entrants les plus surveillés dans ce domaine, en partie grâce à la rapidité de sa construction.

Selon les rapports, le modèle a été entraîné à l'aide d'environ 700 à 768 GPU Nvidia B200 fournis par le gouvernement, avec un cycle de développement d'environ cinq mois — un délai rapide pour un modèle de 314 milliards de paramètres, même en tenant compte de l'efficacité des 13 milliards de paramètres actifs de sa conception MoE. Motif a souligné qu'il s'agit d'une architecture indépendante sans base open-source étrangère en dessous, un point de fierté autant national que technique : l'objectif du programme Dokpamo n'est pas seulement « un bon modèle », mais un modèle construit de bout en bout avec des choix d'architecture domestiques, plutôt qu'un réglage fin ou un dérivé d'une version open-weight américaine ou chinoise existante.

Ce cadrage d'efficacité — 13B actifs sur 314B paramètres totaux — est également un contraste délibéré avec l'histoire de Motif elle-même. Le modèle précédent de l'entreprise, Motif-2.6B, a été entraîné sur des GPU AMD MI250 plutôt que sur du matériel Nvidia, reflétant l'intérêt plus large de Moreh pour la flexibilité de l'infrastructure GPU. Vus ensemble, Motif-2.6B et Motif-3-Beta racontent une histoire cohérente d'une petite équipe optimisant fortement pour l'efficacité de calcul — d'abord par le choix du matériel, maintenant par le routage MoE sparse — ce qui est sans doute une compétence plus transférable pour un programme d'IA national aux ressources limitées que simplement augmenter le nombre de paramètres.

À qui cela s'adresse : trois scénarios

1. Chercheurs en langue coréenne et équipes de TALN

Le corpus de pré-entraînement dédié au coréen de Motif-3-Beta en fait un candidat naturel pour les équipes académiques et de recherche travaillant spécifiquement sur des tâches de TALN en coréen — évaluation, expériences de fine-tuning, ou études comparatives avec d'autres modèles centrés sur le coréen comme EXAONE de LG ou Solar d'Upstage. Étant donné que la licence est réservée à la recherche non commerciale, cela correspond exactement au cas d'usage pour lequel la licence a été rédigée : téléchargez les poids, effectuez vos propres évaluations et considérez le modèle comme un point de données véritablement nouveau et à l'architecture indépendante dans la recherche sur les modèles de langue coréenne.

2. Équipes suivant la frontière open-source

Si une partie de votre travail consiste à observer la direction que prend la course aux modèles open-weight, Motif-3-Beta mérite un examen attentif, ne serait-ce que comme signal : une troisième place parmi les modèles open-source mondiaux provenant d'une équipe de 30 personnes, construite en environ cinq mois sur une allocation de calcul nationale, en dit long sur la façon dont les architectures MoE efficaces en termes de calcul abaissent la barrière pour obtenir des résultats compétitifs. Essayez-le via l'interface gratuite chat.motiftech.io pour avoir une idée qualitative de son comportement, et gardez un œil sur la version finale début août 2026, lorsqu'une suite de benchmarks plus complète et (probablement) des conditions de licence mises à jour devraient arriver.

3. Analystes politiques et industriels suivant les programmes d'IA souveraine

Pour toute personne suivant la stratégie nationale en matière d'IA — comment les gouvernements en dehors des États-Unis et de la Chine tentent de développer des capacités d'IA indépendantes — Motif-3 est une étude de cas concrète utile du programme Dokpamo de la Corée en action : allocation de GPU gouvernementale, une petite entreprise privée, une affirmation explicite d'« architecture sans base open source étrangère » et un cycle de développement de cinq mois. Il se situe aux côtés d'EXAONE de LG AI Research et de Solar d'Upstage comme l'un des plusieurs efforts parallèles, et comparer leurs approches respectives, leurs choix de licence et leurs trajectoires de référence est un angle raisonnable pour comprendre comment le financement de l'IA souveraine se traduit en production réelle de modèles.

Quand ne pas l'utiliser

Ne déployez pas Motif-3-Beta dans un produit commercial ou générateur de revenus — la licence actuelle de Hugging Face est explicitement réservée à une utilisation de recherche non commerciale, et l’utiliser en production constituerait une violation de licence, pas simplement un risque. Ne considérez pas le chiffre AAII 44 comme un résultat de benchmark entièrement vérifié et définitif : il provient de la presse et de la fiche du modèle lui-même, et non d’une lecture fraîche et directe du classement live d’Artificial Analysis, et il changera probablement d’ici la sortie de la version finale. Ne vous fiez pas à ce modèle pour des tâches nécessitant une couverture standard de benchmarks bien documentés — il n’existe encore aucun score publié pour MMLU, GPQA, HumanEval ou KMMLU pour vérifier votre cas d’usage. Et n’attendez pas d’accès API de qualité production aujourd’hui : il n’y a pas de tarification API publique, pas d’organisation GitHub, ni d’article d’architecture revu par les pairs, autant d’éléments qu’il est raisonnable d’attendre avant de construire quoi que ce soit au‑delà d’un prototype de recherche sur Motif‑3.

