Mistral AI a construit un agent autonome basé sur son assistant de codage open source Vibe。
Motif de la recommandation :L'original détaille la conception d'un agent de test Rails, du contexte aux outils, avec des métriques avant/après et des limites reproductibles.
Hugging Face a étudié 16 bibliothèques RL open source construites autour de l'entraînement asynchrone et les a comparées selon 7 axes 。
Hugging Face annonce Storage Buckets, un stockage objet mutable de type S3 sur le Hub。
Motif de la recommandation :Hugging Face ajoute une couche de stockage objet mutable au Hub, avec déduplication Xet et préchauffage multi-cloud, ce qui éclaire l'organisation des artefacts d'entraînement.
Ulysses Sequence Parallelism, issu du protocole Arctic Long Sequence Training (ALST) de Snowflake AI Research。
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.
NXP détaille ses bonnes pratiques pour enregistrer des datasets robotiques。
Hugging Face présente Modular Diffusers, une nouvelle façon de construire des pipelines de diffusion en composant des blocs réutilisables。
Motif de la recommandation :L'article détaille la composition par blocs des pipelines de diffusion et l'intégration avec Mellon, ce qui permet de juger de la flexibilité offerte pour construire des workflows personnalisés.
Hugging Face détaille dans un article de blog les évolutions de la bibliothèque transformers pour prendre en charge les modèles Mixture of Experts (MoE)。
Motif de la recommandation :L'article détaille les modifications d'ingénierie de transformers pour les MoE, avec des benchmarks de chargement et des API concrètes pour le déploiement.
Hugging Face propose des crédits gratuits pour fine-tuner des LLM avec Unsloth sur Hugging Face Jobs。
Gradio 6 permet désormais à gr.HTML de prendre en charge les templates personnalisés。
Hugging Face a construit un skill d'agent qui apprend aux agents de codage à écrire des kernels CUDA de production。
Motif de la recommandation :L'article détaille un skill d'agent qui génère des kernels CUDA intégrés à transformers et diffusers, avec benchmarks et procédure de publication sur le Hub.
Google DeepMind annonce une mise à niveau majeure de Gemini 3 Deep Think, son mode de raisonnement spécialisé。
Motif de la recommandation :L'original expose les scores de Deep Think sur HLE, ARC-AGI-2 et Codeforces, ainsi que son ouverture via l'API Gemini, ce qui permet de situer le mode de raisonnement spécialisé de Gemini 3.
Google DeepMind publie deux articles détaillant l'utilisation du mode Gemini Deep Think pour résoudre des problèmes de recherche professionnels en mathématiques。
Motif de la recommandation :L'article détaille l'agent de recherche mathématique Aletheia et les recettes de collaboration humain-IA, avec des cas concrets en mathématiques, physique et informatique.
Transformers.js v4 est disponible sur NPM après un an de développement. La version adopte un nouveau runtime WebGPU réécrit en C++ avec l'équipe ONNX Runtime。
Motif de la recommandation :Transformers.js v4 détaille le nouveau runtime WebGPU en C++, les gains de performance et la restructuration du dépôt, utile pour évaluer le déploiement d'inférence dans le navigateur.
Google Research présente Sequential Attention, une méthode de sélection de sous-ensembles qui intègre un mécanisme de sélection gloutonne directement dans l'entraînement du modèle pour choisir séquentiellement les composants les plus informatifs. Appliquée à la sélection de features, elle remplace la sélection gloutonne classique par les poids d'attention internes du modèle, atteignant des résultats SOTA sur plusieurs benchmarks de réseaux de neurones tout en permettant une implémentation en un seul passage. La méthode revendique une meilleure efficacité, une scalabilité sur de grands modèles et une interprétabilité accrue via les scores d'attention.
L'équipe Gradio de Hugging Face publie Daggr, une bibliothèque Python open source permettant de construire des workflows IA reliant des apps Gradio。
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.
Mistral publie Mistral Vibe 2.0, une mise à niveau majeure de son agent de codage natif du terminal。
Motif de la recommandation :L'original détaille les nouvelles capacités de l'agent de codage terminal et la grille tarifaire de Devstral 2, utile pour évaluer l'impact sur les flux de développement existants.
Les modèles open source chinois ont massivement adopté l'architecture Mixture-of-Experts (MoE) en 2025。
L'équipe LinkedIn partage son retour d'expérience sur l'entraînement par apprentissage par renforcement agentique du modèle GPT-OSS avec le framework open source verl。
Mistral AI a identifié une fuite mémoire dans vLLM lors de tests de production d'un déploiement P/D disaggregated avec Mistral Medium 3.1 et la compilation de graphes activée。
Hugging Face présente AssetOpsBench, un benchmark et système d'évaluation pour agents IA en milieu industriel。
Mistral AI lance Mistral OCR 3, un modèle d'extraction de texte et d'images intégrées dans les documents。
Motif de la recommandation :Mistral OCR 3 détaille ses performances sur formulaires, écriture manuscrite et tableaux complexes, avec un prix de 2 dollars pour 1 000 pages et une compatibilité descendante.
