Mistral AI lance Voxtral 3, une pile complète d'agents vocaux en temps réel
Mistral AI lance Voxtral 3, une famille de modèles de langage destinée aux agents vocaux en temps réel.
Mistral AI lance Voxtral 3, une famille de modèles de langage destinée aux agents vocaux en temps réel.
Mistral lance la famille Voxtral 3, comprenant les modèles de transcription Voxtral Small Transcribe 3 et Voxtral Mini Transcribe 3.
Motif de la recommandation :L'original détaille les modèles vocaux, le SDK d'agent vocal et les prix, permettant de comparer le coût et la latence avec les offres existantes.
Cloudflare a publié Clairic, un modèle d'IA qui extrait des données de documents plus rapidement et à moindre coût que les grands modèles de langage. Disponible en preview sur Workers AI.
Latent Space publie un récapitulatif de l'actualité IA du 16 au 19 octobre 2026.
Kling AI a publié la version 4.0 de son générateur vidéo, qui permet de générer jusqu'à 30 secondes de vidéo en une seule passe et accepte jusqu'à dix images clés en entrée.
MiniMax a publié M3.1 Flash, un modèle de raisonnement qui atteint 42 points sur l'Artificial Analysis Intelligence Index.
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.
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.
Latent Space lance l'émission pilote High Taste Testers, consacrée aux discussions de la scène IA de San Francisco. Meta publie Muse Spark Open.
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 »
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 »
Elorian, startup de Palo Alto, a publié vendredi son premier modèle, Glimpse.
Google DeepMind a publié Gemini 4 Argon, qui obtient 97,5 % sur ARC-AGI-3 avec le Provider Adapter Harness pour un coût de 4 800 dollars.
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.
Meta publie Muse Spark Open, présenté comme le modèle à poids ouverts américain le plus capable.
Même actualité, affichée dans la sélection« Meta publie Muse Spark Open, modèle MoE multimodal open-weight de 816B paramètres »
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.
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.
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.
Meta a annoncé Muse Spark Open, présenté comme le modèle open-weight américain le plus capable à ce jour.
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 »
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.
Nvidia a publié Nemotron 3.5 Super VL, un modèle multimodal ouvert de 120 milliards de paramètres conçu pour des agents d'entreprise fonctionnant en continu en arrière-plan sur du texte.
Google présente Gemini 4 Argon, un modèle destiné à couvrir l'ensemble de la chaîne robotique.
Même actualité, affichée dans la sélection« Google DeepMind publie Gemini 4 Argon pour la robotique »
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.
Black Forest Labs publie FLUX.3 Image Klein, un modèle unique pour la génération texte-image.
Motif de la recommandation :Présente les capacités et le coût d'exécution de FLUX.3 Image Klein, avec des repères concrets pour évaluer son intégration dans les pipelines existants.
Mistral publie Timestral, sa première famille de modèles de fondation pour séries temporelles.
Motif de la recommandation :Mistral publie sa première famille de modèles de fondation pour séries temporelles, avec des résultats de référence et un accès via GitHub.
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.
Apertus 1.5 étend les modèles 8B et 70B d'Apertus 1.0 avec la compréhension d'images et d'audio.
Motif de la recommandation :Les notes de version détaillent les changements de capacités et le pipeline d'entraînement ouvert, ce qui permet de juger de l'écart avec la version 1.0.
Google et Meta ont dévoilé en quelques jours des modèles de pointe revendiquant des performances comparables à celles d'OpenAI et d'Anthropic.
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.
Gemini 4 Argon de Google est passé en disponibilité générale pour le codage, le travail de connaissance.
Simon Willison a mis à jour son plugin llm-meta-ai pour prendre en charge Muse Wonder et Muse Wonder Full.
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.
Google rend Gemini 4 Argon disponible mondialement pour les développeurs, les entreprises et les consommateurs.
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.
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.
Google a lancé son modèle Gemini 4 Argon, qu'il présente comme capable de rivaliser avec les meilleurs modèles du secteur.
Même actualité, affichée dans la sélection« Google DeepMind publie Gemini 4 Argon et son rapport de sécurité »
Google DeepMind lance Gemini 4 Argon, disponible mondialement via l'API dans AI Studio et la plateforme Gemini.
Motif de la recommandation :L'original détaille les capacités d'Argon en codage, sciences et robotique ainsi que les mesures de sécurité, ce qui permet de situer le niveau des modèles frontières actuels.
Google DeepMind annonce Gemini 4 Argon, un modèle de raisonnement physique polyvalent destiné à l'ensemble du cycle de vie robotique.
Motif de la recommandation :Le modèle est présenté avec ses scores de benchmark et ses cas d'usage robotique, ce qui aide à situer ses capacités physiques et ses limites.
Meta Superintelligence Labs a publié Muse Wonder et Muse Wonder Full, sa deuxième famille de modèles.
Motif de la recommandation :Le récapitulatif rassemble les évaluations indépendantes et les retours de développeurs sur Muse Wonder, ce qui permet de situer la famille Muse par rapport à Opus 5.5 et GPT-6.