Aller au contenu
3 avrilven.
2 avriljeu.
  1. Hugging Face Blog88

    Google DeepMind publie la famille Gemma 4 de modèles multimodaux ouverts sur Hugging Face

    Google DeepMind publie sur Hugging Face la famille Gemma 4, des modèles multimodaux sous licence Apache 2.0 capables de traiter texte.

    Motif de la recommandation :L'article détaille l'architecture, les tailles et les benchmarks de Gemma 4, ainsi que son intégration dans les principaux moteurs d'inférence et outils de fine-tuning.

1 avrilmer.
31 marsmar.
  1. Hugging Face Blog67

    IBM publie Granite 4.0 3B Vision, un VLM compact pour les documents d'entreprise

    IBM annonce Granite 4.0 3B Vision, un modèle vision-langage compact destiné à l'extraction d'informations dans les documents d'entreprise.

    Motif de la recommandation :Le modèle compact et son adaptateur LoRA sont décrits avec les benchmarks de tableaux, graphiques et KVP, ce qui aide à juger son intérêt pour l'extraction documentaire.

29 marsdim.
26 marsjeu.
  1. Google DeepMind80

    Google DeepMind publie Gemini 3.1 Flash Live, son modèle vocal le plus abouti

    Google DeepMind publie Gemini 3.1 Flash Live, présenté comme son modèle audio et vocal de plus haute qualité.

    Motif de la recommandation :Le modèle de voix de Google DeepMind améliore la précision et réduit la latence, avec des scores sur ComplexFuncBench Audio et Audio MultiChallenge qui permettent de situer les capacités de dialogue en temps réel.

  2. Google DeepMind73

    Google DeepMind lance Lyria 3 Pro, génération musicale jusqu'à 3 minutes

    Google DeepMind présente Lyria 3 Pro, une version avancée de son modèle de génération musicale capable de créer des morceaux allant jusqu'à 3 minutes avec une meilleure compréhension de la composition, permettant de demander des intros, couplets, refrains et ponts. Le modèle arrive en aperçu public sur Vertex AI et rejoint Google AI Studio, l'API Gemini, Google Vids, l'application Gemini et ProducerAI, avec un déploiement auprès des clients Workspace et des abonnés payants. Toutes les sorties sont marquées par SynthID et le modèle ne reproduit pas les artistes nommés dans les prompts.

    Motif de la recommandation :Lyria 3 Pro allonge la génération à 3 minutes avec une conscience structurelle, et son intégration à Vertex AI, AI Studio, Vids et Gemini éclaire les usages professionnels.

24 marsmar.
17 marsmar.
  1. Hugging Face Blog67

    H Company publie Holotron-12B, un modèle multimodal computer-use à haut débit

    H Company publie Holotron-12B, un modèle multimodal computer-use post-entraîné à partir du modèle ouvert NVIDIA Nemotron-Nano-2 VL sur des données propriétaires.

    Motif de la recommandation :L'article détaille l'architecture SSM hybride et les chiffres de débit, utiles pour évaluer le déploiement d'agents computer-use à grande échelle.

  2. Mistral AI82

    Mistral AI publie Mistral Small 4, un modèle hybride unifiant raisonnement, multimodal et codage agentique

    Mistral AI annonce Mistral Small 4, le premier modèle Mistral à unifier les capacités de Magistral (raisonnement).

    Motif de la recommandation :Mistral Small 4 unifie les capacités de Magistral, Pixtral et Devstral dans un seul modèle open source, avec un paramètre reasoning_effort configurable et des gains de latence et de débit mesurés par rapport à Small 3.

10 marsmar.
6 marsven.
4 marsmer.
  1. Google DeepMind72

    Google DeepMind lance Gemini 3.1 Flash-Lite

    Google DeepMind lance Gemini 3.1 Flash-Lite, présenté comme le modèle le plus rapide et le plus économique de la série Gemini 3.

    Motif de la recommandation :Le tarif, la vitesse et les benchmarks du modèle sont fournis, ce qui permet de juger son intérêt pour les charges à haut volume.

19 févrierjeu.
  1. Google DeepMind75

    Google déploie Lyria 3 dans l'application Gemini pour générer de la musique à partir de texte ou d'images

    Google DeepMind met en beta Lyria 3 dans l'application Gemini, un modèle de génération musicale qui produit des pistes de 30 secondes à partir d'un texte ou d'une photo.

    Motif de la recommandation :Lyria 3 est déployé dans l'application Gemini en beta avec génération de pistes de 30 secondes à partir de texte ou d'images, ce qui permet de situer les capacités musicales grand public de Google.

