Ai2 (Allen Institute for AI) met en open source AstaBrief 8B, un modèle dérivé de Qwen3-8B qui transforme une question de recherche et des extraits de littérature en rapport cité.
H Company publie la série Holo4, des modèles agentiques en deux tailles : 27B dense et 35B-A3B Mixture of Experts.
Motif de la recommandation :Holo4 couvre GUI, code, MCP et API avec un même modèle, et les trajectoires des benchmarks sont ouvertes, ce qui permet de comparer le coût et les performances des agents computer-use.
H Company publie NeoMME, une famille d'encodeurs multimodaux multilingues de 260M et 800M paramètres。
Meta a publié Muse Glimmer, un modèle multimodal de 30B paramètres sous licence Apache 2.0。
Motif de la recommandation :Meta publie un modèle multimodal de 30B sous Apache 2.0 avec support day-0 dans transformers, llama.cpp et vLLM, ce qui permet d'évaluer son usage local pour le codage et l'analyse de documents.
Thinking Machines Lab a publié sur Hugging Face Inkling, un grand modèle de langage multimodal open source d'environ 1T de paramètres (975B au total。
Motif de la recommandation :L'article détaille l'architecture MoE, les variantes de quantification et le support d'inférence jour 0, ce qui aide à évaluer les besoins matériels et les options de déploiement.
PaddleOCR publie PP-OCRv6 sur Hugging Face, une famille de modèles OCR universels déclinée en trois tailles tiny。
H Company publie la famille Holo3.1, une mise à jour de son modèle computer-use Holo3。
Motif de la recommandation :La famille Holo3.1 expose les gains sur AndroidWorld et les checkpoints quantifiés pour l'inférence locale, ce qui aide à évaluer le déploiement d'agents computer-use.
Hugging Face publie OlmoEarth v1.1, une famille de modèles d'observation de la Terre qui réduit jusqu'à 3x les coûts de calcul tout en conservant les performances d'OlmoEarth v1. La réduction repose sur la fusion des tokens par résolution pour Sentinel-2, ce qui divise par trois le nombre de tokens, au prix d'une modification du pré-entraînement pour éviter une baisse de 10 points sur m-eurosat kNN. Les poids et le code d'entraînement des modèles Base, Tiny et Nano sont disponibles.
Hugging Face publie six nouveaux rerankers Sentence Transformers CrossEncoder, de 17M à 1B de paramètres。
Motif de la recommandation :Six rerankers de 17M à 1B, avec données et recette d'entraînement complètes, permettent d'évaluer le compromis qualité-latence d'un pipeline retrieve-then-rerank.
IBM publie Granite Embedding Multilingual R2, deux modèles d'embedding multilingues sous licence Apache 2.0 。
DeepSeek a publié V4, avec deux checkpoints MoE sur le Hub : DeepSeek-V4-Pro (1。
Motif de la recommandation :L'article détaille l'architecture CSA/HCA et les choix de post-entraînement qui rendent l'inférence à 1M tokens exploitable pour les agents.
Overworld publie Waypoint-1.5, son nouveau modèle de monde vidéo temps réel。
Motif de la recommandation :L'original expose les paliers de résolution, la plage matérielle et les modes d'exécution locale, ce qui permet de juger de l'accessibilité réelle du modèle.
Google DeepMind publie sur Hugging Face la famille Gemma 4, des modèles multimodaux sous licence Apache 2.0 capables de traiter texte。
Motif de la recommandation :L'article détaille l'architecture, les tailles et les benchmarks de Gemma 4, ainsi que son intégration dans les principaux moteurs d'inférence et outils de fine-tuning.
Le Falcon Vision Team du Technology Innovation Institute (TII) d'Abu Dhabi publie Falcon Perception。
Motif de la recommandation :Falcon Perception et Falcon OCR adoptent une architecture Transformer à fusion précoce unique, avec des benchmarks détaillés et un code open source pour comparer les compromis de conception.
IBM annonce Granite 4.0 3B Vision, un modèle vision-langage compact destiné à l'extraction d'informations dans les documents d'entreprise。
Motif de la recommandation :Le modèle compact et son adaptateur LoRA sont décrits avec les benchmarks de tableaux, graphiques et KVP, ce qui aide à juger son intérêt pour l'extraction documentaire.
H Company publie Holotron-12B, un modèle multimodal computer-use post-entraîné à partir du modèle ouvert NVIDIA Nemotron-Nano-2 VL sur des données propriétaires。
Motif de la recommandation :L'article détaille l'architecture SSM hybride et les chiffres de débit, utiles pour évaluer le déploiement d'agents computer-use à grande échelle.
H Company publie Holo2-235B-A22B Preview, son plus grand modèle de localisation d'interface à ce jour。
Overworld publie Waypoint-1, un modèle de diffusion vidéo interactif en temps réel contrôlable à la souris。
Motif de la recommandation :L'original expose l'architecture et les optimisations d'inférence d'un modèle de diffusion vidéo interactif, utile pour comprendre les compromis des world models temps réel.
