Qwen 3.8 27B Ultimate Local AI? THE 1 MILLION TOKEN REVIEW 🧐

Valeur des informations & solidité de l’argumentation

La valeur de cette vidéo réside dans ses tests pratiques très concrets, avec des démonstrations visuelles et des mesures de tokens et de temps. L’argumentation est solide car elle s’appuie sur des expériences répétées et une comparaison directe avec la version précédente. L’auteur ne masque pas les difficultés rencontrées (boucles, temps excessifs) et explique les paramètres utilisés (température, limites de réflexion). Cependant, les tests ne sont pas effectués dans des conditions parfaitement contrôlées (différentes quantifications, matériel varié), ce qui peut introduire des biais. La démonstration est convaincante pour un public technique, mais manque de rigueur méthodologique systématique.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : l’auteur s’appuie principalement sur ses propres tests et sur la carte du modèle disponible sur Hugging Face. Il ne cite pas d’études académiques ou de sources tierces, mais fournit des liens vers les modèles et outils utilisés. La qualité des sources est correcte, mais limitée. L’adéquation titre/contenu est imparfaite : le titre évoque un test à 1 million de jetons, ce qui n’est pas réalisé dans la vidéo (les plus grandes fenêtres utilisées atteignent environ 55 000 tokens). Cela pourrait induire en erreur, bien que le modèle soit conçu pour de longues contextes. Le contenu est néanmoins riche et honnête sur les limitations, ce qui compense en partie cette exagération.

Le titre suggère un test de contexte à 1 million de jetons, mais les tests réalisés utilisent des fenêtres bien plus petites (jusqu'à ~55 000 jetons). Le titre est donc quelque peu exagéré, bien que le modèle soit conçu pour supporter de très longues fenêtres.

8/10

La vidéo s'appuie sur des tests pratiques détaillés, compare plusieurs modes de raisonnement et versions, et mentionne les limites techniques. L'auteur partage ses méthodes et les ressources utilisées. Toutefois, certains benchmarks annoncés ne sont pas issus de la vidéo mais de la carte du modèle, et le test porte sur une implémentation MLX spécifique.

• 00:00Introduction & Benchmarks
• 03:12Visual Tests & Vision Inference
• 05:11Thinking Modes Deep Dive
• 08:113D Generation & MTP Speed
• 13:45Physics & Code Correction Tests
• 16:323D Visualizations & Game Recreations
• 19:10Platformer & Racing Game Tests
• 24:21Productivity & Animation Tests
• 26:26Logic, Reasoning & Math Challenges
• 29:11Final Code Modifications & Wrap-up

• Qwen3.8-27B-MLX-Q9 - Hugging Face — Modèle utilisé pour les tests dans la vidéo, version MLX quantifiée.
• InferencerLabs - Hugging Face — Organisation publiant les modèles Qwen 3.8 et autres.
• Inferencer App — Outil utilisé pour la génération et les tests.
• Kimi K3 - vidéo comparateur — Vidéo précédente comparant Kimi K3, mentionnée pour référence.
• GLM 5.2 - vidéo comparateur — Vidéo précédente sur GLM 5.2, mentionnée pour référence.
• Nemotron Ultra - vidéo comparateur — Vidéo précédente sur Nemotron Ultra, mentionnée pour référence.

• Qwen3.8-27B-MLX-Q9 - Hugging Face (carte du modèle) — La carte du modèle confirme les benchmarks mentionnés dans la vidéo (SWE-bench, etc.) et sert de base aux comparaisons.

• vtudio.com