# Moshi

Éditeur : Kyutai (France). Poids ouverts. Licence : CC BY 4.0.

En bref : 38e sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 27e sur 31 en tenue de la conversation (Full Duplex Bench).

Page : https://quelleia.com/voix/modeles/kyutai-moshi/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 9 novembre 2026.

## Présentation

Modèle de dialogue parlé en duplex intégral du laboratoire parisien Kyutai, à poids ouverts, qui traite en parallèle sa propre parole et celle de l'utilisateur, sans tours de parole imposés. Il vise la conversation naturelle à faible latence et ne sait pas appeler d'outils. (lu sur https://huggingface.co/kyutai/moshiko-pytorch-bf16/raw/main/README.md, https://raw.githubusercontent.com/kyutai-labs/moshi/main/README.md)

## Langues

- Annoncées par l'éditeur : anglais (en).
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://huggingface.co/kyutai/moshiko-pytorch-bf16/raw/main/README.md

## Ses classements

- Raisonnement à l'écoute, Big Bench Audio : 38e sur 38, part de réussite 4,4 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).
- Tenue de la conversation, Full Duplex Bench : 27e sur 31, part de réussite 61,0 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).

## Modèles proches

- Raisonnement à l'écoute, Big Bench Audio : [FLM-Audio](https://quelleia.com/voix/modeles/cofe-ai-flm-audio/), 37e (16,0 %), juste devant
- Tenue de la conversation, Full Duplex Bench : [FLM-Audio](https://quelleia.com/voix/modeles/cofe-ai-flm-audio/), 26e (62,0 %), juste devant
- Tenue de la conversation, Full Duplex Bench : [Freeze-Omni](https://quelleia.com/voix/modeles/vita-freeze-omni/), 28e (58,7 %), juste derrière

## Comment lire ces chiffres

- Voix à voix : Un agent vocal écoute et répond de vive voix. Artificial Analysis le mesure sur plusieurs épreuves en anglais : son indice les résume sur 100, Big Bench Audio compte les bonnes réponses à des questions posées à l'oral, la tenue de la conversation compte les situations bien gérées (pauses, interruptions), plus c'est haut, mieux c'est ; le délai avant le premier son se lit à l'inverse, plus il est court, mieux c'est.

## Noms dans les sources

- Artificial Analysis (voix à voix) : Moshi

## Liens

- Page de l'éditeur : https://github.com/kyutai-labs/moshi
- L'essayer : https://moshi.chat/
- Les poids sur Hugging Face : https://huggingface.co/kyutai/moshiko-pytorch-bf16

## Pages lues

- https://huggingface.co/kyutai/moshiko-pytorch-bf16/raw/main/README.md (« Moshi is a speech-text foundation model that casts spoken dialogue as speech-to-speech generation. »), 23/10/2026
- https://huggingface.co/kyutai/moshiko-pytorch-bf16/raw/main/README.md (« This allows for the removal of explicit speaker turns, and the modeling of arbitrary conversational dynamics. »), 23/10/2026
- https://huggingface.co/kyutai/moshiko-pytorch-bf16/raw/main/README.md (« However, the model has limited abilities for complex tasks and cannot access tools, but rather focues on natural, low-latency interactions. »), 23/10/2026
- https://huggingface.co/kyutai/moshiko-pytorch-bf16/raw/main/README.md (« **Language(s) (NLP):** English »), 23/10/2026
- https://raw.githubusercontent.com/kyutai-labs/moshi/main/README.md (« All models are released under the CC-BY 4.0 license. »), 23/10/2026