OpenAI lance GPT-6.2 Astra et GPT-6.2 Sol
OpenAI lance GPT-6.2 Astra, présenté comme son nouveau modèle de pointe pour les projets les plus difficiles.
Même actualité, affichée dans la sélection« OpenAI présente GPT-6.2 Astra et Sol »
OpenAI lance GPT-6.2 Astra, présenté comme son nouveau modèle de pointe pour les projets les plus difficiles.
Même actualité, affichée dans la sélection« OpenAI présente GPT-6.2 Astra et Sol »
OpenAI publie GPT-6.2 Astra, destiné aux travaux professionnels exigeants, et GPT-6.2 Sol.
Même actualité, affichée dans la sélection« OpenAI présente GPT-6.2 Astra et Sol »
OpenAI présente GPT-6.2 Astra et Sol, avec de meilleures sorties professionnelles.
Motif de la recommandation :L'annonce situe GPT-6.2 Astra et Sol sur les sorties professionnelles, le codage et l'usage de l'ordinateur, avec un coût réduit sur ChatGPT Work, Codex et l'API.
Cloudflare a dévoilé deux modèles System One, Clef et Clairic, et revendique le statut de « neolab » lors de l'AI Engineer Code Summit. Clef.
OVHcloud a dévoilé Olala mini 7A1B, le premier modèle de sa famille de LLM.
Alibaba annonce Qwen4-Max, premier modèle de la nouvelle architecture Qwen4, avec 2 400 milliards de paramètres en mixture d'experts dont 71 milliards actifs par token.
OVHcloud a dévoilé le 17 novembre 2026 Olala mini, son premier grand modèle de langage.
Alibaba a lancé Qwen4-Max, un modèle à mélange d'experts de 2,4 billions de paramètres qui n'active que 71 milliards de paramètres par token.
Motif de la recommandation :L'original détaille l'architecture hybride, les activations MoE et les coûts par tâche de Qwen4-Max, ce qui permet de comparer ses compromis avec Opus 5.5 et Kimi K3.1 Pro.
Anthropic a déployé Claude Mythos 5.2 auprès de partenaires sélectionnés et Fable 5.2 auprès des utilisateurs classiques.
Motif de la recommandation :L'original compare les garde-fous de deux modèles Anthropic et chiffre la réduction des blocages en cybersécurité, utile pour évaluer l'usage en sécurité offensive et défensive.
Anthropic a publié Claude Fable 5.2, un modèle de langage qui crée des peintures photoréalistes en générant du code Python de 1 000 à 2 000 lignes pour piloter un moteur de peinture simulé.
Meituan a publié les poids de LongCat-2.5, un modèle MoE de 1,6 trillion de paramètres conçu pour les agents.
Motif de la recommandation :Un modèle agent de 1,6 trillion de paramètres entraîné uniquement sur du matériel chinois, avec des scores comparés à Claude Opus 5 et GPT-5.6 Sol.
Runway a publié Praxis-1, son modèle de contrôle de robots.
Google a déployé Gemini 4 Hydrogen, qui remplace Gemini 3.8 Flash comme modèle des services grand public comme la recherche et l’app Gemini. Adapté de Carbon.
Même actualité, affichée dans la sélection« Google déploie Gemini 4 Hydrogen en remplacement de Gemini 3.8 Flash »
Google a lancé le modèle Gemini 4 Hydrogen, qui décompose les questions complexes en plusieurs parties et y répond séparément.
Google a publié Gemini 4 Hydrogen, un modèle généraliste rapide et bon marché destiné aux développeurs et au grand public. Selon Google.
Même actualité, affichée dans la sélection« Google DeepMind lance Gemini 4 Hydrogen »
IBM publie deux modèles expérimentaux dérivés de Granite 4.1, granite-4.1-3b-LLMON-preview et granite-4.1-8b-LLMON-preview.
Motif de la recommandation :L'article détaille le format LLMON et deux modèles expérimentaux Granite 4.1 entraînés pour le consommer, avec des résultats chiffrés sur la résistance aux injections de prompt.
Google intègre Gemini 4 Hydrogen à Search, un modèle présenté comme la plus grande amélioration du moteur à ce jour.
Même actualité, affichée dans la sélection« Google déploie Gemini 4 Hydrogen en remplacement de Gemini 3.8 Flash »
Google déploie Gemini 4 Hydrogen, qui remplace Gemini 3.8 Flash dans l'ensemble de ses produits.
Motif de la recommandation :L'article détaille les niveaux de raisonnement de Gemini 4 Hydrogen, ses performances face à 3.8 Flash et son accès immédiat, ce qui aide à évaluer l'impact sur les usages existants.
Google DeepMind lance Gemini 4 Hydrogen, un modèle rapide et efficace pour le codage quotidien et les workflows agentiques.
Motif de la recommandation :L'original détaille les performances de Gemini 4 Hydrogen face à Gemini 3.8 Flash et son intégration dans les workflows multi-modèles via Orchestrator.
ElevenLabs a publié deux modèles de reconnaissance vocale, Scribe v3 et Scribe v3 Live.
Google DeepMind a publié AlphaGenome 2, un modèle d'IA génomique qui prédit les effets des variants génétiques sur des types cellulaires humains spécifiques. Entraîné sur plus de 107 millions de profils cellulaires issus de 68 tissus humains et murins, il fonctionne comme un modèle conditionnel recevant un état biologique en entrée supplémentaire, et prédit aussi l'accessibilité de la chromatine et la méthylation de l'ADN. Sur le jeu de données TenK10K avec 28 types de cellules immunitaires primaires, il identifie environ 30 % des variants causaux et prédit correctement dans 43 % des cas si un variant active ou réprime un gène, contre 16 % et 23 % pour une version fine-tunée d'AlphaGenome 1. Le modèle est disponible via API pour la recherche non commerciale, l'accès commercial passant par une prévisualisation fermée, et n'est pas approuvé pour le diagnostic clinique.
