Aller au contenu

Orientations techniques

Multimodal Dernières actualités

Les capacités au-delà du texte : compréhension visuelle, mixte texte-image, entrées et sorties audio et vidéo — avancées des modèles et des produits.

160 sélections30 derniers jours 34 entréesTotal : 356 entrées

mise à jour

Archives de la sélection · page 3

14 octobremer.41–60 entrées
13 octobremar.
8 octobrejeu.
7 octobremer.
6 octobremar.
  1. Mistral AI88

    Mistral AI lance la preview publique de Mistral Large 4, un modèle multimodal natif de 1 000 milliards de paramètres

    Mistral AI lance la preview publique de Mistral Large 4, un modèle multimodal natif de 1 000 milliards de paramètres avec 49 milliards de paramètres actifs.

    Motif de la recommandation :Mistral publie les détails de Mistral Large 4, un modèle multimodal natif de 1 000 milliards de paramètres, avec des chiffres de benchmarks et un calendrier de publication des poids.

  2. Hugging Face Blog62

    TII publie Falcon-Emirati-7B, un LLM spécialisé dans le dialecte émirati

    Le Technology Innovation Institute (TII) publie Falcon-Emirati-7B, un modèle spécialisé dans le dialecte arabe émirati construit sur Falcon-H1-Arabic.

    Motif de la recommandation :Le détail de la recette d'adaptation dialectale et des résultats par catégorie permet de juger ce que le fine-tuning apporte face à des modèles plus grands.

5 octobrelun.
  1. 3D Printing Industry67

    Tripo AI lance Tripo P2.0, génération 3D native en maillages quadrilatéraux

    Tripo AI a officiellement publié Tripo P2.0, un modèle de base 3D natif qui génère des assets avec une topologie quadrilatérale.

    Motif de la recommandation :Tripo P2.0 génère nativement des maillages à dominante quadrilatérale, ce qui permet de comprendre pourquoi la topologie conditionne l'usage des assets 3D générés en production.

1 octobrejeu.
  1. Next (fr)85

    Google rend disponible Gemini 4 Argon avec une limite de sortie d'un million de tokens

    Google ouvre Gemini 4 Argon au grand public après une disponibilité limitée aux spécialistes de la cybersécurité.

    Motif de la recommandation :Le texte détaille la limite de sortie d'un million de tokens, les scores sur DeepSWE v1.1 et CWE-bench v1 ainsi que la tarification, ce qui permet de situer le modèle face à ses concurrents.

30 septembremer.
  1. AWS Machine Learning Blog62

    Construire un pipeline multi-agents de production musicale sur Amazon Bedrock AgentCore Runtime Instances

    L'article explique comment déployer un pipeline de production musicale à trois agents sur Amazon Bedrock AgentCore Runtime Instances. L'agent de composition utilise Claude Sonnet 4.6 et le modèle ACE-Step sur le GPU NVIDIA L4 de l'instance pour générer un fichier.wav, l'agent de livraison lit ce fichier depuis le volume partagé et applique une chaîne DSP, puis l'agent de conformité revérifie indépendamment le résultat et peut demander une nouvelle composition. Les trois agents partagent la même session via un runtimeSessionId commun, ce qui les place sur une même instance EC2 avec un système de fichiers partagé, et les sessions peuvent persister jusqu'à 14 jours. L'article détaille la création du capacity provider, le déploiement des runtimes et l'orchestration, avec un exemple complet disponible dans le dépôt AgentCore samples sur GitHub.

    Motif de la recommandation :Présente une architecture multi-agents avec sessions partagées, GPU et volumes persistants, et détaille les étapes de déploiement sur AgentCore Runtime Instances.

29 septembremar.
  1. Microsoft Research62

    Microsoft Research présente Quine, un système de recherche IA pour la biologie

    Microsoft Research présente Quine, un effort de recherche combinant un modèle mondial multimodal de biologie et un harnais interactif reliant modèles.

    Motif de la recommandation :Microsoft Research présente Quine, un modèle mondial multimodal de biologie couplé à un harnais, avec une validation en laboratoire humide sur le cancer du pancréas.

  2. Latent Space78

    AMD rachète World Labs pour 8,2 milliards de dollars, alors qu'Atlas résout la reconstruction éparse pour la robotique et le design

    AMD rachète World Labs pour 8,2 milliards de dollars, selon le prix rendu public du fait de la cotation d'AMD. World Labs.

    Motif de la recommandation :L'actualité combine l'acquisition de World Labs par AMD et le lancement de Claude Sonnet 5.5, deux mouvements qui touchent l'écosystème des modèles et des agents.

25 septembreven.
23 septembremer.
  1. Google DeepMind78

    Google DeepMind lance Gemini 3.8 Flash TTS et Flash-Lite TTS

    Google DeepMind annonce Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS, deux modèles de synthèse vocale générative disponibles dans Google AI Studio.

    Motif de la recommandation :Google DeepMind détaille les capacités vocales et les garde-fous des deux modèles TTS, utile pour évaluer les usages en doublage et agents vocaux.

16 septembremer.
10 septembrejeu.
  1. Hugging Face Blog62

    Reconstruire AUTOMATIC1111 avec Gradio Workflow : 11 pipelines et 73 nœuds

    Hugging Face présente Workflow1111, un canevas de workflow unique qui reconstruit la plupart des fonctionnalités d'AUTOMATIC1111 sous forme de 11 pipelines multimédias construits avec 73 nœuds. Le canevas couvre la génération texte-image, le hi-resolution fix, l'image-to-image, la matrice de prompts, l'interrogation VLM, la détection vers masque d'inpainting, les annotateurs de style ControlNet, la suppression d'arrière-plan, le stockage PNG Info et l'image-to-video, avec des modèles comme FLUX.1-Kontext, Qwen3-4B, Qwen2.5-VL, DETR, AuraSR ×4, BRIA RMBG-2.0 et Wan 2.2 I2V A14B. Chaque nœud de sortie devient un point d'accès REST, et avec mcp_server=True, ces points d'accès deviennent des outils MCP appelables par des assistants IA comme Claude Code ou Cursor.

    Motif de la recommandation :L'article détaille comment reconstruire l'ensemble des fonctionnalités d'AUTOMATIC1111 avec 73 nœuds Gradio Workflow, et comment chaque sortie devient un point d'accès REST et un outil MCP.

2 septembremer.