TII annonce Falcon-H1-Arabic, une famille de modèles de langue arabe en versions 3B。
Motif de la recommandation :Présente l'architecture hybride Mamba-Transformer et les fenêtres de contexte de 128K à 256K, utile pour évaluer les compromis entre taille et déploiement.
ServiceNow-AI publie AprielGuard, un modèle de garde-fou de 8B paramètres conçu pour détecter 16 catégories de risques de sécurité ainsi que diverses attaques adversariales。
Motif de la recommandation :Un modèle de garde-fou de 8B paramètres couvrant 16 catégories de risques et les attaques adversariales des workflows agentiques, avec les résultats d'évaluation détaillés.
Hugging Face Blog annonce que Diffusers accueille FLUX-2. Le contenu détaillé de cette publication n'est pas disponible dans les matériaux fournis.
Google a lancé EmbeddingGemma, un nouveau modèle d'embedding efficace, présenté sur le blog de Hugging Face.
Hugging Face Blog annonce Holo1, une nouvelle famille de VLM d'automatisation d'interface graphique qui alimente l'agent GUI Surfer-H. Le contenu détaillé n'est pas disponible.
SmolVLA est un modèle Vision-Language-Action efficace entraîné sur les données communautaires LeRobot, publié sur le blog Hugging Face.
Falcon-Edge est une série de modèles de langage 1,58 bit présentés comme puissants, universels et fine-tunables.
Google publie Gemma 3, un nouveau grand modèle de langage ouvert, présenté comme multimodal, multilingue et doté d'un long contexte.
Hugging Face publie SigLIP 2, présenté comme un encodeur vision-langage multilingue amélioré.
Hugging Face publie SmolVLM2, un modèle visant à apporter la compréhension vidéo à tous les appareils.
Hugging Face présente ModernBERT, un nouveau modèle destiné à remplacer BERT. Le billet de blog est publié sur le site de Hugging Face.
Hugging Face Blog annonce l'arrivée de la famille de modèles ouverts Falcon 3.
Google publie PaliGemma 2, une nouvelle série de modèles de vision-langage, annoncée sur le blog de Hugging Face. Le contenu disponible ne fournit pas d'autres détails sur les capacités。
Hugging Face publie SmolVLM, un modèle de vision-langage de petite taille présenté comme léger mais performant.
Meta 发布 Llama 3.2 系列共 10 个开放权重模型, 包括 5 个多模态模型和 5 个纯文本模型, 均已上线 Hugging Face Hub. 视觉模型有 11B 和 90B 两个尺寸。
Motif de la recommandation :梳理 Llama 3.2 多模态与端侧小模型的规格, 基准和部署路径, 便于判断本地与云端选型.
Le Technology Innovation Institute (TII) d'Abu Dhabi publie Falcon Mamba 7B, présenté comme le premier grand modèle 7B sans attention。
Motif de la recommandation :L'article détaille l'architecture sans attention, les benchmarks comparatifs et le support dans l'écosystème Hugging Face, utile pour évaluer les compromis des SSM.
Meta publie la famille Llama 3.1 en trois tailles (8B, 70B, 405B), chacune en version base et instruct。
Motif de la recommandation :Détaille les exigences mémoire, les intégrations et les recettes de quantification de Llama 3.1, utile pour planifier le déploiement et le fine-tuning.
Mistral AI publie Codestral Mamba, un modèle de code sous licence Apache 2.0 conçu avec Albert Gu et Tri Dao。
Motif de la recommandation :Codestral Mamba adopte l'architecture Mamba avec une inférence en temps linéaire et un contexte testé jusqu'à 256k tokens, un point de repère pour évaluer les alternatives aux Transformer sur le code.
Mistral AI publie Mathstral, un modèle instructif 7B spécialisé dans les problèmes mathématiques et STEM à raisonnement logique multi-étapes。
Motif de la recommandation :Mathstral 7B atteint 56,6 % sur MATH et 63,47 % sur MMLU, avec des gains supplémentaires via majority voting et reward model, ce qui éclaire les compromis performance/vitesse pour les modèles spécialisés.
Hugging Face présente SmolLM, une famille de petits modèles de 135M, 360M et 1。
Motif de la recommandation :L'article détaille la curation du corpus et les recettes d'entraînement des petits modèles, utile pour reproduire ou comparer des modèles légers.
Google a publié Gemma 2, sa nouvelle famille de LLM ouverts, disponible en versions 9B et 27B。
Motif de la recommandation :L'article détaille les choix techniques de Gemma 2 et son intégration dans l'écosystème Hugging Face, utile pour évaluer les compromis de déploiement.
TII lance Falcon 2, une nouvelle génération de modèles open source。
Motif de la recommandation :Falcon 2 11B est publié en version LLM et VLM, avec les détails d'entraînement et les résultats d'évaluation pour situer ses performances.