Qwen3-235B : le modèle précédemment desservi par Gonka

Qwen3-235B-A22B-Instruct-2507-FP8 est un grand modèle linguistique (LLM) de la famille Qwen3, développé par l'équipe Qwen d'Alibaba Cloud. Le nom complet se décompose comme suit : Qwen3 — troisième génération de la série, 235B — 235 milliards de paramètres au total, A22B — 22 milliards de paramètres actifs par requête, Instruct — version entraînée pour suivre des instructions, 2507 — sortie de juillet 2025, FP8 — quantification 8 bits pour l'optimisation de la mémoire.

La principale caractéristique architecturale est MoE (Mixture of Experts). Contrairement aux modèles « denses » (GPT-5.5, Claude Sonnet 4.6), où chaque token passe par tous les paramètres, un modèle MoE n'active pour chaque requête qu'un sous-ensemble d'« experts » — des blocs spécialisés du réseau neuronal. Dans le cas de Qwen3-235B, sur 235 milliards de paramètres, seulement 22 milliards sont activés par token — moins de 10 %. Cela offre une qualité au niveau des modèles de plus de 200 milliards de paramètres avec les coûts de calcul d'un modèle de 22 milliards.

En pratique, cela signifie que le modèle est plus intelligent qu'on ne pourrait s'y attendre compte tenu de sa vitesse. Il traite les requêtes nettement plus vite que les modèles denses de qualité comparable, tout en nécessitant beaucoup moins de VRAM pour l'inférence. C'est pourquoi MoE est devenue l'architecture dominante pour les plus grands modèles de 2025-2026.

La fenêtre contextuelle de Qwen3-235B est de 131 072 tokens (~100 000 mots) — cela suffit pour analyser des livres entiers, des bases de code ou de longs documents juridiques en une seule requête. Le modèle prend en charge 119 langues, dont le russe, l'anglais, le chinois, l'arabe, l'hindi et des dizaines d'autres — ce qui en fait l'un des modèles les plus multilingues du marché.

Qwen3-235B rivalise avec les plus grands modèles fermés et ouverts. Voici une comparaison des caractéristiques clés :

Qwen3-235B affiche un niveau de qualité comparable à GPT-5.5 et Claude Sonnet 4.6 sur la plupart des benchmarks, et en tant que modèle MoE open-weights, il revient bien des fois moins cher que les alternatives propriétaires : l'architecture MoE n'active qu'une partie des paramètres par requête et réduit drastiquement les coûts de calcul. Le réseau Gonka applique aujourd'hui ce même principe d'inference décentralisée peu coûteuse à ses modèles en production — MiniMax M2.7, DeepSeek V4 Flash et GLM-5.3 Flash, accessibles via JoinGonka Gateway à $0.0062 pour 1M de tokens (des centaines à des milliers de fois moins cher que GPT-5.5 et Claude).

Sur les benchmarks MMLU-Pro, HumanEval, MATH-500 et GSM8K, le modèle figure parmi les trois meilleurs modèles open-source, ne cédant qu'à DeepSeek-R1 sur les tâches de raisonnement mathématique (reasoning). Sur la génération de code, la traduction et le suivi d'instructions, Qwen3-235B devance systématiquement Llama 4 Maverick et se mesure à Claude Sonnet 4.6.

Lorsque Qwen3-235B était le modèle principal du réseau, elle fonctionnait de manière distribuée au sein du réseau Gonka — via le protocole DiLoCo, adapté pour l'inference. Le modèle complet au format FP8 nécessite environ 640 Go de mémoire vidéo (VRAM), impossible à loger sur un seul GPU — même un H100 80GB ou un H200 141GB ne suffit pas. Le modèle était donc réparti par couches (tensor parallelism + pipeline parallelism) entre plusieurs nœuds ML.