Même actualité, affichée dans la sélection« Google DeepMind dévoile AlphaGenome 2, un modèle de séquence d'ADN conditionné par type cellulaire »
Google a lancé Gemini Decision 1, un modèle de décision multimodal calibré qui traite jusqu'à 1000 questions par requête.
Google rejoint Jev et OpenAI dans la catégorie des modèles de décision avec Gemini Decision 1.
Google DeepMind lance l'API Gemini Decisions, destinée aux décisions fermées comme les questions oui/non.
Motif de la recommandation :L'original détaille les capacités de décision en un seul passage, la latence et le tarif de l'API, ce qui permet de comparer avec les offres similaires récentes.
Google DeepMind annonce AlphaGenome 2, un modèle de séquence d'ADN conditionnel qui prédit l'effet des variants sur des types cellulaires humains précis. Entraîné sur plus de 107 millions de profils cellulaires couvrant 68 tissus, il identifie près de deux fois plus de variants modifiant l'expression génique que le modèle précédent, avec 30 % contre 16 % de variants causaux sur le jeu de données TenK10K. Le modèle est disponible pour la recherche non commerciale via l'AlphaGenome API et en aperçu privé pour la recherche commerciale.
Motif de la recommandation :Le modèle conditionnel par type cellulaire et l'API ouverte permettent de situer les changements de capacité et les scénarios d'usage en recherche génétique.
Google DeepMind a dévoilé AlphaGenome 2, successeur du modèle de prédiction génomique AlphaGenome publié l'année dernière.
DeepL Voice intègre un nouveau modèle, Aure, qui transfère le ton, l'émotion, l'accentuation et le rythme de la voix d'origine vers la langue cible. Jusqu'ici.
Tether AI Research publie BotPsy, un modèle de 0,8B paramètres construit sur Qwen3.5-0.8B et destiné à l'appel de fonctions et aux workflows agentiques sur appareil. Il devance les modèles testés de 1,2B paramètres ou moins sur cinq des six benchmarks d'outils et d'agent, avec par exemple BFCL v4 à 44,0 contre 23,4 pour son modèle de base et τ-bench à 51,5 contre 23,2. Les poids seront diffusés sous licence Apache 2.0 en bf16, Q8 et Q4, en safetensors et GGUF pour le SDK QVAC et llama.cpp, pour un usage de recherche et d'éducation.
Motif de la recommandation :Un modèle de 0,8B atteint des performances d'appel d'outils proches de modèles 2,5 fois plus grands, avec les recettes d'entraînement détaillées.
Latent Space a testé Naive-N0.5-Flash, un modèle open-weights de NaiveAI dérivé de MiMo-V2.5 de Xiaomi et destiné au codage.
Google a rendu disponible Gemini 4 Carbon après deux semaines de tests auprès d'experts en sécurité.
Motif de la recommandation :Le texte détaille les performances de Gemini 4 Carbon sur plusieurs benchmarks, son coût par tâche et ses résultats en sécurité, ce qui permet de situer le modèle face à Fable 5.2.
Google DeepMind a dévoilé Gemini Robotics 2.5, un modèle vision-langage-action (VLA) qui traite les informations visuelles.
Motif de la recommandation :Le texte détaille les performances du modèle VLA sur les lignes de production Mercedes-Benz et les améliorations de sécurité, permettant de situer l'état actuel de l'IA incarnée industrielle.
Google DeepMind rend Gemini 4 Carbon disponible pour les développeurs, les entreprises.
Motif de la recommandation :Le texte détaille les performances de Gemini 4 Carbon sur plusieurs benchmarks et son prix par token, ce qui permet de comparer avec Gemini 4 Argon.
Google ouvre au public Gemini 4 Carbon, présenté comme son modèle le plus puissant.
Motif de la recommandation :L'original détaille le positionnement de Gemini 4 Carbon par rapport à Argon et aux modèles d'Anthropic et OpenAI, ainsi que les tarifs et les modalités d'accès.
Google DeepMind a dévoilé la version 2.5 de Gemini Robotics, la composante vision-langage-action de sa plateforme robotique.
Google DeepMind a lancé Gemini Robotics 2.5, son modèle vision-langage-action le plus capable à ce jour.
Motif de la recommandation :Le modèle VLA améliore la dextérité et la fiabilité, avec un taux de réussite de 96 % validé sur une ligne de production Mercedes-Benz.
Anthropic a publié lundi Fable 5.2, la nouvelle version de son modèle le plus puissant accessible au public.
Motif de la recommandation :L'article détaille les benchmarks, les tarifs et les garde-fous de Fable 5.2 et Mythos 5.2, ce qui permet de situer les capacités et les limites du nouveau modèle.
Anthropic a publié lundi les modèles Claude Fable 5.2 et Claude Mythos 5.2, avec des améliorations en codage.
Meta AI a lancé Muse Ember, présenté comme son modèle le plus petit et le plus efficace.
Anthropic a publié Claude Fable 5.2 et Claude Mythos 5.2.
Motif de la recommandation :Le récapitulatif rassemble les benchmarks indépendants et les retours d'usage de Fable 5.2, utile pour comparer les niveaux d'effort et le coût par tâche.
Anthropic a publié Claude Fable 5.2 et Claude Mythos 5.2, deux modèles partageant la même base mais différant par leurs garde-fous et leur accès.
Motif de la recommandation :L'article détaille les écarts de performance, les prix et les restrictions d'accès des deux variantes, ce qui aide à situer l'offre d'Anthropic avant son IPO.