Les tests internes conduits par l’équipe de recherche en intelligence artificielle de Snowflake montrent que certains modèles ouverts peuvent rivaliser avec des offres propriétaires sur des tâches d’entreprise, tout en utilisant moins de tokens.
Snowflake a évalué plusieurs modèles d’intelligence artificielle sur des tâches liées à l’ingénierie des données. Selon ces tests internes, DeepSeek v4 Flash a obtenu un score de 74,4 % et dépassé les principaux modèles propriétaires inclus dans l’évaluation. GLM-5.2 a atteint un score de 62,8 %. Snowflake indique que ce modèle a consommé moins de tokens que l’ensemble des autres modèles testés. Ces résultats ne constituent pas une évaluation indépendante, mais ils illustrent la progression des modèles ouverts sur des usages jusqu’ici principalement confiés aux modèles propriétaires.
La consommation de tokens devient un critère technique
La performance brute ne suffit plus à comparer les modèles. Le nombre de tokens nécessaires pour produire un résultat équivalent influence directement le coût et la vitesse d’exécution des applications. Lors d’un autre test interne, des agents utilisant le routage dynamique de Cortex AI Gateway ont créé un pipeline dbt avec une efficacité en matière de tokens jusqu’à trois fois supérieure à celle d’une approche reposant uniquement sur un modèle avancé. Snowflake précise que le niveau de qualité a été maintenu.
Les équipes d’ingénierie ont également produit le même nombre de demandes d’intégration de code avec une efficacité en tokens supérieure de 25 %.
DeepSeek et GLM rejoignent Cortex AI
Snowflake prévoit d’intégrer DeepSeek-V4-Flash 0731 et GLM-5.3 à Cortex AI, Snowflake CoCo et Snowflake CoWork. Le modèle GLM évalué lors des tests était GLM-5.2, tandis que la version annoncée pour la plateforme est GLM-5.3. Ces modèles seront proposés aux côtés des solutions propriétaires déjà accessibles dans Snowflake. Cortex AI Gateway pourra sélectionner l’option adaptée à chaque tâche selon la qualité, la vitesse et le coût, tout en maintenant les données dans l’environnement gouverné de l’entreprise.
L’arrivée de ces modèles élargit les possibilités de comparaison entre solutions ouvertes et propriétaires. Leur intérêt opérationnel dépendra toutefois des workloads, des exigences de conformité et des résultats observés lors des déploiements.
