NVIDIA Nemotron Labs Dory 1.0 4B vs Qwen 3.8 : le 4B à poids ouverts face à la gamme à trois niveaux d'Alibaba

Comparer N​VIDIA N​emotron Labs Dory 1.0 4B à « Qwen 3.8 » n'est pas une confrontation — c'est un décalage d'une manière spécifique et instructive. Qwen 3.8 n'est pas un seul modèle ; à l'extrémité open-weight, il s'agit de Qwen3.8-27B, un modèle multimodal dense de 27B sous Apache 2.0 avec une fenêtre de 256K, et au-dessus, il y a Qwen3.8-Flash et Qwen3.8-Max, tous deux plus grands, tous deux servis uniquement via l'API d'A​libaba. Dory est un unique checkpoint de 4B, textuel uniquement, anglais uniquement, de N​VIDIA, publié sur Hugging Face en quatre quantifications sous la licence OpenMDW 1.1, avec sa fiche estampillée « GA (10/16/2026) » et sans aucune annonce derrière. Donc la vraie question n'est pas de savoir si un 4B peut battre un 27B. C'est de savoir si un 4B à profondeur élastique que vous hébergez vous-même est un moyen moins cher d'atteindre le niveau de tâche que vous loueriez autrement auprès de la gamme Qwen3.8 — et les deux faits les plus déterminants pour la décision sont que Qwen3.8-27B est en open-weights, donc les deux modèles tournent sur votre matériel, et que la fiche de Dory elle-même ne fournit aucun benchmark contre un quelconque modèle Qwen3.8.

Qu'est-ce qui est réellement comparé ?

Commençons par le côté Q​wen, car « Qwen 3.8 » amalgame trois propositions distinctes.

Qwen3.8-27B est le modèle vision-langage dense à poids ouverts d'Alibaba, sous licence Apache 2.0, avec 27 milliards de paramètres, 64 couches, une dimension cachée de 5 120, et un contexte natif de 262 144 tokens que la fiche technique annonce comme extensible jusqu'à un million. Il accepte le texte, les images et la vidéo et renvoie du texte, s'appuie sur une architecture hybride Gated DeltaNet et Gated Attention répartie sur 16 blocs répétés, et est distribué au format Transformers avec prise en charge de vLLM, SGLang et TokenSpeed. Il obtient 90,3 sur LiveCodeBench v6, 89,2 sur GPQA Diamond, 79,5 sur IFBench et 73,0 sur Terminal-Bench 2.1, parmi une longue liste de résultats agentiques et de vision. Il est public depuis la mi-août 2026 et a été téléchargé plusieurs millions de fois.

Qwen3.8-Flash et Qwen3.8-Max sont les versions hébergées. Flash est le modèle multimodal optimisé pour le coût, avec un contexte d'un million de jetons ; Max est le porte-étendard d'Alibaba, également à un million de jetons, positionné face aux modèles propriétaires les plus performants. Ni l'un ni l'autre ne dispose de poids ouverts. On y accède par le biais d'une API.

N​VIDIA N​emotron Labs Dory 1.0 4B est le 4B. Dense, bouclé, à récurrence latente — un bloc d'entrée de 8 couches, un bloc récurrent de 20 couches appliqué un nombre variable de fois, un bloc de sortie de 8 couches — avec attention hybride entrelacée à fenêtre glissante et attention complète. Texte en entrée, texte en sortie, anglais uniquement, contexte de 256K. Pré-entraîné sur 6 000 milliards de tokens, dont les ~4 500 premiers milliards nativement en NVFP4, plus une extension de contexte de 300 milliards de tokens, puis SFT et GRPO multi-environnements. Aucun point de terminaison hébergé n'existe pour ce modèle que nous puissions vérifier.

Un point à bien comprendre, car cela déroute les gens : NVIDIA distribue Dory en BF16, MXFP8, NVFP4 et Q5_K_M GGUF. L'identifiant canonique du dépôt est celui en MXFP8, mais les benchmarks de la fiche ont été mesurés en BF16. MXFP8 est une quantification des mêmes poids, pas un modèle différent.