Google Research a créé un programme expérimental pour le STOC 2026。
Motif de la recommandation :L'original expose le fonctionnement et les retours d'utilisation d'un outil d'évaluation par IA sur des articles de théorie informatique, avec des données de satisfaction concrètes.
Mistral AI annonce Mistral 3, composé de Mistral Large 3 et de trois modèles denses Ministral 3 de 14B。
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.
Google DeepMind annonce soutenir la mission Genesis de la Maison-Blanche。
Motif de la recommandation :Le détail du programme d'accès accéléré et des modèles concernés permet de situer le rôle des laboratoires nationaux dans l'IA scientifique.
Mistral AI annonce plusieurs partenariats stratégiques pluriannuels en Allemagne。
Google Research décrit un modèle de traduction parole-à-parole de bout en bout qui génère directement l'audio traduit dans la voix de l'orateur d'origine avec seulement 2 secondes de délai。
Motif de la recommandation :L'article expose l'architecture de bout en bout et le pipeline de données qui ramènent la traduction vocale à 2 secondes de délai, avec un déploiement produit concret.
Google DeepMind et Google Research présentent WeatherNext 2, leur modèle de prévision météo le plus avancé et le plus efficace。
Motif de la recommandation :Présente l'architecture FGN et les gains de résolution, utile pour comprendre l'évolution des modèles météo IA.
Google Research annonce la sortie de JAX-Privacy 1.0。
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.
Google Research a publié le preprint « Towards a future space-based, highly scalable AI infrastructure system design » et dévoile Project Suncatcher。
Motif de la recommandation :L'article expose le design système, les quatre défis techniques et les données de test des TPU, permettant de comprendre les contraintes réelles du calcul IA dans l'espace.
Mistral AI annonce AI Studio, une plateforme destinée à faire passer les projets d'IA d'entreprise du prototype à la production. Elle repose sur trois piliers 。
Motif de la recommandation :Mistral AI Studio rassemble observabilité, exécution d'agents et registre d'actifs en une seule boucle de production, ce qui éclaire les équipes bloquées au stade du prototype.
Mistral AI lance Memories (bêta) dans Le Chat, une mémoire qui enregistre automatiquement les informations utiles tout en rendant le rappel visible et lié à la source. Trois principes la structurent : transparence sur ce qui est rappelé et pourquoi, contrôle avec désactivation, chat incognito, édition ou suppression des souvenirs, et souveraineté avec export et import des mémoires. Le Chat introduit aussi Memory Insights, des invites légères pour explorer ce que l'assistant retient, et prévoit le tri par catégories et un oubli instantané.
Mistral annonce pour Le Chat un annuaire de plus de 20 connecteurs MCP sécurisés couvrant données。
Motif de la recommandation :Mistral détaille l'annuaire de connecteurs MCP et la gestion des souvenirs dans Le Chat, deux briques qui conditionnent l'usage en entreprise.
Mistral montre que le fine-tuning LoRA de Pixtral-12B sur l'imagerie satellite améliore nettement la classification par rapport au modèle de base. Sur l'Aerial Image Dataset (AID)。
Mistral AI annonce Codestral 25.08, une mise à jour de son modèle de complétion de code qui affiche +30 % de complétions acceptées。
Motif de la recommandation :L'original détaille les améliorations de Codestral 25.08 et l'ensemble de la pile de codage Mistral, permettant de juger de son adéquation aux déploiements privés en entreprise.
Hugging Face publie ScreenEnv, présenté comme permettant de déployer un agent de bureau full stack.
Mistral AI annonce AI for Citizens, une initiative collaborative destinée aux États et institutions publiques pour transformer les services publics。
Mistral AI annonce Mistral Compute, une nouvelle offre d'infrastructure IA fournissant une pile privée et intégrée allant des serveurs bare-metal au PaaS entièrement managé. L'offre inclut la suite d'entraînement de Mistral AI et s'appuie sur un partenariat avec NVIDIA pour proposer les dernières architectures de référence et des dizaines de milliers de GPU. Mistral Compute vise les États, entreprises et laboratoires de recherche en Europe, au Moyen-Orient, en Asie et dans l'hémisphère sud, avec un accent sur la souveraineté des données et l'utilisation d'énergie décarbonée.
Motif de la recommandation :Mistral Compute propose une pile d'infrastructure IA privée, du bare-metal au PaaS, avec des GPU NVIDIA et un accent sur la souveraineté des données.
Mistral AI annonce Mistral Code, un assistant de codage IA destiné aux entreprises qui regroupe quatre modèles (Codestral。
Motif de la recommandation :Mistral Code regroupe modèles, plugin IDE et contrôles d'entreprise dans une offre déployable en cloud ou en air-gapped, avec des clients déjà engagés.
Mistral annonce l'Agents API, un framework dédié qui combine ses modèles avec des connecteurs intégrés pour l'exécution de code。
Motif de la recommandation :L'annonce détaille les connecteurs intégrés, la mémoire persistante et l'orchestration multi-agents, avec des chiffres SimpleQA montrant l'apport de la recherche web.