Aller au contenu
16 maiven.
15 maijeu.
7 maimer.
  1. Mistral AI78

    Mistral AI lance Mistral Medium 3, un modèle intermédiaire au coût réduit

    Mistral AI annonce Mistral Medium 3, un modèle qui atteint selon l'entreprise au moins 90 % des performances de Claude Sonnet 3.7 sur les benchmarks pour un coût de 0.

    Motif de la recommandation :Mistral Medium 3 revendique des performances proches de Claude Sonnet 3.7 pour un coût bien inférieur, avec un déploiement possible sur quatre GPU ou plus.

16 avrilmer.
  1. OpenAI News82

    OpenAI publie la fiche système d'o3 et o4-mini

    OpenAI publie la fiche système d'o3 et o4-mini. Selon la présentation, ces deux modèles combinent un raisonnement de pointe avec l'ensemble des capacités d'outils.

    Motif de la recommandation :La fiche système d'o3 et o4-mini expose l'intégration du raisonnement et des outils, un point de repère pour évaluer les capacités des modèles.

14 avrillun.
25 marsmar.
  1. OpenAI News80

    OpenAI publie un addendum à la fiche système de GPT-4o sur la génération d'images

    OpenAI publie un addendum à la fiche système de GPT-4o consacré à la génération d'images 4o. Cette approche est présentée comme nettement plus performante que la série DALL·E 3.

    Motif de la recommandation :L'addendum présente la génération d'images 4o comme plus performante que DALL·E 3 et capable de produire des images photoréalistes à partir d'entrées visuelles.

20 marsjeu.
  1. OpenAI News62

    OpenAI lance une nouvelle génération de modèles audio dans l'API

    OpenAI annonce le lancement d'une nouvelle génération de modèles audio dans l'API. Les développeurs peuvent pour la première fois demander au modèle de synthèse vocale de parler d'une manière spécifique, par exemple « parler comme un agent de service client compatissant », ce qui ouvre de nouvelles possibilités de personnalisation pour les agents vocaux.

    Motif de la recommandation :L'original indique que le modèle TTS de l'API accepte des instructions de style en langage naturel, ce qui permet aux développeurs de contrôler le ton de la voix.

18 marsmar.
17 marslun.
12 marsmer.
27 févrierjeu.
21 févrierven.
20 févrierjeu.
19 févriermer.
17 févrierlun.
3 févrierlun.
  1. OpenAI News80

    OpenAI lance deep research, un agent de recherche en ligne multi-étapes

    OpenAI lance deep research, un agent qui utilise le raisonnement pour synthétiser de grandes quantités d'informations en ligne et accomplir des tâches de recherche multi-étapes. La fonctionnalité est disponible dès aujourd'hui pour les utilisateurs Pro, puis pour Plus et Team.

    Motif de la recommandation :OpenAI présente un agent de recherche en ligne multi-étapes, avec les niveaux d'abonnement concernés dès le lancement.

31 janvierven.
30 janvierjeu.
13 janvierlun.
  1. Mistral AI65

    Mistral AI lance Codestral 25.01, son modèle de codage

    Mistral AI a publié Codestral 25.01, une mise à jour de son modèle de codage qui génère et complète du code environ 2 fois plus vite que la version originale grâce à une architecture plus efficace et un tokenizer amélioré. Le modèle prend en charge une fenêtre de contexte de 256k et se place en tête des benchmarks FIM face à Codellama 70B, DeepSeek Coder 33B et DeepSeek Coder V2 lite. Il est disponible dès aujourd'hui via les partenaires IDE et peut être déployé localement ou dans un VPC pour les entreprises.

    Motif de la recommandation :Codestral 25.01 améliore vitesse et FIM, avec des benchmarks comparés aux modèles de codage concurrents.

19 décembrejeu.
17 décembremar.
9 décembrelun.
5 décembrejeu.
26 novembremar.
18 novembrelun.
16 octobremer.
17 septembremar.
12 septembrejeu.
12 aoûtlun.
  1. Hugging Face Blog78

    Falcon Mamba : le premier modèle 7B sans attention de TII

    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.

31 juilletmer.
24 juilletmer.
  1. Mistral AI78

    Mistral AI publie Mistral Large 2 avec 123 milliards de paramètres

    Mistral AI publie Mistral Large 2, un modèle de 123 milliards de paramètres doté d'une fenêtre de contexte de 128k et conçu pour l'inférence sur un seul nœud. Il est distribué sous licence de recherche Mistral, une licence commerciale étant requise pour l'auto-déploiement en usage commercial, et accessible via la Plateforme sous le nom mistral-large-2407 ainsi que sur Hugging Face. Le modèle affiche 84,0 % sur MMLU et couvre plus de 80 langages de programmation, avec des appels de fonctions parallèles et séquentiels renforcés.

    Motif de la recommandation :Mistral Large 2 détaille fenêtre de contexte, licence et performances comparées, utile pour évaluer le compromis coût et capacité en déploiement.

23 juilletmar.
18 juilletjeu.
  1. Mistral AI78

    Mistral AI publie Mistral NeMo, un modèle 12B avec une fenêtre de contexte de 128k

    Mistral AI publie Mistral NeMo, un modèle 12B développé en collaboration avec NVIDIA.

    Motif de la recommandation :Mistral NeMo est un modèle 12B à fenêtre de 128k, sous licence Apache 2.0, avec un tokenizer Tekken plus efficace et une quantification FP8, ce qui permet d'évaluer les compromis entre taille, contexte et coût d'inférence.

16 juilletmar.
  1. Mistral AI78

    Mistral AI publie Codestral Mamba, un modèle de code basé sur l'architecture Mamba

    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.

  2. Mistral AI62

    Mistral AI publie Mathstral, un modèle 7B spécialisé en mathématiques et STEM

    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.