Le contraste des spécifications

• Paramètres — Dory 1.0 4B est un modèle dense de 4B, avec un bloc récurrent appliqué de manière répétée, de sorte que le calcul effectif par token sur quatre boucles dépasse le nombre de paramètres. Qwen3.8-27B est un modèle dense de 27B doté d'une tour de vision. Ils ne sont pas dans la même catégorie de poids et un seul d'entre eux tient dans un déploiement à mémoire limitée.

• Modalité — Qwen3.8-27B accepte les images et la vidéo ainsi que le texte. Dory accepte le texte. Toute charge de travail contenant une image s'arrête ici.

• Contexte — les deux annoncent 256K. La fiche de Qwen3.8-27B indique 262 144 positions natives, extensibles à environ un million ; celle de Dory indique jusqu’à 256K, avec 262 144 validées dans vLLM avec la commande de lancement fournie. Qwen3.8-Flash et Max atteignent tous deux directement un million de tokens.

• Licence — Apache 2.0 pour Qwen3.8-27B, OpenMDW 1.1 pour Dory. Toutes deux sont compatibles avec un usage commercial ; Apache 2.0 est le texte le plus connu.

• Langues — Qwen3.8-27B est multilingue de par sa lignée ; Dory est uniquement en anglais, avec 43 langages de programmation dans son mélange de pré-entraînement.

• Comportement de calcul — c'est la seule ligne où Dory dispose de quelque chose que Qwen3.8-27B ne peut structurellement pas offrir. La profondeur de Dory est un paramètre au moment du service : une boucle pour la latence, deux comme valeur par défaut recommandée par N​VIDIA, quatre lorsque la précision agentique importe davantage, le tout à partir d'un seul point de contrôle, avec un mode de mise en cache KV en dernière boucle destiné à maintenir la mémoire cache à peu près à la taille d'une seule boucle, quel que soit le nombre de boucles. Qwen3.8-27B a une profondeur fixe ; ses leviers sont la quantification et le matériel.

• Formats — Dory propose quatre quantisations, dont un GGUF pour llama.cpp. Qwen3.8-27B dispose d'un dépôt FP8 distinct et d'un écosystème dérivé très vaste de quantisations et de finetunes, ce que vous rapportent plusieurs millions de téléchargements.

La question de benchmark à laquelle le propre tableau de N​VIDIA se dérobe

Voici le détail dérangeant. Le tableau de benchmarks de NVIDIA pour Dory le compare à Qwen3.5-4B, Qwen3.5-9B, Gemma 4 26B A4B et Qwen3.6-35B-A3B. Il utilise les deux générations précédentes de Qwen et ne fait jamais appel à Qwen3.8. C'est un choix défendable pour un 4B — Qwen3.8-27B fait presque sept fois sa taille — mais cela signifie que le fabricant n'a publié aucun comparatif direct face à la génération Qwen actuelle, dans un sens comme dans l'autre. La fiche de Qwen3.8-27B d'Alibaba, quant à elle, se mesure à la frontière propriétaire, et non à un 4B.

Ce que la fiche de Dory publie bel et bien, face à ses anciens comparateurs, est honnête sur les cas où le bouclage vaut le coup. Parcourez ses trois réglages de boucle face à Qwen3.5-4B et Qwen3.5-9B :

• SWE-bench Verified — 50,3 / 59,5 / 61,8 contre 54,7 et 61,0. À quatre boucles, Dory dépasse nominalement le Qwen 9B sur cette ligne.

• Terminal-Bench 2.1 — 12,5 / 18,1 / 22,2 contre 15 et 24. Il perd face aux deux, y compris le 4B.

• τ³-bench (Bancaire) — 11,6 / 12,89 / 14,69 contre 5,03 et 7,22. Dory fait plus que doubler le Q​wen 4B et fait environ doubler le 9B.

• GPQA Diamond, sans outils — 69,19 / 72,41 / 72,16 contre 77,71 et 80,93. Il perd face aux deux.

• IFBench — 74,29 / 77,94 / 79 contre 53,83 et 59. Un gain important sur le suivi des instructions.

