L'IplanRIO de Rio de Janeiro a lancé Rio 3.5 le 13 juin. L'agence informatique de la ville l'a qualifié de modèle de pointe : 397 milliards de paramètres, avec une licence open source permissive, construit par le gouvernement municipal d'une ville du Sud global.

Le moment du lancement de Rio 3.5 était parfait : le Brésil jouait son match d'ouverture de la Coupe du Monde, et les réseaux sociaux étaient déjà en ébullition. Les commentaires à son sujet se sont rapidement répandus du Brésil à l'étranger.

Mais aussi rapidement qu'il a attiré l'attention, une dispute a éclaté quant à l'identité exacte du créateur du modèle.

La fiche de modèle originale décrivait Rio 3.5 comme un post-entraînement de Qwen 3.5 397B, le modèle de base ouvert d'Alibaba, avec une nouvelle couche de raisonnement appelée SwiReasoning ajoutée. Le coût de développement a été rapporté à 500 000 R$ (Rio n'a pas confirmé cela), soit près de 100 000 USD – environ 30 fois moins cher que les systèmes d'IA équivalents prêts à l'emploi.

L'architecture est un Mélange d'Experts (Mixture-of-Experts), ce qui signifie que seuls environ 17 milliards des 397 milliards de paramètres s'activent pour chaque jeton donné. Cela rend l'inférence moins coûteuse que ne le suggère la taille annoncée. Le modèle prend également en charge la vision et le texte, gère plus d'une douzaine de langues et est distribué sous une licence MIT entièrement ouverte.

SwiReasoning est la pièce maîtresse technique. Il s'agit d'un cadre d'inférence sans entraînement qui bascule dynamiquement entre deux modes. Lorsque le modèle est confiant quant au mot suivant — faible entropie dans la distribution de probabilité —, il raisonne en langage clair. En cas d'incertitude, il passe au raisonnement latent, pensant en états internes cachés sans émettre de jetons. IplanRIO a déclaré que Rio 3.5 avait été spécifiquement entraîné pour exploiter cela, et que les gains se manifestent dans les chiffres des benchmarks.

Les chiffres auto-déclarés étaient impressionnants. Terminal-Bench 2.1 — qui mesure l'exécution autonome de commandes de terminal, noté en pourcentage de tâches réussies — a enregistré 70,8 % pour Rio 3.5, devançant Qwen 3.7 Plus avec 70,3 % et le puissant DeepSeek v4 Pro avec 67,9 %.

Sur IMOAnswerBench, un benchmark d'olympiades mathématiques noté en pourcentage de réponses correctes, Rio 3.5 a atteint 89,5 %. Sur HLE — Humanity's Last Exam, une batterie d'experts multi-domaines presque insoluble, notée en pourcentage —, Rio 3.5 a obtenu 36,5 %, devant les 34,7 % de Qwen 3.7 Plus.

Un gouvernement municipal surpassant les modèles phares les plus importants sur les benchmarks de qualité les plus significatifs : voilà le titre qui a fait le tour du monde, surtout après que le maire de Rio de Janeiro en a parlé sur Twitter.

« Un modèle d'IA ouverte entraîné à Rio et financé publiquement l'année dernière par [la Municipalité de Rio] vient de surpasser tous les autres modèles », a écrit Eduardo Cavaliere. « Aujourd'hui, le monde entier parle d'un modèle d'IA ouverte entraîné à Rio. »

Puis Nex est arrivé

L'expression « entraîné à Rio » s'est avérée ne pas être entièrement exacte.

Nex-AGI, une alliance d'IA open source basée à Shanghai, a publié sur X quelques jours après le lancement. Le message commençait ainsi : « Le modèle Rio 3.5 a fait le buzz cette semaine. Le rebondissement ? C'est essentiellement notre modèle open source, Nex N2 Pro, sous un déguisement. »

Ils avaient analysé les poids. Le calcul était exact : Rio 3.5 ≈ 0,6 × Nex N2 Pro + 0,4 × Qwen 3.5. Un script de vérification et un rapport GitHub complet ont suivi.

La preuve s'est présentée en deux parties.

Premièrement, comportementale. Nex a retiré l'invite système codée en dur "Vous êtes Rio" du modèle déployé et lui a envoyé 120 questions d'identité. Sans le masque, Nex rapporte que le modèle s'est identifié comme "Nex, de Nex-AGI" 79,2 % du temps. Il s'est identifié comme "Rio" exactement 0 % du temps. Nex a déclaré que le modèle récitait également la propre histoire spécifique de l'entreprise mot pour mot, mentionnant le "Shanghai Innovation Institute" et "une alliance d'écosystèmes de grands modèles". Il s'agit des propres données d'entraînement de Nex, qui apparaissent dans le modèle de quelqu'un d'autre.

Deuxièmement, mathématique. Dans une véritable fusion de poids, chaque paramètre du nouveau modèle se situe sur une ligne droite entre les deux modèles sources. Nex a mesuré cette colinéarité sur les 60 couches. Le résultat était de 0,993. Deux modèles sans rapport dans le même espace de paramètres auraient obtenu un score proche de zéro par hasard. Atteindre 0,993 sur chaque couche n'est pas une coïncidence. Le rapport de mélange s'est maintenu à α ≈ 0,571, stable à trois décimales.

