Futures
Accédez à des centaines de contrats perpétuels
TradFi
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Launchpad
Soyez les premiers à participer au prochain grand projet de jetons
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
Plus
Les entreprises abandonnent OpenAI au profit de modèles open-source qu'elles entraînent elles-mêmes
Titre
Les entreprises forment leurs propres modèles d’IA au lieu de payer pour OpenAI
Résumé
Clement Delangue, PDG de Hugging Face, a tweeté que des entreprises comme Pinterest, Airbnb, Notion, Cursor et Intercom trouvent maintenant qu’il est préférable, moins cher et plus rapide de former des modèles open-source en interne plutôt que d’utiliser des API propriétaires. Il dit que beaucoup d’autres font cela discrètement.
Les preuves sont mitigées. Le blog d’ingénierie de Pinterest confirme qu’ils ont affiné des LLM open-source pour égaler les performances précédentes à moins de 10 % du coût. Intercom a lancé Apex 1.0, un modèle personnalisé qu’ils disent surpasser GPT-5.4 tout en étant plus rapide et moins cher. Airbnb utilise le Qwen open-source d’Alibaba pour le service client, citant la rapidité et l’accessibilité par rapport à ChatGPT.
Mais il n’y a aucune preuve publique pour les affirmations de Notion ou Cursor.
Analyse
Delangue dirige Hugging Face, donc il a des raisons évidentes de promouvoir ce récit. Cela dit, les exemples vérifiés sont réels.
Le schéma a du sens : les architectures de base des LLM deviennent des commodités. La valeur provient maintenant de l’affinage sur vos propres données. Intercom parle d’un “flywheel” où les interactions des clients améliorent leur modèle. Pinterest a adapté des modèles spécifiquement pour le contenu visuel.
Cela correspond à ce que nous observons ailleurs. GitLab a rapporté que les entreprises dans des secteurs réglementés passent à des modèles auto-hébergés pour la confidentialité, la conformité et le contrôle des coûts. Airbnb a construit des clusters élastiques alimentés par Ray pour former des modèles jusqu’à 12 milliards de paramètres en interne.
Pour OpenAI et Anthropic, cela pourrait signifier une perte de parts de marché sur des tâches à fort volume et sensibles aux coûts. Ils devront rivaliser sur des capacités que la formation en interne ne peut pas facilement reproduire.
Les affirmations non vérifiées (Notion, Cursor) suggèrent que Delangue pourrait exagérer l’ampleur de ce phénomène. Certaines entreprises effectuent certainement ce changement. Que ce soit une tendance universelle est moins clair.
Évaluation de l’impact