Nous Research lance NousCoder-14B, un modèle open source de programmation entraîné en quatre jours

Nous Research a publié lundi NousCoder-14B, un modèle de programmation open source affichant une précision de 67,87 % sur LiveCodeBench v6, un benchmark standardisé évaluant les modèles sur des problèmes de programmation compétitive. Le modèle, entraîné en quatre jours sur 48 processeurs graphiques Nvidia B200, améliore de 7,08 points de pourcentage son modèle de base, Qwen3-14B d'Alibaba. Cette annonce intervient dans un contexte de forte demande pour les assistants IA autonomes, quelques jours après le lancement de Claude Code d'Anthropic, qui a dominé les discussions sur les réseaux sociaux depuis le 1er janvier.

Ce qui distingue NousCoder-14B de nombreuses annonces concurrentes est sa transparence radicale. Nous Research a publié non seulement les poids du modèle, mais aussi l'environnement complet d'apprentissage par renforcement, la suite de benchmarks et l'infrastructure d'entraînement — construits sur le framework Atropos de l'entreprise — permettant à tout chercheur disposant de ressources de calcul suffisantes de reproduire ou d'étendre les travaux. Le modèle a été entraîné par Joe Li, chercheur en résidence chez Nous Research et ancien programmeur compétitif. Selon son rapport technique, l'amélioration du modèle — passant d'une plage de notation Codeforces estimée à 1600-1750 à 2100-2200 — équivaut à une progression que Li lui-même a réalisée en deux ans de pratique intensive entre 14 et 16 ans. NousCoder-14B a accompli cet équivalent en quatre jours.

Cependant, Li souligne une limite importante : il a résolu environ 1 000 problèmes pendant ces deux ans, tandis que le modèle en a nécessité 24 000 pour atteindre une progression comparable. L'entraînement s'appuie sur des « récompenses vérifiables » — le modèle génère des solutions de code, celles-ci sont exécutées contre des cas de test, et le modèle reçoit un signal binaire simple : correct ou incorrect. Nous Research a utilisé Modal, une plateforme de calcul en nuage, pour exécuter le code en sandbox en parallèle. Chaque problème d'entraînement contient en moyenne des centaines de cas de test, et le système doit vérifier que le code généré produit les résultats corrects dans des contraintes de 15 secondes et 4 gigaoctets de mémoire.