• AA-LCR — 63 / 71 / 73 contre 64,7 et 68,4. La récupération en contexte long s’améliore nettement avec les boucles et finit en tête.

• AA-Omniscience — 10,03 / 10,08 / 10,03 contre 15,02 et 18,05. Les connaissances stockées ne bougent quasiment pas avec le nombre de boucles, ce qui est le test de cohérence que le reste du tableau passe.

Chacun de ces chiffres est celui de N​VIDIA, mesuré sur le banc d'essai de N​VIDIA, avec des nombres de répétitions divulgués — SciCode huit exécutions, AA-LCR seize, plusieurs benchmarks exactement une fois — et la carte qualifie ses scores de forme Artificial-Analysis d'« estimations internes » susceptibles de s'écarter des scores officiels. Rien de tout cela n'est reproduit.

Placez maintenant la fiche de Qwen3.8-27B à côté. Ses scores annoncés de 89,2 sur GPQA Diamond, 79,5 sur IFBench et 73,0 sur Terminal-Bench 2.1 sont tous supérieurs aux meilleurs chiffres de Dory sur les mêmes benchmarks, ce à quoi on s'attend exactement de la part d'un modèle sept fois plus grand, doté d'un pipeline d'entraînement plus récent de deux générations. Il n'existe aucun scénario dans lequel un 4B bat un 27B bien exécuté sur un benchmark de connaissances ou de raisonnement, et Dory ne prétend pas le contraire. Ce que Dory affirme est différent : qu'à 4B, il atteint un comportement agentique d'environ la classe 9B, et que c'est à vous de choisir combien de calcul investir à cette échelle.

Déploiement : l'écart n'est pas près d'être comblé, et ce n'est pas une question de qualité.

Qwen3.8-27B est une publication open-weight tout à fait normale. Format Transformers, prise en charge répertoriée pour vLLM, SGLang et TokenSpeed, un frère FP8, et un écosystème qui a produit bien plus d'un millier de quantisations et des centaines de finetunes depuis août. Si votre stack fait tourner des modèles open-weight modernes, il fera tourner celui-ci, et la seule véritable contrainte est la mémoire — un 27B dense en BF16 n'est pas un modèle pour petite machine, mais les variantes quantisées existent précisément pour ça.

Dory, c'est l'inverse. Le support de vLLM est en cours d'examen dans une pull request ouverte ; tant qu'elle n'est pas fusionnée, N​VIDIA vous indique d'installer vLLM depuis cette branche avec l'option de noyau précompilé, puis de lancer avec des surcharges configurant le nombre de boucles récurrentes et le mode de cache KV. Le support de llama.cpp se trouve dans une seconde pull request ouverte, avec un commit épinglé et des instructions de compilation pour macOS ARM64. Il n'existe aucun endpoint hébergé pour Dory où que ce soit que nous puissions vérifier, et les compteurs de téléchargement des quatre dépôts étaient à zéro au moment de la rédaction. Les chiffres de vitesse publiés se limitent à des accélérations de quantification sur un DGX Spark — 1,69× et 1,84× pour MXFP8 par rapport à BF16, 2,17× et 2,44× pour NVFP4, selon la combinaison de longueurs d'entrée/sortie — et non au débit.

Face à cela, l’affirmation sur la mémoire dans la fiche de Dory est le seul élément d’ingénierie qui pourrait justifier cet inconvénient. Le bouclage récurrent standard stocke un cache KV distinct par boucle, si bien que la mémoire augmente à chaque passage. Le mode de mise en cache KV du dernier passage de Dory ne conserve qu’un cache par couche d’attention récurrente et l’écrase à chaque passage, maintenant l’empreinte à peu près à la taille d’une seule boucle, quel que soit le nombre de boucles, avec une précision qui, selon N​VIDIA, reste proche du mode par boucle. Si cela se vérifie dans les mesures de quelqu’un d’autre, un modèle 4B avec une fenêtre de 256K et quatre boucles devient exploitable sur du matériel qui ne pourrait pas se le permettre autrement. Personne en dehors de N​VIDIA ne l’a vérifié.

