Aller au contenu
21 octobremer.
20 octobremar.
  1. TechCrunch · AI68

    Nvidia lance les modèles ouverts Nemotron 3.5 Super VL et Bolt pour les agents en entreprise et sur PC

    Nvidia a lancé jeudi des modèles à poids ouverts destinés aux agents toujours actifs et à l'informatique de proximité. Nemotron 3.5 Super VL compte 120 milliards de paramètres et vise les agents en entreprise, avec une précision annoncée proche du Nemotron 3 Ultra sur le suivi d'instructions et l'usage d'outils. Deux modèles légers Bolt sont aussi lancés pour tourner localement sur les nouveaux PC IA équipés de la puce Nvidia RTX Spark et sur les stations DGX Spark. Nemotron 3.5 Bolt 74B-A9B 24GB, de 74 milliards de paramètres, cible les tâches agentiques locales, tandis que le plus petit Bolt E4B vise les agents conversationnels. Super VL et Bolt 74B-A9B sont disponibles, Bolt E4B est annoncé pour plus tard ce mois-ci.

17 octobresam.
  1. The Decoder82

    DeepSeek publie V4.1-Flash-1017, qui dépasse des modèles plus grands sur les tâches d'agent et de codage

    DeepSeek a publié DeepSeek-V4.1-Flash-1017, disponible sur son site, son application et son API.

    Motif de la recommandation :L'original fournit les scores de benchmarks et le coût par tâche du nouveau modèle, ce qui permet de comparer directement le rapport performance-coût avec les modèles concurrents.

  2. Hackster.io76

    Google DeepMind publie EmbeddingGemma 2, un modèle d'embedding multimodal pour l'edge

    Google DeepMind a publié EmbeddingGemma 2, un modèle d'embedding multimodal open-weight de 740 millions de paramètres conçu pour les appareils edge. Il projette texte.

    Même actualité, affichée dans la sélection« Google DeepMind publie EmbeddingGemma 2, modèle d'embedding multimodal léger et open source »

  3. AWS Machine Learning Blog67

    Reflection AI publie Beam, un modèle à poids ouverts pour le codage agentique, déployable sur AWS

    Reflection AI a publié Beam, un modèle à poids ouverts destiné au codage agentique et aux tâches longues comme la maintenance de code et l'appel d'outils. Beam est un modèle MoE sparse de 501 milliards de paramètres totaux et 23 milliards de paramètres actifs, avec une longueur de contexte effective rapportée de 1 million de tokens ; les poids sont publiés sur Hugging Face sous licence Apache 2.0, avec des variantes de checkpoints BF16, FP8 et NVFP4. Le billet détaille trois voies de déploiement sur AWS : un endpoint temps réel SageMaker JumpStart entièrement managé, SageMaker HyperPod Inference avec JumpStart, SGLang ou vLLM, et l'utilisation de SGLang ou vLLM pour contrôler l'image d'inférence et l'exécution distribuée. Beam est disponible au lancement dans SageMaker JumpStart en US East (N. Virginia) et US East (Ohio).

    Même actualité, affichée dans la sélection« Reflection publie Beam, un modèle MoE ouvert de 501B paramètres dédié au code et aux agents »

16 octobreven.
  1. Hugging Face Blog88

    Reflection publie Beam, un modèle MoE ouvert de 501B paramètres dédié au code et aux agents

    Le laboratoire américain Reflection publie Beam sur Hugging Face, un modèle de langage MoE de 501B paramètres (23B actifs par token) sous licence Apache 2.0.

    Motif de la recommandation :Un modèle MoE de 501B paramètres ouvert sous Apache 2.0, avec recettes d'inférence et de post-entraînement fournies, permet d'évaluer le coût réel d'un déploiement autonome.

  2. Hugging Face Blog62

    NVIDIA et AI4Bharat publient Nemotron-pretraining-Indic-v1 avec un pipeline de génération ouvert

    NVIDIA et AI4Bharat (IIT Madras) annoncent Nemotron-pretraining-Indic-v1, un corpus d'environ 2.

    Motif de la recommandation :Le corpus de 2,8 billions de tokens et le pipeline de génération ouvert permettent de juger la couverture linguistique et la traçabilité des données.

  3. Hugging Face Blog72

    IBM publie Granite Switch 4.1, un endpoint unique pour le chat, la décision et la parole

    IBM publie les modèles Granite-Switch-4.1-8B et -30B, qui réunissent dans un seul endpoint hébergé les réponses en langage naturel.

    Motif de la recommandation :Présente la composition d'adaptateurs dans un seul endpoint et la réutilisation du KV cache, un repère pour évaluer les coûts de déploiement multi-tâches.

