Aller au contenu
3 novembremar.
  1. 3D Printing Industry50

    Beehive Industries teste pour la première fois son turboréacteur Frenzy 6 de 100 lbf

    Beehive Industries a réalisé le premier essai au banc de son prototype de turboréacteur Frenzy 6 de 100 lbf.

    Motif de la recommandation :Le délai de quatre mois entre les exigences de l'US Air Force et un moteur testé illustre la compression des cycles de développement rendue possible par la fabrication additive.

  2. 3D Printing Industry40

    Aurora Labs lève 6 M A$ pour industrialiser ses turboréacteurs imprimés en 3D

    Aurora Labs (ASX: A3D) a levé 6 M A$ via un placement en deux tranches pour passer du développement à la production commerciale de ses turboréacteurs fabriqués par fabrication additive. L'opération, annoncée le 28 octobre 2026, porte sur environ 109,1 millions d'actions à 0,055 A$ chacune, avec une participation de 550 000 A$ du président David Trimboli et une prise de participation stratégique de Walkinshaw Group Holdings. Les fonds serviront surtout à étendre les lignes de production de Canning Vale (Australie-Occidentale) et à acheter des systèmes commerciaux de fabrication additive métallique, après la certification AS9100D, les livraisons commerciales du système AU4 et une première commande américaine.

  3. Hugging Face Blog62

    Hugging Face propose MIC, un contrat de test d'intégration de modèles basé sur des fixtures réduites

    Hugging Face présente transformers-mic, un standard proposé pour empaqueter les tests d'intégration de modèles sous forme de contrats. Chaque contrat comprend une fixture de modèle réduit.

    Motif de la recommandation :L'article détaille la méthode de réduction des points de contrôle et le mécanisme de test par contrat, utile pour comprendre comment les régressions de modèles sont interceptées avant la fusion.

  4. Simon Willison28

    LLM 0.37 sortie : nouveaux modèles gpt-6.1-sol et gpt-6.1-terra, modèle par défaut gpt-6-luna

    Simon Willison a publié LLM 0.37, avec l'ajout des modèles gpt-6.1-sol et gpt-6.1-terra et une commande `llm openai endpoint add` pour configurer des endpoints compatibles OpenAI. Le modèle par défaut passe à gpt-6-luna, moitié prix du précédent gpt-5.6-luna, et le support des embeddings accepte désormais différents content-type, nécessaire pour Gemini Embedding 2 (texte, audio, images, vidéo). La version intègre des correctifs de 12 contributeurs, presque tous assistés par IA, que Willison traite comme des rapports de bugs avec exemples.

  5. Embedded.com50

    ABR lance un SDK d'IA vocale pour les processeurs Alif

    Applied Brain Research (ABR) annonce la disponibilité générale de son SDK d'IA vocale pour Zephyr RTOS sur la famille de processeurs edge AI Alif Semiconductor Ensemble. Le logiciel fait tourner la reconnaissance vocale en flux et la synthèse vocale entièrement sur l'appareil, sans connexion cloud, pour des applications embarquées basse consommation, y compris sur batterie ou isolées du réseau. Le SDK combine Niagara ASR, qui convertit en continu la parole en texte avec une latence faible et un vocabulaire complet, et Nith TTS pour une synthèse vocale fluide en flux. Sur le processeur Alif Ensemble E8, Niagara ASR atteint une latence moyenne de 133 ms entre le premier audio et le premier token, pour une consommation active de seulement 15 mW au-dessus de la consommation de base du processeur. Le SDK est disponible dès maintenant avec une licence d'évaluation gratuite via le portail développeur d'ABR, et une démonstration en direct sur Ensemble E8 est prévue à electronica 2026, du 10 au 13 novembre, sur le stand Alif Semiconductor C5.170.

    Motif de la recommandation :Le SDK réunit ASR et TTS en local sur des microcontrôleurs, avec une latence et une consommation chiffrées sur l'Ensemble E8.

  6. AWS Machine Learning Blog51

    Construire des agents efficaces par distillation de connaissances sur Amazon SageMaker AI

    AWS explique comment distiller un agent de shopping utilisant un grand modèle en un modèle Qwen3.5-4B via la distillation de connaissances au niveau des séquences (SeqKD) sur Amazon SageMaker AI. Le modèle enseignant GLM-5.3 génère des trajectoires multi-étapes filtrées par le scorer de ShoppingBench, puis l'étudiant est affiné par SFT serverless et évalué sur 324 problèmes retenus. Le taux de réussite absolu moyen passe de 0,297 pour le modèle de base à 0,541 pour l'étudiant distillé, proche des 0,540 du modèle enseignant glouton et des 0,546 d'un modèle frontière de taille moyenne, au prix d'une baisse de 6 à 8 points sur IFEval.