Motif de la recommandation :Le Skill et le harnais de test transforment le portage de modèles transformers vers mlx-lm en un processus reproductible, avec des règles concrètes pour des PR de qualité.
Motif de la recommandation :L'original détaille les quatre tailles de Gemma 4, la licence Apache 2.0 et les performances comparées sur Arena, ce qui permet de juger de son intérêt pour le déploiement local et l'edge.
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.
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.
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.
Hugging Face a publié TRL v1.0, une bibliothèque de post-entraînement qui passe d'une base de code de recherche à une bibliothèque stable avec un contrat de versioning sémantique. Elle implémente plus de 75 méthodes de post-entraînement et adopte une structure où le noyau stable (SFT, DPO, Reward modeling, RLOO, GRPO) et la couche expérimentale (ORPO, etc.) coexistent avec des contrats distincts. La bibliothèque est téléchargée 3 millions de fois par mois et sert d'infrastructure à des projets comme Unsloth et Axolotl. Les prochaines étapes incluent un GRPO asynchrone, la stabilisation de KTO et de formateurs de distillation, ainsi que des avertissements structurés pour rendre l'entraînement lisible par les agents.
Motif de la recommandation :L'article détaille la conception de stabilité de TRL v1.0 et sa couverture de plus de 75 méthodes de post-entraînement, utile pour comprendre l'évolution des bibliothèques d'entraînement.
Motif de la recommandation :Mistral publie son premier modèle TTS avec architecture, latence et tarification détaillées, utile pour évaluer les briques vocales d'un agent.
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.
Motif de la recommandation :Mistral Small 4 unifie les capacités de Magistral, Pixtral et Devstral dans un seul modèle open source, avec un paramètre reasoning_effort configurable et des gains de latence et de débit mesurés par rapport à Small 3.
LeRobot v0.5.0 est publié, avec plus de 200 PR fusionnées et plus de 50 nouveaux contributeurs depuis la v0.4.0. Cette version ajoute le support complet du robot humanoïde Unitree G1 (locomotion, manipulation, téléopération et contrôle corps entier), de nouvelles politiques comme Pi0-FAST (VLA autorégressif basé sur Gemma 300M) et Real-Time Chunking (RTC), ainsi que l'encodage vidéo en streaming qui supprime l'attente entre les épisodes d'enregistrement. La version introduit aussi EnvHub pour charger des environnements de simulation depuis le Hugging Face Hub, l'intégration de NVIDIA IsaacLab-Arena, et modernise la base de code avec Python 3.12+ et Transformers v5.
Motif de la recommandation :LeRobot v0.5.0 détaille l'ajout du support du robot humanoïde Unitree G1 et de nouvelles politiques VLA, utile pour suivre l'évolution des frameworks robotiques open source.
Motif de la recommandation :L'article détaille la recette complète d'un entraînement text-to-image en 24h sur 32 H200 pour environ 1500 dollars, avec code open source.
OpenAI publie GABRIEL, une nouvelle boîte à outils open source qui s'appuie sur GPT pour transformer des textes et des images qualitatifs en données quantitatives. Elle vise à aider les chercheurs en sciences sociales à analyser leurs corpus à grande échelle.
Motif de la recommandation :Deux modèles de transcription vocale sont publiés, dont un en open weights sous Apache 2.0, avec des chiffres de latence et de prix permettant de comparer les options existantes.
Motif de la recommandation :L'équipe Gradio présente une bibliothèque Python open source qui transforme du code de workflow en canvas visuel inspectable, avec des exemples de chaînage d'apps Gradio et de modèles.
Motif de la recommandation :NVIDIA publie Cosmos Reason 2, un VLM de raisonnement ouvert pour l'IA physique, avec des tailles 2B et 8B et un contexte de 256K.
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.
Motif de la recommandation :Mistral publie deux modèles de codage open source et un CLI agent, avec les scores SWE-bench Verified et les prix API pour situer le compromis performance-coût.
Motif de la recommandation :Mistral 3 publie les poids et les formats compressés, ce qui permet de comparer les tailles, les licences et les chemins de déploiement.
Motif de la recommandation :JAX-Privacy 1.0 expose les briques DP, la scalabilité et des exemples de fine-tuning Gemma, ce qui permet de juger de son intégration dans les pipelines existants.
Motif de la recommandation :Un modèle de raisonnement à poids ouverts dédié à la classification de sécurité, qui permet aux développeurs d'appliquer et d'itérer leurs propres politiques.
Motif de la recommandation :Deux modèles ouverts de raisonnement dédiés au marquage de contenu selon une politique fournie, avec évaluations de sécurité comparées aux gpt-oss de base.
Hugging Face publie LeRobot v0.4.0, une mise à jour de sa bibliothèque d'apprentissage robotique open source. Le titre original indique que cette version vise à accélérer l'apprentissage robotique open source, mais aucun détail sur les fonctionnalités ou les changements n'est disponible.
Motif de la recommandation :Deux modèles ouverts de tailles 120b et 20b sont publiés sous licence Apache 2.0, avec des performances annoncées sur le raisonnement et l'usage d'outils.
Motif de la recommandation :L'annonce confirme la sortie de modèles à poids ouverts et l'orientation d'accessibilité mondiale, un repère pour suivre l'ouverture des modèles de pointe.
OpenAI présente gpt-oss-120b et gpt-oss-20b, deux modèles de raisonnement à poids ouverts disponibles sous licence Apache 2.0 et selon la politique d'usage gpt-oss.
Motif de la recommandation :Deux modèles de raisonnement à poids ouverts sous licence Apache 2.0, avec leurs tailles et leur politique d'usage précisées.
Motif de la recommandation :Mistral ouvre deux tailles de modèles vocaux sous Apache 2.0, avec des chiffres de prix et de contexte qui permettent de comparer aux API fermées.
Mistral AI lance Devstral Medium et une mise à niveau de Devstral Small, en collaboration avec All Hands AI. Devstral Small 1.1 est publié sous licence Apache 2.0.
Motif de la recommandation :L'original expose les scores SWE-Bench Verified et les prix des deux modèles, ce qui permet de comparer le rapport coût-performance pour le codage agentique.
Numina et Kimi Team publient Kimina-Prover-72B, un modèle de démonstration formelle entraîné avec le pipeline RL de Kimi k1.5 sur la base de Qwen2.5-72B.
Motif de la recommandation :Devstral atteint 46,8 % sur SWE-Bench Verified et peut tourner sur un seul RTX 4090, ce qui éclaire le choix d'un modèle de codage agentique déployable localement.
Motif de la recommandation :Mistral Small 3.1 précise les performances, la fenêtre de contexte et les points de disponibilité, ce qui permet de juger de son intérêt pour des déploiements légers.