Aller au contenu
  1. Adafruit Blog60

    Pete Warden rachète Moonshine après la fermeture de moonshine.ai

    Pete Warden annonce sur son blog la fermeture de sa startup moonshine.ai après quatre ans et 12 M$ d'investissement.

    Motif de la recommandation :Le rachat du framework vocal Moonshine après liquidation et son usage dans un mod de jeu local illustrent une voie de survie hors capital-risque.

  1. Hugging Face Blog62

    Tether AI Research publie BotPsy, un modèle d'agent de 0,8B pour l'assistant personnel embarqué

    Tether AI Research publie BotPsy, un modèle de 0,8B paramètres construit sur Qwen3.5-0.8B et destiné à l'appel de fonctions et aux workflows agentiques sur appareil. Il devance les modèles testés de 1,2B paramètres ou moins sur cinq des six benchmarks d'outils et d'agent, avec par exemple BFCL v4 à 44,0 contre 23,4 pour son modèle de base et τ-bench à 51,5 contre 23,2. Les poids seront diffusés sous licence Apache 2.0 en bf16, Q8 et Q4, en safetensors et GGUF pour le SDK QVAC et llama.cpp, pour un usage de recherche et d'éducation.

    Motif de la recommandation :Un modèle de 0,8B atteint des performances d'appel d'outils proches de modèles 2,5 fois plus grands, avec les recettes d'entraînement détaillées.

  1. Hugging Face Blog78

    Phonon TTS : Gradium détaille son modèle vocal embarqué et ses résultats sur le leaderboard

    Gradium revient sur le lancement de Phonon, son modèle TTS qui tourne entièrement sur l'appareil sans serveur ni réseau. Phonon 31m est sous licence Apache 2.0 pour l'anglais.

    Motif de la recommandation :L'article détaille les deux tailles de Phonon, les licences, les performances sur le leaderboard TTS et l'intégration dans Transformers, ce qui aide à évaluer un TTS embarqué.

  1. Hugging Face Blog62

    Hugging Face présente AnySpeechRecognizer et AnyDecisionModel pour la reconnaissance vocale et la décision sur les plateformes Apple

    Hugging Face publie deux packages Swift open source, AnySpeechRecognizer et AnyDecisionModel.

    Motif de la recommandation :L'article détaille les API Swift, les moteurs interchangeables et les taux d'erreur mesurés, ce qui permet d'évaluer le choix d'un moteur local pour la reconnaissance vocale et la prise de décision.

  1. Adafruit Blog65

    Qwenputer place un CPU RISC-V dans les poids de Qwen3.5-4B

    divagr1925 présente Qwenputer, une construction qui place un CPU RISC-V complet dans les poids de Qwen3.5-4B.

    Motif de la recommandation :Le projet montre comment les couches Gated DeltaNet de Qwen3.5-4B servent de mémoire adressable, avec des scores comparés sur DeepMind math et NUPA.

  2. Adafruit Blog58

    Survival LLM : un assistant IA et une bibliothèque d'urgence fonctionnant entièrement en local

    Survival LLM est un assistant IA gratuit et open source qui fonctionne entièrement sur une machine locale et répond à partir de références stockées en citant les articles utilisés avec le passage exact surligné. La bibliothèque comprend des références médicales, des recommandations du FEMA et du CDC, des manuels de survie, des guides de réparation et environ 930 000 articles Wikipédia ; le téléchargement complet fait 9 Go, ou 19 Go une fois installé, et une version réduite sans Wikipédia ni iFixit fait 1,3 Go. L'installation nécessite une connexion internet et prend de 20 minutes à environ 2h30, puis l'application fonctionne hors ligne sans compte ni suivi, en vérifiant la mémoire disponible pour télécharger un modèle adapté ; elle tourne sur Mac Apple Silicon avec macOS 14 ou plus récent et Windows 10 ou 11 64 bits, et les développeurs ont mesuré environ 100 W sur un MacBook Pro lors des réponses, à raison de 5 à 40 secondes par question.

    Motif de la recommandation :Présente une solution d'assistant IA hors ligne avec citations et une bibliothèque de secours de 9 Go, utile pour comprendre les compromis d'un déploiement local.

  3. Hugging Face Blog80

    Liquid AI publie la famille LFM3, six modèles multimodaux 2B sur un socle commun

    Liquid AI publie LFM3, une famille de six modèles 2B (texte, vision, audio, omni et décision) tous dérivés du socle LFM3-1.7B-Base.

    Motif de la recommandation :LFM3 détaille une architecture tri-hybride et six modèles 2B partageant un même socle, avec des chiffres comparatifs face à LFM2 et Qwen.

