Résumez cet article avec :
Le modèle Quasar 438B de Multiverse Computing affiche le meilleur score européen sur l'Artificial Analysis Intelligence Index et est désormais accessible via Eden AI. Benchmarks, tarifs, cas d'usage et appel API.
Le 2 septembre 2026, Multiverse Computing a lancé Quasar 438B. Avec un score de 43 sur l'Artificial Analysis Intelligence Index, il s'impose comme le modèle européen le plus performant et se classe 13e sur 178 modèles évalués dans le monde. Il propose une fenêtre de contexte d'un million de jetons, un score de 69,3 sur Terminal-Bench v2.1 pour le codage agentique et de 75,0 sur AA-LCR pour le raisonnement long, au tarif de 0,60 dollar par million de jetons en entrée et 1,80 dollar par million en sortie.
Deux jours plus tard, il est disponible sur Eden AI. Vous pouvez l'utiliser dès aujourd'hui avec l'identifiant de modèle compactifai/quasar-438b.
Ce qui rend ce lancement remarquable ne se limite pas à son score. Il provient d'une entreprise qui ne figurait sur la liste de personne en Europe, et il témoigne autant d'une efficacité que d'une puissance : Quasar surpasse le modèle Nemotron 3 Ultra de NVIDIA tout en comptant 112 milliards de paramètres de moins. C'est exactement ce que l'on pouvait attendre d'une équipe qui consacre ses efforts depuis six ans à l'optimisation de la taille des modèles.
Multiverse Computing indique que Quasar 438B obtient un score de 43 sur l' Artificial Analysis Intelligence Index, le résultat le plus élevé pour un modèle européen évalué, un chiffre largement relayé par la presse technologique française.
Points clés
• Quasar 438B obtient un score de 43 sur l' Artificial Analysis Intelligence Index, le meilleur score pour un modèle européen et le 13e sur 178 au niveau mondial.
• Conçu pour le raisonnement, le codage agentique et le traitement de contextes longs : 69,3 sur Terminal-Bench v2.1, 75,0 sur AA-LCR et une fenêtre de contexte d'un million de jetons.
• La tarification est de 0,60 dollar par million de jetons en entrée et 1,80 dollar par million en sortie, bien en dessous des modèles de pointe américains auxquels il est comparé.
• Il est disponible dès maintenant sur Eden AI sous le nom compactifai/quasar-438b, accessible via le format de requête compatible OpenAI que vous utilisez déjà.
• Le raisonnement est toujours activé, et Eden AI renvoie la trace de raisonnement séparément dans reasoning_content, vous permettant ainsi d'examiner comment le modèle est parvenu à sa réponse.
Nouveautés de Quasar 438B
Une entreprise de compression qui a créé son propre modèle de pointe
Multiverse Computing a été fondée à Saint-Sébastien en 2019 par Enrique Lizaso, Román Orús, Alfonso Rubio-Manzanares et Sam Mugel. Pendant six ans, leur produit phare a été CompactifAI, une plateforme de compression de modèles basée sur des méthodes de réseaux de tenseurs issues de la physique quantique, utilisée pour réduire les coûts d'inférence de 50 à 80 % pour des clients tels que BBVA, Bosch, BASF, Crédit Agricole CIB, Repsol et la Banque du Canada.
C'est un point de départ inhabituel, et cela se reflète dans le résultat. Quasar 438B est le premier grand modèle propre à l'entreprise, lancé après une levée de fonds de série B de 215 millions de dollars en 2025, soutenue par HP Tech Ventures, Toshiba, Forgepoint Capital International, Bullhound Capital et Santander Climate VC. L'entreprise emploie désormais environ 480 personnes.
La thèse de l'efficacité est visible dans les chiffres. Quasar atteint un indice d'intelligence de 43 avec 438 milliards de paramètres. Le modèle Nemotron 3 Ultra de NVIDIA atteint 38 avec 550 milliards de paramètres. Cinq points de capacité supplémentaires avec 112 milliards de paramètres en moins témoignent d'une prouesse de compression, suggérant que les travaux sur CompactifAI ont directement nourri la conception de Quasar plutôt que d'exister en parallèle.
Une fenêtre contextuelle de 1 million de jetons
Quasar est doté d'une fenêtre contextuelle de 1 million de jetons, ce qui le place dans la même catégorie que les plus grands modèles américains de pointe et devant tous les autres modèles conçus en Europe. Pour les agents, c'est la spécification qui change la donne : un dépôt de taille moyenne, un ensemble complet de contrats ou un long corpus de recherche tiennent désormais dans un seul appel.
La taille du contexte ne suffit pas à elle seule, c'est pourquoi le score AA-LCR ci-dessous est plus important que la valeur de la fenêtre.