En gros, c'était presque 60 % Nex, le reste étant le modèle de base Qwen.

"Chaque tenseur de poids dans Rio est, à des milliers d'écarts-types près, le même mélange 0.6/0.4 de Nex et Qwen — à travers les 60 couches et chaque composant du réseau", a écrit Nex. "Il n'y a pas d'explication innocente."

Les chiffres racontaient également une histoire plus discrète. Nex N2 Pro, lancé quelques jours avant Rio 3.5, obtient 75,3 % sur Terminal-Bench 2.1 — un score supérieur aux 70,8 % de Rio. Sur GDPval, un benchmark de prévisions économiques noté selon un système de classement Elo, Nex se situe à 1 585 contre 1 533 pour Rio. Si Rio est à 60 % Nex, on s'attendrait alors à ce qu'il obtienne un score inférieur à Nex sur les propres benchmarks de Nex. C'est le cas.

IplanRIO répond

IplanRIO a mis à jour la fiche de modèle Hugging Face — le tableau des benchmarks a été retiré et l'attribution modifiée.

« Le modèle est construit via une fusion de nex-agi/Nex-N2-Pro et Qwen/Qwen3.5-397B-A17B, précédée d'une distillation basée sur la politique (On-Policy Distillation) à partir d'un modèle plus puissant », indique le README mis à jour. « Nous avons détecté un téléchargement incorrect dans la version précédente, où la version fusionnée de base a été téléchargée au lieu du modèle distillé final. Nous sommes désolés de la confusion et nous nous en excusons profondément. »

Aucune autre déclaration publique d'IplanRIO n'a été faite. Nex est désormais crédité.

L'explication du "téléchargement incorrect" est l'affirmation clé. IplanRIO déclare que la version prévue était une version distillée de la base fusionnée — et non la fusion brute elle-même. La distillation basée sur la politique (On-Policy Distillation) signifie qu'un modèle "enseignant" plus puissant génère des sorties, et le modèle "élève" s'entraîne sur celles-ci tout en générant les siennes. C'est plus coûteux qu'une fusion brute, mais toujours moins cher qu'un entraînement à partir de zéro. Si cette étape était réelle, cela représenterait au moins un travail original en plus de la fusion.

Ce qui a été réellement livré, selon IplanRIO, était la base fusionnée sans rien de plus.

Les observateurs de la communauté sont divisés sur la signification de cela. Le commentateur technologique Rafael Quintanilha a donné une interprétation charitable : puisque Nex N2 Pro est lui-même basé sur Qwen, l'équipe a peut-être crédité l'architecture sous-jacente et en est restée là. Il a également souligné que le modèle était devenu viral pendant un match de la Coupe du Monde, "pas nécessairement 'prêt pour la consommation publique'."

Le développeur et YouTuber IA Lucas Montano a noté que "fusionner deux modèles de la classe des 400 milliards de paramètres et ensuite appliquer une distillation de politique n'est pas trivial" — tout en reconnaissant à la fois une erreur technique et un échec de communication.

Le chercheur en IA Diego Ambrosio s'est montré moins généreux. Le lancement original décrivait Rio 3.5 comme le résultat d'un "post-entraînement autonome et d'un réglage fin propriétaire" — une formulation qui impliquait une recherche originale, et non une fusion.

Légal ? Oui. Éthique ? Eh bien...

La fusion de modèles est tout à fait légale. Nex N2 Pro est sous licence Apache 2.0 — vous pouvez l'utiliser, le modifier et le redistribuer, à condition de le créditer. Qwen 3.5 est également sous licence ouverte. Personne ne va aller en justice ici.

Le problème était de présenter le résultat comme un travail développé de manière indépendante sans nommer tous les modèles sources. La communauté open source a déjà vu cela. Plus tôt cette année, il a été découvert que Composer 2 de Cursor était basé sur Kimi K2.5 de Moonshot sans divulgation. La réaction a été rapide et réputationnelle – pas d'avocats, juste des captures d'écran.

Construire sur des modèles ouverts existants est normal. Comme Decrypt l'a couvert, l'empilement et la fusion de poids ouverts sont pratiquement une sous-culture à part entière. La norme n'est pas "ne pas construire sur le travail des autres". La norme est : Dites ce que vous avez utilisé.

Ce qui a rendu cette affaire plus retentissante qu'une simple erreur d'attribution, c'est l'emballage institutionnel. Un développeur pseudonyme livrant une "frankenmerge" sous son propre nom est une chose. Un gouvernement municipal l'utilisant pour revendiquer une souveraineté de l'IA dans le secteur public – pendant la Coupe du Monde – en est une autre. « C'était un gaspillage de ressources », a écrit un commentateur brésilien.

Nex n'en a pas fait une guerre. « Nous sommes flattés que la ville de Rio ait utilisé notre travail pour atteindre des performances de pointe », a écrit l'entreprise sur X. « Mais dans le monde de l'open source, l'attribution est importante. »

IplanRIO travaille à télécharger le modèle distillé corrigé avec attribution complète. Lorsque cela sera fait, les mêmes vérifications seront effectuées à nouveau — et la communauté saura si la distillation a réellement changé quelque chose, ou si c'est toujours majoritairement Nex avec une invite système différente.