Qwen 3.8 - Local AI xHigh Thinking is SCARY 🤯

Item: Qwen 3.8 - Local AI xHigh Thinking is SCARY 🤯
Rating: 4
Author: PostSingularity Institute

Qwen 3.8 - L'IA locale à réflexion ultra-poussée est EFFRAYANTE 🤯

par xCreate · Voir la chaîne sur PSI

Sciences formelles & physiques IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQFIntelligence artificielle générative

🎙 xCreate 👥 26K 📅 17 août 2026 ⏱ 25 min 👁 14K 📄 étude originale 🧭 2026-09-10

Disponible en : Français (actuel) English

Mots-clés

Qwen 3.8high thinkinglocal AIMLXthinking loops

Résumé

La vidéo teste en profondeur le modèle Qwen 3.8 27B en mode de raisonnement extra élevé, exécuté localement sur une machine Apple M3 Ultra. Le créateur a consommé plus de 2 millions de jetons pour explorer les différentes options : quantifications (Q4, Q8, Q9, Q10), réglages de température, moteurs d’inférence, et surtout la gestion des boucles de raisonnement qui surviennent fréquemment. Il présente plusieurs générations d’applications 3D (visage procédural, GTA, Red Dead Redemption, Final Fantasy 7, Super Mario, Outrun) en comparant les résultats à faible et à forte intensité de pensée. Le point central est la résolution des boucles via un détecteur de boucles intégré à son outil Inferencer, qui permet d’arrêter les répétitions et de générer des sorties de qualité en moins de jetons. Malgré quelques erreurs de code et des bugs, les résultats sont impressionnants pour un modèle de 27B, montrant des capacités créatives et techniques élevées. Le créateur souligne l’importance de bien configurer les paramètres et recommande d’utiliser le détecteur de boucles pour stabiliser les générations.

169 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

L’information apportée est précieuse pour la communauté locale IA : elle donne des repères concrets sur les performances réelles de Qwen 3.8, les pièges des boucles de raisonnement et des solutions pratiques. L’argumentation repose sur des tests variés et répétés, avec des comparaisons entre quantifications et réglages. Le créateur étaye ses affirmations par des visualisations du Token Inspector et des exemples de code erroné, ce qui renforce la crédibilité. Toutefois, l’absence de protocole formel et la subjectivité des évaluations (qualité visuelle) limitent la force probante, mais la démarche empirique est solide.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : les tests sont détaillés, mais non standardisés et reposent sur un seul environnement. Les sources citées (Hugging Face, Inferencer) sont pertinentes et fiables pour la reproduction. L’adéquation titre-contenu est correcte : le titre met l’accent sur l’aspect impressionnant (‘SCARY’), mais la vidéo montre également les faiblesses. Les commentaires sont globalement positifs, mais certains utilisateurs signalent des divergences sur les boucles, ce qui indique une possible variabilité selon la configuration. Le créateur n’invente pas de sources et fournit des liens utiles pour approfondir.

194 mots

Adéquation titre / contenu

Le titre est accrocheur et reflète l'impression de puissance du modèle, même si la vidéo met aussi en avant des bugs et des boucles de raisonnement.

Qualité & fiabilité

7/10

La vidéo repose sur des tests personnels approfondis (2 millions de jetons, plusieurs quantifications, moteurs d'inférence), avec des explications techniques. Cependant, les résultats proviennent d'une seule chaîne et certains utilisateurs signalent des divergences, ce qui limite la fiabilité globale.

Chapitres

Sources citées

Qwen3.8-27B-MLX-Q9 — Modèle Qwen 3.8 27B quantifié en Q9 pour MLX, utilisé dans les tests.
Inferencer App — Application utilisée pour l'inférence et le test des modèles, avec détection de boucles et inspecteur de jetons.

Références externes

Apport & nouveautés

Cette vidéo apporte une contribution originale en testant en conditions réelles le mode ’extra high thinking’ de Qwen 3.8, notamment les boucles de raisonnement et les stratégies pour les éviter. L’outil Inferencer avec sa détection de boucles est une innovation pratique.

Pour aller plus loin :

Qwen 3 (page Wikipedia) — Contexte sur la série Qwen d’IA open source.
MLX (Apple framework) — Framework d’apprentissage machine pour Apple Silicon utilisé dans les tests.
Quantization (page Wikipedia) — Notion clé pour comprendre les réductions de précision des modèles.
Temperature (sampling) — Paramètre de génération discuté dans la vidéo.

97 mots

Profil radar

Le profil radar montre une forte quantité d'informations et un niveau technique élevé, mais une fiabilité globale modérée, reflétant un contenu détaillé mais basé sur des tests personnels.

Fiabilité 6/10

💬 Orientation positive. Sur les 29 commentaires analysés, la majorité exprime admiration et satisfaction pour les tests approfondis, tandis que certains relèvent des divergences sur les boucles de raisonnement.