18 févriermer.
11 févriermer.
5 févrierjeu.
30 janvierven.
  1. Google DeepMind78

    Google DeepMind déploie Project Genie, prototype de création de mondes interactifs

    Google DeepMind ouvre l'accès à Project Genie, un prototype de recherche expérimental réservé aux abonnés Google AI Ultra aux États-Unis (18 ans et plus).

    Motif de la recommandation :Le prototype détaille trois capacités concrètes et les limites connues du modèle Genie 3, utile pour situer l'état réel des world models.

23 janvierven.
  1. Google Research22

    Gemini 1.5 Flash 8B : l'extraction d'intention par décomposition égale Gemini 1.5 Pro

    Google Research montre qu'une approche décomposée — résumer chaque écran puis extraire l'intention de la séquence — permet à de petits MLLM d'égaler de grands modèles pour comprendre l'intention utilisateur sur mobile et web. Testée sur les modèles Gemini et Qwen2, elle surpasse le chain of thought prompting (CoT) et le fine-tuning end-to-end (E2E), et Gemini 1.5 Flash 8B atteint des résultats comparables à Gemini 1.5 Pro à une fraction du coût et de la latence. L'évaluation repose sur l'approche Bi-Fact et des « atomic facts » pour mesurer précision, rappel et F1, ouvrant la voie à une compréhension d'intention embarquée sur appareil.

16 janvierven.
14 janviermer.
6 janviermar.
5 janvierlun.
19 décembreven.
17 décembremer.
  1. Mistral AI62

    Mistral AI lance Mistral OCR 3

    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.

  2. Google DeepMind88

    Google DeepMind publie Gemini 3 Flash, un modèle rapide et moins coûteux

    Google DeepMind publie Gemini 3 Flash, un modèle de la famille Gemini 3 conçu pour la vitesse et proposé à un coût réduit. Il atteint 90.

    Motif de la recommandation :L'original expose les scores de Gemini 3 Flash sur GPQA Diamond, SWE-bench Verified et MMMU Pro ainsi que son prix, ce qui permet de situer le compromis vitesse-coût par rapport à Gemini 3 Pro.

13 décembresam.
  1. Google DeepMind78

    Google DeepMind publie Gemini 2.5 Flash Native Audio mis à jour

    Google DeepMind publie une mise à jour de Gemini 2.5 Flash Native Audio destinée aux agents vocaux en direct.

    Motif de la recommandation :L'original expose les améliorations de l'appel de fonctions, du suivi d'instructions et du dialogue multi-tours, ainsi que les points d'accès ouverts, ce qui permet de juger de l'impact sur les agents vocaux.

11 décembrejeu.
9 décembremar.
4 décembrejeu.
3 décembremer.
20 novembrejeu.
  1. Google DeepMind80

    Google DeepMind publie Nano Banana Pro (Gemini 3 Pro Image)

    Google DeepMind publie Nano Banana Pro (Gemini 3 Pro Image), un modèle de génération et d'édition d'images construit sur Gemini 3 Pro.

    Motif de la recommandation :L'original détaille les capacités de génération et d'édition d'images, les résolutions et les intégrations, ce qui aide le lecteur à évaluer les scénarios de production concernés.

19 novembremer.
  1. Google Research80

    Google déploie la Generative UI dans Gemini et la recherche avec Gemini 3 Pro

    Google Research présente la Generative UI, une capacité où le modèle génère non seulement du contenu mais toute une expérience utilisateur interactive.

    Motif de la recommandation :L'article détaille l'implémentation de la génération d'interfaces par Gemini 3 Pro et son déploiement dans Gemini et Google Search, permettant de juger de l'impact sur les expériences utilisateur.

13 novembrejeu.
  1. Google DeepMind74

    Google DeepMind présente SIMA 2, un agent qui joue, raisonne et apprend dans des mondes 3D virtuels

    Google DeepMind présente SIMA 2, un agent généraliste qui intègre un modèle Gemini comme cœur de raisonnement et passe du suivi d'instructions à un compagnon de jeu interactif capable de converser et de s'auto-améliorer. Le système a été entraîné sur un mélange de vidéos de démonstration humaines et de labels générés par Gemini, et il généralise à des jeux non vus comme ASKA ou MineDojo, y compris dans des mondes générés en temps réel par Genie 3. SIMA 2 est publié en aperçu de recherche limité, avec un accès anticipé pour un petit groupe de chercheurs et de développeurs de jeux.

    Motif de la recommandation :SIMA 2 intègre Gemini comme moteur de raisonnement et passe du suivi d'instructions à l'auto-amélioration dans des mondes 3D, avec des limites de mémoire et de tâches longues explicitement documentées.