  1. Hackster.io58

    Des chercheurs de la Florida International University détectent les drones par leurs champs magnétiques avec un réseau de neurones

    Des chercheurs de la Florida International University ont mis au point un système passif qui détecte et identifie les drones à partir des champs magnétiques très basse fréquence émis par leurs moteurs brushless DC. Une antenne cadre circulaire sensible, associée à une électronique analogique à faible bruit, capte ces signaux, qui sont ensuite traités par estimation de la fonction de corrélation spectrale (SCF) puis classés par un réseau de neurones convolutif basé sur VGG16. Lors de tests en extérieur avec trois micro-drones commerciaux jusqu'à 15 mètres, la détection a atteint 98,52 % de précision et l'identification du type de drone, ou de son absence, 83,5 % ; le plus petit drone, aux émissions plus faibles, s'est révélé plus difficile à identifier. Le prototype, dont le coût de développement se limite à quelques centaines de dollars, ne remplace pas le radar mais peut servir de couche de détection passive complémentaire.

    Motif de la recommandation :Le prototype passif à faible coût et les chiffres de précision par distance permettent d'évaluer sa place comme couche complémentaire aux radars.

  1. The Decoder78

    Recursive publie Flint, un modèle MoE de codage agentique issu de son processus de recherche automatisé

    Recursive a publié Flint, son premier modèle de langage, développé en quatre mois avec l'aide d'un système IA nommé Eureka Machine qui a proposé.

    Motif de la recommandation :Un modèle MoE de 40B construit en quatre mois avec un système de recherche automatisé, poids ouverts et débits d'inférence locale chiffrés.

  1. Hugging Face Blog72

    IBM publie Granite Switch 4.1, un endpoint unique pour le chat, la décision et la parole

    IBM publie les modèles Granite-Switch-4.1-8B et -30B, qui réunissent dans un seul endpoint hébergé les réponses en langage naturel.

    Motif de la recommandation :Présente la composition d'adaptateurs dans un seul endpoint et la réutilisation du KV cache, un repère pour évaluer les coûts de déploiement multi-tâches.

  2. TechCrunch · AI78

    Meta lance Muse Spark Open, un modèle open-weight exécutable sur Mac

    Meta a lancé Muse Spark Open, présenté comme le modèle open-weight le plus capable aux États-Unis.

    Motif de la recommandation :Meta publie un modèle open-weight natif multimodal de 816 milliards de paramètres, exécutable localement sur Mac, ce qui éclaire les arbitrages entre performance et matériel requis.

  3. The Decoder80

    Black Forest Labs publie FLUX 3 Image Klein, un modèle image open-weights tournant sur GPU grand public avec 8 Go de VRAM

    Black Forest Labs a publié FLUX 3 Image Klein, un modèle open-weights de 5,6 milliards de paramètres pour la génération texte-image.

    Motif de la recommandation :Un modèle image open-weights de 5,6 milliards de paramètres qui tourne sur un GPU grand public avec 8 Go de VRAM, avec les conditions de licence et les points d'accès détaillés.

  1. NVIDIA Blog80

    NVIDIA élargit la famille Nemotron 3.5 avec Super VL et les modèles Bolt

    NVIDIA publie Nemotron 3.5 Super VL, un modèle ouvert de 120 milliards de paramètres destiné aux agents spécialisés.

    Motif de la recommandation :L'original détaille les trois modèles Nemotron 3.5, leurs formats de déploiement et les retours d'expérience de post-entraînement, utile pour évaluer un déploiement d'agents open source.

  1. Hackster.io67

    Google publie ML Drift, un moteur de calcul GPU open source pour accélérer l'inférence IA en périphérie

    Google publie ML Drift, un moteur de calcul GPU open source conçu pour accélérer l'inférence IA des smartphones aux ordinateurs de bureau. Développé par l'équipe Google AI Edge.

    Motif de la recommandation :L'original détaille l'architecture de calcul unifiée et la compatibilité multiplateforme de ML Drift, ce qui permet de juger du coût de migration depuis l'ancien GPU delegate de TensorFlow Lite.

  2. Google DeepMind62

    Google DeepMind et le gouvernement de Singapour déploient un modèle Gemma affiné pour détecter les arnaques sur appareil

    Google DeepMind et la Government Technology Agency de Singapour (GovTech) ont livré un modèle de détection d'arnaques sur appareil.

    Motif de la recommandation :Le texte détaille un pipeline à deux étapes et un cadre de gouvernance pour un modèle de détection d'arnaques embarqué, utile pour comprendre le déploiement edge sous contrainte de confidentialité.

  3. Hugging Face Blog80

    Liquid AI publie LFM2.5-24B-A2B, un modèle de raisonnement MoE pour agents sur appareil

    Liquid AI publie LFM2.5-24B-A2B, un modèle de raisonnement de 24B de paramètres dont seulement 2B sont actifs par token.

    Motif de la recommandation :Liquid AI publie les poids ouverts et les benchmarks d'un modèle MoE orienté agents sur appareil, permettant de comparer le compromis taille, vitesse et usage d'outils.