Les modèles D1sm et D1aq — tout comprendre
BATEN AI utilise deux modèles distincts, entraînés spécifiquement pour son architecture. Comprendre leur différence vous permet de choisir le plus adapté à vos besoins.
D1sm — Déterministe 1, Standard Multi-adapter
D1sm est basé sur Mistral 7B — un modèle compact (7 milliards de paramètres) entraîné avec 8 adapters LoRA distincts, un par Super Agent (archétype). C'est le modèle signature de BATEN AI. Pendant la phase de lancement, le moteur servi par défaut est D1BD (DeepSeek V3) sous la gouvernance BATEN — les moteurs LISAN reviennent prochainement.
- Modèle de base : Mistral 7B v0.3
- 8 adapters LoRA : ORIG, NARR, PSYC, KINE, CORP, POET, MINI, TECH
- Chaque adapter a été entraîné avec des pertes entre 0.18 et 0.29
- Déployé sur GPU A10G (24GB) — réponses rapides, coût maîtrisé
- Le mix d'archétypes dans un persona est appliqué via injection textuelle
D1aq — Déterministe 1, Adaptive Quantum
D1aq est basé sur Qwen3-30B-A3B — un modèle quantique à 30.5 milliards de paramètres avec une architecture MoE (Mixture of Experts). 128 experts, dont 8 sont activés simultanément à chaque token généré.
- Modèle de base : Qwen3-30B-A3B (30.5B paramètres totaux, 3.3B actifs par token)
- Architecture MoE : 128 experts, 8 activés — sélection quantique native
- En cours d'entraînement (Mars 2026)
- Déployé sur GPU A100-40GB — plus puissant, réponses plus riches
- Le mix d'archétypes sera appliqué via fusion tensorielle réelle
La différence clé
Avec D1sm, un persona à 60% CORP + 40% NARR injecte cette information dans un texte que le modèle lit. Avec D1aq, les 60% et 40% modifient les poids tensoriels du modèle à l'inférence — la différence est mathématiquement réelle jusque dans la probabilité de chaque token.
Quand utiliser D1sm vs D1aq ?
| Critère | D1sm (Mistral 7B) | D1aq (Qwen3-30B) |
|---|---|---|
| Vitesse | Plus rapide | Plus lent (modèle plus grand) |
| Profondeur | Bonne | Très élevée |
| Précision du mix | Suggestive (textuelle) | Réelle (tensorielle) |
| Coût | Plus faible | Plus élevé |
| Disponibilité | Maintenant | Prochainement |
| Idéal pour | Conversations quotidiennes | Analysis complexes, personas fins |
L'architecture 3 couches
Quel que soit le modèle, BATEN AI structure la génération en 3 couches superposées :
- Archétype — structure cognitive fondamentale (sélection de l'adapter LoRA)
- Monde FTH — espace de savoir et de personnalité dans lequel évolue le persona
- Persona — style d'expression, vocabulaire, énergie, ton de surface
La réponse finale est la résultante de ces 3 couches. C'est pourquoi deux personas avec le même archétype dominant mais dans des Portes différentes donnent des réponses de nature différente — le monde change la profondeur et le registre, même si la voix est identique.