En pratique, Qwen3-235B tournait sur un cluster de 8 à 16 nœuds GPU, chacun disposant d'au moins 40 Go de VRAM. Les Transfer Agents acheminaient la requête vers le cluster approprié, vLLM sur chaque nœud traitait son fragment du modèle, les résultats étaient agrégés puis renvoyés à l'utilisateur. L'ensemble du processus prenait quelques centaines de millisecondes — l'utilisateur ne se doutait pas que sa requête avait été traitée par une dizaine de GPU aux quatre coins du globe. Le réseau applique encore aujourd'hui ce même principe d'inference distribuée — désormais à ses modèles en production.

Détail technique important : Gonka utilise vLLM comme moteur de serving. vLLM est un projet open source qui assure une génération de texte haute performance grâce à PagedAttention — un algorithme qui optimise l'usage de la mémoire vidéo lors du traitement parallèle de nombreuses requêtes. Chaque nœud peut ainsi traiter de nombreuses requêtes en parallèle sans perte de qualité.

Le modèle prend en charge le tool calling natif — l'appel de fonctions et d'outils directement depuis la réponse du modèle. Cette fonctionnalité a été ajoutée à Gonka via la PR #767 avec un seuil de 0.958 pour la détection des appels d'outils. Sur Qwen3-235B, cela permettait aux développeurs de créer des agents IA interagissant avec des API externes, des bases de données et des outils — le tout via une seule requête. La prise en charge du tool calling a été conservée dans les modèles actuels du réseau.

Aujourd'hui, le réseau Gonka compte 1,293 GPU (H100, H200, B300 et autres). Si cette puissance était autrefois consacrée à Qwen3-235B, elle fait tourner aujourd'hui les modèles en production du réseau — MiniMax M2.7, DeepSeek V4 Flash et GLM-5.3 Flash.

Réponse directe : via le réseau Gonka, ce n'est plus possible. Qwen3-235B a été retiré du réseau, donc l'appeler par son identifiant qwen3-235b-a22b via notre Gateway n'est plus possible. Comme le modèle est ouvert (Apache 2.0), vous pouvez toujours le lancer vous-même ou y accéder via des hébergeurs tiers de modèles open-weights — par exemple via OpenRouter (environ $0.071/$0.100 pour 1M de tokens).

En revanche, si vous cherchez cet inference décentralisé et bon marché qui attire les utilisateurs vers Gonka, il n'a pas disparu : il fonctionne simplement désormais sur les modèles actifs du réseau. Via JoinGonka API Gateway, vous accédez à MiniMax M2.7, DeepSeek V4 Flash et GLM-5.3 Flash via une API compatible OpenAI : n'importe quel code écrit pour OpenAI fonctionne sans modification — il suffit de changer l'URL, la clé API et le nom du modèle.

Exemple de requête vers un modèle actif :

curl https://gate.joingonka.ai/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "Explain the MoE architecture"}]
  }'

Tarif : $0.0062 pour 1 million de tokens — soit environ 810 fois moins cher que GPT-5.5 ($5.00/1M) et environ 490 fois moins cher que Claude Sonnet 4.6 ($3.00/1M). À l'inscription, vous recevez 3M tokens gratuits pour tester.

Le Gateway est compatible avec les outils de développement populaires : Quick Start décrit la connexion via Python, Node.js et curl. Les intégrations IDE sont également prises en charge — Cursor, Continue, Cline, Aider et Claude Code — ainsi que les frameworks pour agents IA : LangChain, n8n, LibreChat, Open WebUI.

Pour démarrer rapidement :

1. Inscrivez-vous sur gate.joingonka.ai (connectez un portefeuille ou créez-en un nouveau)
2. Obtenez une clé API dans le Dashboard
3. Remplacez api.openai.com par gate.joingonka.ai/api dans votre code
4. Indiquez le modèle actif du réseau — MiniMaxAI/MiniMax-M2.7, deepseek-ai/DeepSeek-V4-Flash-0731 ou zai-org/GLM-5.3-Flash (liste complète via l'endpoint GET /v1/models)

L'inference décentralisé de niveau enterprise au prix d'un projet amateur n'a pas disparu — Qwen3-235B a simplement cédé sa place à des modèles plus récents du réseau. Le même rapport qualité-prix fonctionne désormais sur MiniMax M2.7, DeepSeek V4 Flash et GLM-5.3 Flash.