Raisonnement permanent avec contrôle de l'effort
Quasar est un modèle de raisonnement, et cette fonction est toujours active. Vous pouvez contrôler son intensité via le paramètre reasoning_effort, qui accepte les valeurs high et max, max étant la valeur par défaut.
Via Eden AI, la trace de raisonnement est renvoyée dans un champ distinct, reasoning_content, séparé de la réponse finale. C'est extrêmement utile en production : vous pouvez enregistrer le raisonnement à des fins d'audit ou de débogage sans qu'il n'interfère avec ce que vous affichez à l'utilisateur.
Appel d'outils et sorties structurées
Les deux sont pris en charge. L'appel d'outils et les sorties structurées response_format sont les exigences de base pour toute application orientée agents, et Quasar les maîtrise, ce qui explique ses performances sur Terminal-Bench, au-delà des simples benchmarks de chat.
Résultats des benchmarks
Indice d'intelligence : 43, le plus élevé de tous les modèles européens
Artificial Analysis est une société d'évaluation indépendante ; il s'agit donc d'un résultat tiers et non d'une affirmation du fournisseur. Leur indice d'intelligence est une synthèse d'évaluations portant sur le raisonnement, les connaissances et les capacités d'agent, incluant notamment GPQA Diamond, Humanity's Last Exam, Terminal-Bench, SciCode et AA-LCR.
Quasar obtient un score de 43. Pour situer le contexte :
• Quasar 438B : 43
• NVIDIA Nemotron 3 Ultra : 38, avec 550 milliards de paramètres
• Mistral Medium 3.5 : 30
Quasar se classe 13e sur 178 modèles évalués. Précisons-le clairement : 13e au niveau mondial, et non 13e en Europe.
Terminal-Bench v2.1 : 69,3 pour le codage par agent
Terminal-Bench mesure la capacité d'un modèle à accomplir des tâches réelles dans un environnement de terminal, ce qui constitue un indicateur bien plus pertinent pour le travail d'agent que les benchmarks de codage à tour unique. Avec 69,3, Quasar se positionne comme un outil crédible pour les agents de codage, et non plus seulement pour la suggestion de code.
AA-LCR : 75,0 pour le raisonnement sur contexte long
AA-LCR évalue la qualité du raisonnement sur de longs documents, et non simplement la capacité du modèle à accepter une entrée volumineuse. C'est le score à mettre en perspective avec la fenêtre de 1 million de jetons ; l'association d'un score de 75,0 et d'un contexte de 1M est une combinaison exceptionnelle dans le paysage européen.
Vitesse
Multiverse rapporte une réponse de 500 jetons, raisonnement inclus, en 15,3 secondes, soit 176 jetons par seconde. Selon leur analyse, seuls trois modèles du comparatif d'Artificial Analysis répondent plus rapidement, et un seul d'entre eux obtient un score d'intelligence supérieur.
[H2] Tarification et coût par tâche
[H3] Tarification de base
• Entrée : 0,60 dollar par million de jetons
• Sortie : 1,80 dollar par million de jetons
Cela représente une fraction du coût des modèles de pointe américains auxquels il est comparé, ce qui constitue le cœur de l'argument commercial. Multiverse propose également une offre de lancement avec le premier mois gratuit sur sa propre plateforme ; il convient donc de considérer cela comme une promotion et non comme le tarif permanent.
Un exemple concret
Comme le raisonnement est activé en permanence, le nombre de jetons de sortie pour un appel Quasar inclut les jetons de raisonnement, et pas seulement les mots visibles. C'est le point le plus important à comprendre avant d'établir votre budget ; voici donc un appel réel mesuré via Eden AI, plutôt qu'une estimation.
En une phrase, qu'est-ce qu'une passerelle d'IA ?
• Jetons de prompt : 22
• Jetons de complétion : 919
• Coût : 0,0017 dollar
La réponse visible tenait en une phrase. Les quelque 880 autres jetons de complétion correspondaient au raisonnement, renvoyé séparément dans reasoning_content. Le modèle a réellement réfléchi à la question, et vous avez payé pour cette réflexion.
La conséquence pratique est simple et suit la règle qui s'applique à tout modèle de raisonnement : n'utilisez pas un modèle de raisonnement pour des tâches triviales. À environ 0,0017 dollar pour une réponse d'une phrase, mille appels coûtent environ 1,70 dollar ; c'est dérisoire s'il s'agit de tâches de raisonnement complexes, mais c'est du gaspillage pour de l'extraction de dates.
Positionnement tarifaire
Comparé aux modèles avec lesquels il est comparé, Quasar est peu coûteux. Face à des modèles à poids ouverts d'un niveau d'intelligence similaire, dont plusieurs peuvent être hébergés sur une infrastructure européenne, il est positionné comme un produit premium. Artificial Analysis souligne ce point dans sa propre analyse.
Ce n'est pas une critique du prix, mais une consigne de routage. Quasar justifie son coût pour les étapes nécessitant un modèle européen de pointe, tandis qu'une solution moins onéreuse devrait gérer le reste. La section ci-dessous explique comment.