Où se situe réellement OrcaRouter dans cette comparaison

C'est la rare comparaison où nous pouvons être précis, car les deux parties ne sont pas sur un pied d'égalité ici. Le côté Q​wen figure dans notre catalogue : qwen/qwen3.8-27b est auto-hébergé sur l'infrastructure propre d'OrcaRouter, et qwen/qwen3.8-flash et qwen/qwen3.8-maxsont accessibles en tant que points de terminaison hébergés, le tout via une seule clé API au prix catalogue du fournisseur, avec 0 % de marge. Le côté N​VIDIA ne l'est pas — N​VIDIA N​emotron Labs Dory 1.0 4B ne figure pas au catalogue et n'a aucun point de terminaison hébergé que nous puissions confirmer.

Cette asymétrie est réellement utile plutôt que gênante. L'argument en faveur d'un petit modèle auto-hébergé est un argument de coût, et un argument de coût a besoin du prix de location auquel il s'oppose. Les trois niveaux de Qwen3.8 ont des tarifs très différents — 27B à 0,33 $ par million de tokens d'entrée et 2,40 $ par million de sortie, Flash à 0,15 $ et 0,47 $, Max à 2,00 $ et 6,00 $ — de sorte que la version honnête de « un 4B peut-il remplacer ceci » a trois réponses différentes selon le niveau que vous utilisez réellement aujourd'hui. Une seule clé OrcaRouter donne accès aux trois, donc chiffrer cette question ne nécessite pas trois comptes. Comme nous répercutons le prix catalogue du fournisseur sans marge, un changement de prix de Qwen arrive ici le jour même. Et lorsque vous choisissez effectivement un niveau, le basculement automatique entre fournisseurs et le DSL de routage — qui vous permet de composer des modèles derrière un seul appel — font que le passage d'un Qwen hébergé à un Dory auto-hébergé, ou l'inverse, est un changement de configuration à un seul point d'appel plutôt qu'une refonte. Nous ne servons pas Dory ; nous sommes le moyen économique de mesurer ce qu'il remplacerait.

Le verdict

Si votre charge de travail est multimodale, multilingue ou exigeante en connaissances — tout cas où le modèle doit savoir des choses plutôt que faire des choses —, Qwen3.8-27B est la réponse à poids ouverts et la comparaison n’est pas compétitive. Il est sept fois plus grand, deux générations plus récent, soutenu par un vaste écosystème de dérivés, fonctionne sur des moteurs qui le prennent déjà en charge, et sa propre fiche technique annonce des chiffres que Dory n’approche pas sur GPQA ou les benchmarks d’instructions. Louez plutôt Flash ou Max si vous préférez ne pas héberger du tout un 27B.

Dory 1.0 4B est un pari sur un axe différent. Cela ne vaut la friction de la construction à partir d'une branche que si trois choses sont vraies pour vous : la tâche est uniquement textuelle et uniquement en anglais, elle est agentique plutôt que guidée par les connaissances, et vous utiliseriez véritablement un cadran de calcul — exécutant une boucle sous charge et quatre lorsque la précision compte, à partir d'un seul point de contrôle, sans un second téléchargement. Sa fiche affirme que ce pari est payant sur τ³-Bench et le suivi d'instructions à 4B, et elle divulgue suffisamment d'informations sur la façon dont ces chiffres ont été produits pour vous permettre de les relativiser comme il se doit.

Ce qui trancherait la question, c'est le test que personne n'a exécuté : Dory 1.0 4B face à Qwen3.8-27B sur un harnais partagé, à quantification égale, sur un jeu de tâches agentiques. Le tableau de N​VIDIA omet entièrement la génération Q​wen actuelle, et celui d'A​libaba ne descend pas d'une classe de poids. Tant que personne ne publie cette comparaison, la position exacte est que l'un de ces modèles est un 27B éprouvé, pris en charge et largement déployé, tandis que l'autre est un dépôt 4B apparu du jour au lendemain avec une idée intéressante à l'intérieur — et la seule personne qui puisse dire si l'idée vaut qu'on la développe, c'est vous, sur votre jeu de tâches.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.