Mistral a présenté Large 4 en préversion publique et annoncé la publication de ses poids pour la fin octobre. L’entreprise revendique un billion de paramètres, dont 52 milliards actifs, mais ces chiffres et les résultats de performance doivent être interprétés avec prudence : la plupart des comparaisons disponibles proviennent d’évaluations présentées par Mistral.
Google a lancé le 13 octobre le déploiement mondial de Gemini 4 Argon dans l'application Gemini pour les abonnés AI Pro et AI Ultra. La documentation française annonce également un accès élargi dans la Recherche, AI Studio et Antigravity, mais la portée varie selon le produit et l'abonnement : ce n'est pas un lancement pour tous les utilisateurs.
Un modèle avancé a mené une chaîne de réplication jusqu’au bout sur un réseau contrôlé, avec un accès simplifié. Anthropic avertit qu’aucun petit modèle ne combine encore les capacités nécessaires et une taille adaptée à une propagation sur des appareils grand public en conditions réelles.
Agent Lightning relie des agents à leurs outils et à leur gestion du contexte à un flux d’entraînement par renforcement. Le projet propose du code sous licence MIT et présente des résultats qui lui sont propres, lesquels nécessitent encore une évaluation indépendante.
La proposition combine un jumeau numérique du réseau, des algorithmes de graphes et des agents qui choisissent comment analyser chaque incident. Amazon affirme qu'une démonstration avec NTT DOCOMO a identifié des causes racines en quelques minutes, mais les informations disponibles ne détaillent pas de métriques comparatives complètes ni ne confirment un déploiement opérationnel généralisé.
Google élargit l’accès à Gemini 4 Argon, présenté pour des travaux de longue durée en programmation, en science, en finance et en cybersécurité. Ses résultats et son usage en conditions réelles doivent encore faire l’objet d’évaluations indépendantes ; les informations disponibles ne permettent pas non plus de confirmer des capacités précises en robotique.
D1 renvoie des probabilités pour des catégories, des échelles ou des décisions binaires. Liquid AI le destine aux tâches structurées, mais les sources disponibles ne valident pas indépendamment sa comparaison de performances avec Jev.
Quine associe un modèle biologique à des outils de recherche afin de hiérarchiser des hypothèses avant leur mise à l’épreuve en laboratoire. Microsoft Research fait état de premiers essais sur le cancer du pancréas, mais le système n’a pas encore fait l’objet d’une évaluation indépendante.
Beam compte 501 milliards de paramètres au total, dont 23 milliards actifs par jeton. Reflection annonce des résultats compétitifs et une estimation de réduction du calcul, mais les poids ne sont pas encore disponibles et les chiffres n’ont pas fait l’objet d’une reproduction indépendante vérifiée.
Google DeepMind présente une preuve de concept qui marque des séquences protéiques et des structures prédites. Les essais annoncés étayent le maintien de la fonction de certaines conceptions, mais ne démontrent ni une traçabilité universelle ni une résistance aux manipulations délibérées.
OpenAI propose de documenter, à l’aide d’arguments et de preuves, les raisons pour lesquelles un entraînement de pointe peut se poursuivre. L’approche associe des contrôles techniques et des examens opérationnels, mais l’entreprise la présente comme un guide initial, et non comme une garantie de sécurité éprouvée.
Cette opération entièrement financée en actions ajouterait à AMD les travaux de World Labs sur les modèles spatiaux. La finalisation est prévue pour la fin de 2026, sous réserve d’autorisations et d’autres conditions.