FAQ

Qu'est-ce que Motif-3-Beta ?

C'est un modèle de langage à mélange sparse d'experts de Motif Technologies, un laboratoire d'IA coréen et filiale de Moreh. Il compte environ 314 milliards de paramètres au total, dont environ 13 milliards d'actifs par jeton, une fenêtre de contexte de 256 000 jetons, et est entraîné avec un corpus dédié à la langue coréenne. Il s'agit actuellement d'un point de contrôle bêta/aperçu, et non d'une version finalisée.

À quel point Motif-3-Beta est-il vraiment bon ?

Selon une mesure indépendante — l’Artificial Analysis Intelligence Index — il obtient un score de 44, ce que la couverture médiatique classe troisième parmi les modèles open source mondiaux (derrière Kimi K3 et GLM-5.2) et onzième au total. C’est un premier résultat solide, mais aucun score MMLU, GPQA, HumanEval ou KMMLU n’a encore été publié pour ce modèle, donc le tableau complet est incomplet.

Puis-je utiliser Motif-3-Beta commercialement ?

Pas sous la licence actuelle. Les poids Hugging Face sont publiés uniquement pour une utilisation de recherche non commerciale. C'est un recul par rapport à la licence Apache 2.0 entièrement permissive utilisée par le modèle précédent, Motif-2, et c'est une limite stricte pour toute utilisation en production aujourd'hui.

Combien coûte son utilisation ?

Il n'y a pas encore de tarification publique pour l'API. Vous pouvez essayer le modèle gratuitement sur l'interface hébergée chat.motiftech.io, ou héberger vous-même les poids ouverts pour la recherche non commerciale. La tarification et les conditions commerciales pourraient être introduites avec la version finale.

Est-ce vraiment une architecture coréenne indépendante ?

C'est l'affirmation de Motif, et elle s'inscrit dans l'objectif plus large du programme national coréen d'IA souveraine « Dokpamo » — une architecture sans base open-source étrangère en dessous. Le modèle décrit bien des composants personnalisés (« Grouped Differential Latent Attention », « Grouped PolyNorm activation », un mécanisme « mHC modifié »), mais ce sont des termes décrits par le fournisseur qui n'ont pas encore été détaillés dans un article ou examinés de manière indépendante.

Quand sortira la version finale ?

Motif a indiqué qu'une version finale, non-Bêta, est prévue pour environ début août 2026. Attendez-vous à des benchmarks mis à jour, et peut-être à des licences et tarifs mis à jour, à ce moment-là.

Comment se compare-t-il à Kimi K3 et GLM-5.2 ?

Les deux se classent actuellement au-dessus de Motif-3-Beta sur l'indice open-source d'Artificial Analysis — Kimi K3 autour de 57 AAII et GLM-5.2 à 51 AAII, contre 44 pour Motif-3-Beta. GLM-5.2 dispose également d'une licence MIT plus permissive et d'une tarification API publiée (1,40 $ / 4,40 $ par million de jetons) aujourd'hui, ce que Motif-3-Beta n'offre pas encore.

Devrais-je utiliser Motif-3-Beta aujourd'hui ?

Utilisez-le si vous faites de la recherche en NLP coréen, si vous suivez la course aux modèles open-source, ou si vous étudiez la politique de l'IA souveraine — tous des cas d'utilisation que la licence non-commerciale et l'interface de chat gratuite supportent bien. Attendez la version finale, avec des benchmarks plus complets et des conditions commerciales plus claires, avant de construire quoi que ce soit au-delà d'un prototype de recherche.

En résumé

Motif-3-Beta est un résultat véritablement notable : une équipe coréenne de 30 personnes, financée par un programme national d'IA souveraine, s'est classée troisième parmi les modèles open-source mondiaux sur un indice indépendant en environ cinq mois de développement. Mais « Beta » et « non commercial » ne sont pas des notes de bas de page marketing ici — ce sont les deux faits qui déterminent si ce modèle est utilisable pour vos besoins aujourd'hui. En tant qu'artefact de recherche et en tant que signal sur la direction que prennent les architectures MoE efficaces et les programmes nationaux d'IA, cela mérite d'être suivi de près. En tant que modèle de production, il n'y est pas encore — revenez vers la version finale de début août 2026 pour une image plus complète.