  4. TechCrunch · AI78

    Meta lance Muse Spark Open, un modèle open-weight exécutable sur Mac

    Meta a lancé Muse Spark Open, présenté comme le modèle open-weight le plus capable aux États-Unis.

    Motif de la recommandation :Meta publie un modèle open-weight natif multimodal de 816 milliards de paramètres, exécutable localement sur Mac, ce qui éclaire les arbitrages entre performance et matériel requis.

  5. The Decoder82

    Meta publie Muse Spark Open, un modèle open-weight de 816 milliards de paramètres

    Meta publie Muse Spark Open, un modèle open-weight de 816 milliards de paramètres (42 milliards actifs) avec jusqu'à un million de tokens de contexte et le support du texte.

    Même actualité, affichée dans la sélection« Meta publie Muse Spark Open, modèle MoE multimodal open-weight de 816B paramètres »

  6. Hugging Face Blog88

    Meta publie Muse Spark Open, modèle MoE multimodal open-weight de 816B paramètres

    Meta publie Muse Spark Open, un modèle open-weight de la série Muse, avec environ 816 milliards de paramètres au total et environ 42 milliards activés par token.

    Motif de la recommandation :Meta ouvre les poids d'un modèle MoE de 816B paramètres couvrant texte, image, audio et vidéo, avec les recettes de déploiement et de fine-tuning associées.

  7. The Decoder80

    Black Forest Labs publie FLUX 3 Image Klein, un modèle image open-weights tournant sur GPU grand public avec 8 Go de VRAM

    Black Forest Labs a publié FLUX 3 Image Klein, un modèle open-weights de 5,6 milliards de paramètres pour la génération texte-image.

    Motif de la recommandation :Un modèle image open-weights de 5,6 milliards de paramètres qui tourne sur un GPU grand public avec 8 Go de VRAM, avec les conditions de licence et les points d'accès détaillés.

15 octobrejeu.
  1. NVIDIA Blog80

    NVIDIA élargit la famille Nemotron 3.5 avec Super VL et les modèles Bolt

    NVIDIA publie Nemotron 3.5 Super VL, un modèle ouvert de 120 milliards de paramètres destiné aux agents spécialisés.

    Motif de la recommandation :L'original détaille les trois modèles Nemotron 3.5, leurs formats de déploiement et les retours d'expérience de post-entraînement, utile pour évaluer un déploiement d'agents open source.

  2. Hugging Face Blog62

    HiRO-ACEv2 : simuler des événements météorologiques extrêmes à 3 km de résolution pour une fraction du coût

    Allen AI présente HiRO-ACEv2, une mise à jour de son système HiRO-ACE de simulation climatique. Le nouveau modèle de descente d'échelle HiROv2 prédit simultanément plusieurs champs à haute résolution (pluie, vent, pression) et reproduit les statistiques haute résolution de X-SHiELD à 3 % près, y compris des événements rares sur un million de points de données. Le système complet génère des données climatiques mondiales à 3 km pour environ 1/300 du coût de X-SHiELD, et plus de cent fois moins cher encore pour une seule région. Les modèles sont téléchargeables et des notebooks tutoriels sont fournis ; les travaux futurs porteront sur des climats plus chauds et de nouvelles sorties comme la température de surface et la neige.

    Motif de la recommandation :HiRO-ACEv2 génère des données climatiques mondiales à 3 km pour environ 1/300 du coût de X-SHiELD, avec des modèles et notebooks ouverts.

14 octobremer.
  1. Google DeepMind82

    Google DeepMind publie Gemini 4 Argon et son rapport de sécurité

    Google DeepMind commence le déploiement général de Gemini 4 Argon, un modèle aux capacités de cyberdéfense de niveau frontière.

    Motif de la recommandation :Le rapport détaille les garde-fous de Gemini 4 Argon et les résultats de tests d'alignement, utile pour comprendre les compromis entre capacités et sécurité.

  2. Hugging Face Blog80

    Liquid AI publie LFM2.5-24B-A2B, un modèle de raisonnement MoE pour agents sur appareil

    Liquid AI publie LFM2.5-24B-A2B, un modèle de raisonnement de 24B de paramètres dont seulement 2B sont actifs par token.

    Motif de la recommandation :Liquid AI publie les poids ouverts et les benchmarks d'un modèle MoE orienté agents sur appareil, permettant de comparer le compromis taille, vitesse et usage d'outils.

  3. Ars Technica · AI76

    Gemini 4 Argon commence son déploiement dans l'application Gemini et Antigravity, réservé aux utilisateurs payants

    Google a commencé le déploiement de Gemini 4 Argon dans l'application Gemini et Antigravity.

    Motif de la recommandation :L'article détaille le déploiement payant de Gemini 4 Argon et les cas d'usage internes chez Google, utile pour suivre l'adoption des modèles de raisonnement agentique.

13 octobremar.