Actualités vérifiées, lancements et analyses pour comprendre ce qui change dans l’intelligence artificielle et ce que cela implique pour vous.
166 articles
Un préprint de Google DeepMind décrit comment quatre agents ont complété une partie de survie après avoir écrit 2 783 programmes et mourir 605 fois. Le résultat documente une exécution concrète, non une capacité générale déjà démontrée.
V4.1-Flash-1017 améliore les résultats annoncés par DeepSeek sur des tâches agentiques et réduit le coût observé par tâche lors de son évaluation DeepSWE. L’entreprise propose aussi Search et Fetch par API. Les comparaisons de performances du nouveau checkpoint restent, à ce stade, des évaluations internes.
L'entreprise a accordé à six chercheurs de l'organisation à but non lucratif METR des permissions équivalentes à celles de ses propres employés, marquant un précédent dans la vérification externe des risques liés à l'IA.
Une étude d’interprétabilité examine le rôle de l’attention et des couches MLP dans la détection des demandes nuisibles et la production de signaux de refus par les modèles de langage.
Un nouveau préprint présente un benchmark de 20 tâches conçu pour mesurer la capacité des agents de codage à résoudre des pannes dans des applications déployées, dépassant les limites des dépôts de test traditionnels.
Un préprint présente une méthode reliant un encodeur vocal à un LLM figé pour répondre à des questions fermées via des distributions sur des options, réduisant la latence dans les agents vocaux en temps réel.
Les informations disponibles attribuent à Muse Spark Open 816 milliards de paramètres, 42 milliards actifs et une fenêtre de contexte d'un million de tokens. Cependant, la documentation primaire fournie par Meta ne confirme pas cette variante ni une optimisation officielle pour Apple Silicon ; elle ne permet pas non plus de vérifier les exigences matérielles ou les performances locales.
Nemotron 3.5 Super VL est conçu pour interpréter des documents, graphiques, images et vidéos, et pour accompagner des tâches longues faisant appel à des outils. Les informations disponibles confirment le lancement et la taille du modèle, mais ne suffisent pas à établir ses performances de manière indépendante ni les besoins matériels de chaque déploiement.
Une étude expérimentale décrit une méthode pour stabiliser les transformeurs en boucle et évaluer leurs performances. Elle ne prouve pas qu’OpenAI utilise cette architecture dans son prochain modèle et ne permet pas de conclure qu’elle complique la supervision de sa sécurité.
Le nouveau modèle associe raisonnement, utilisation d’outils et compréhension du texte, des images, des documents et de la vidéo. NVIDIA annonce 12 milliards de paramètres actifs par jeton et des gains d’efficacité, mais les résultats publiés ne suffisent pas à établir une comparaison indépendante ni un coût d’inférence universel.
L’astrophysicien Brice Ménard a utilisé Claude Science pour traiter des données de missions spatiales et combler les lacunes d’une carte ultraviolette du ciel. Le résultat associe des observations à des estimations statistiques, évaluées en masquant puis en reconstruisant des zones déjà mesurées.
Meta a lancé Muse Wonder et Muse Wonder Full, ses premiers modèles de frontière, accessibles via API et abonnement. Nous analysons les capacités annoncées, les prix et les limites des comparaisons de performance face à OpenAI et Anthropic.