Le South China Morning Post rapporte que Gao Xi, ingénieur chez DeepSeek, a défendu l’IA open source comme moyen d’accélérer l’intelligence artificielle générale (AGI) lors d’un panel de la World Internet Conference (WIC) à Wuzhen, un mardi. Le journal a publié son article le 4 novembre 2026.

L’innovation partagée, moteur de l’accélération

Selon le récit du South China Morning Post, Gao a présenté le développement ouvert comme un moyen de favoriser les innovations partagées et les avancées techniques. Il a décrit la progression vers l’AGI comme une course contre la montre plutôt qu’une compétition entre entreprises. Ses exemples d’un horizon hypothétique de dix ans ramené à un an, puis d’un an au lendemain, exprimaient un souhait, pas un calendrier prévisionnel.

Le journal a situé ces propos dans un débat marqué par les préoccupations américaines sur la sécurité de l’IA et par l’examen, en Chine, de possibles risques pour la sécurité nationale.

Cette défense de l’accès ouvert touche à une question abordée séparément par Liu Shengyu, qui avait alerté sur le risque de concentration de l’IA avancée autour d’Anthropic. Notre précédent article sur la mise en garde de Liu revient sur cet angle; Gao, lui, a défendu le partage comme levier d’innovation.

Ce que DeepSeek présente comme publié pour R1

Dans sa fiche de modèle et son dépôt GitHub, DeepSeek présente DeepSeek-R1, DeepSeek-R1-Zero et six variantes distillées comme open source. La fiche indique que le code du dépôt et les poids de R1 sont sous licence MIT.

DeepSeek donne pour R1 et R1-Zero 671 milliards de paramètres au total, dont 37 milliards activés, et une fenêtre de contexte de 128 000 tokens. Les six variantes distillées comptent 1,5, 7, 8, 14, 32 et 70 milliards de paramètres. Le dépôt comprend un fichier README, le PDF de l’article sur R1, une licence, des figures et des fichiers de workflow; les checkpoints sont liés séparément.

Pour les variantes distillées basées sur Qwen, DeepSeek indique un affinage à partir de 800 000 exemples sélectionnés avec DeepSeek-R1. Les modèles distillés s’appuient aussi sur des bases Qwen2.5 ou Llama 3.1 et 3.3; DeepSeek précise séparément les conditions de licence de ces modèles de base.