Cas d'usage optimaux pour Quasar 438B
Développement logiciel et agents de codage
C'est le domaine où il excelle. Un score de 69,3 sur Terminal-Bench, combiné à l'appel d'outils et aux sorties structurées, offre exactement ce dont les agents de codage ont besoin. De plus, sa fenêtre de 1 million de jetons permet à l'agent de traiter une base de code réelle plutôt qu'une poignée de fichiers.
Analyse de documents longs et de dépôts
La combinaison d'une fenêtre de 1M et d'un score de 75,0 sur AA-LCR est ici l'atout majeur. L'examen de contrats sur un ensemble complet de documents, la synthèse de recherches sur un corpus ou l'analyse d'un dépôt entier sont des charges de travail où le score de contexte long importe davantage que l'indice d'intelligence global.
Produits en langue espagnole
Quasar prend en charge l'anglais et l'espagnol. Pour les équipes ciblant les marchés hispanophones, cette spécialisation est un avantage plutôt qu'une limite : il s'agit du modèle européen le plus performant disponible, entraîné avec l'espagnol comme langue de premier plan, et non comme une option parmi trente autres.
Si votre produit s'adresse à des utilisateurs francophones, germanophones ou italophones, privilégiez un modèle offrant une couverture linguistique européenne plus large. Mistral reste le meilleur choix par défaut dans ce cas, et les deux sont accessibles via la même clé Eden AI.
Automatisation d'entreprise multi-étapes
Multiverse positionne Quasar pour les agents à l'échelle de l'entreprise et les charges de travail complexes en plusieurs étapes, ce qui est cohérent avec leur clientèle actuelle dans les secteurs bancaire, industriel et public. Les flux de travail longs nécessitant l'utilisation d'outils et des exigences d'audit sont parfaitement adaptés, notamment grâce à la trace de raisonnement séparée.
Quand utiliser Quasar 438B
Le modèle qui fonctionne avec n'importe quel moteur de raisonnement est le routage hiérarchisé : dirigez chaque étape vers le modèle le moins coûteux capable de l'exécuter, et réservez le modèle onéreux pour les étapes qui l'exigent.
Une répartition logique en trois niveaux pour une pile technologique européenne :
• Niveau économique, pour la classification, l'extraction, le formatage et les décisions de routage : un modèle à poids ouverts hébergé en Europe, sur Scaleway, OVHcloud ou IONOS.
• Niveau standard, pour la génération générale et le travail multilingue : Mistral Medium 3.5 ou Mistral Large 3.
• Niveau avancé, pour les étapes de raisonnement, de planification et de codage agentique : Quasar 438B.
Dans la plupart des charges de travail des agents, le niveau avancé représente une faible part des appels mais une grande part de la valeur, ce qui est précisément la configuration qui rend le routage hiérarchisé rentable.
Comment appeler Quasar 438B sur Eden AI
Quasar 438B est disponible sur Eden AI sous le nom compactifai/quasar-438b, via le point de terminaison de complétion de chat compatible avec OpenAI. Si vous utilisez déjà un autre modèle via Eden AI, il suffit d'une seule ligne de modification.
import requests
headers = {"Authorization": "Bearer YOUR_API_KEY"}
payload = {
"model": "compactifai/quasar-438b",
"messages": [
{"role": "user", "content": "Refactor this function and explain your changes."}
],
}
r = requests.post(
"https://api.edenai.run/v3/llm/chat/completions",
json=payload,
headers=headers,
)
data = r.json()
answer = data["choices"][0]["message"]["content"]
reasoning = data["choices"][0]["message"]["reasoning_content"]
Pour diriger la même requête vers un autre modèle, modifiez uniquement la valeur du modèle. Les autres modèles de Multiverse Computing sont également disponibles, notamment compactifai/carina-60b et compactifai/hypernova-60b, aux côtés de 800 modèles provenant de plus de 70 fournisseurs avec la même clé.
Pourquoi cela compte pour l'IA européenne
Jusqu'à cette sortie, il manquait quelque chose dans le débat européen. Vous pouviez obtenir une juridiction européenne, un accord de traitement des données (DPA) signable et une résidence des données, mais pour le haut de gamme des capacités, vous deviez toujours vous tourner vers un modèle américain. Quasar ne comble pas entièrement ce fossé, Claude Opus 5 obtient un score de 63 sur le même indice, mais il le réduit de manière significative et à un prix que la concurrence ne peut égaler.
Il élargit également le paysage. Depuis deux ans, l'IA européenne se résumait à une histoire franco-allemande. Le modèle européen le mieux classé est désormais espagnol, issu d'une entreprise qui a suivi une voie totalement différente, ce qui est bien plus sain pour le continent que de dépendre d'un seul champion national.
