123 modèles avec fiche. La classification décrit les capacités, pas un classement de qualité.
Modèle d’édition d’image NVIDIA, version 1.0.0 publiée le 20 octobre 2026. Il transforme des recadrages synthétiques de composants de circuits imprimés rendus dans Omniverse en images à éclairage d’inspection optique. Il dérive de Qwen-Image-Edit avec un ajustement LoRA fusionné : le paquet inclut le pipeline complet, pas un adaptateur séparé. L’utilisateur fournit l’image ; l’instruction anglaise est fixe, pas libre.
Image · Poids ouverts↗ NVIDIAModèle d’embeddings NVIDIA de 1,55 milliard de paramètres, publié le 20 octobre 2026. Il vectorise des documents textuels, des images de page ou les deux, avec des requêtes exclusivement textuelles. Distillé depuis Embed 8B, il garde figée la tour textuelle de Nemotron 3 Embed 1B et ajoute la recherche visuelle. Son vecteur a 2 048 dimensions ; il ne partage pas automatiquement l’espace du modèle 8B.
Plongements · Poids ouverts↗ NVIDIAModèle d’embeddings NVIDIA de 8,38 milliards de paramètres, publié le 20 octobre 2026. Il vectorise du texte, des images de page ou les deux pour la recherche par requêtes textuelles. Il garde figée la tour de Nemotron 3 Embed 8B et ajoute la vision avec Pixtral. Il conserve l’espace d’embeddings textuels de ce prédécesseur ; il produit des vecteurs de 4 096 dimensions, pas des réponses conversationnelles.
Plongements · Poids ouverts↗ NVIDIAReranker NVIDIA de 8,38 milliards de paramètres, publié le 20 octobre 2026. Il note chaque paire requête textuelle-document ; le document peut contenir du texte, une image de page ou les deux. Il complète la recherche initiale en reclassant les candidats ; il ne génère ni réponses ni embeddings. Il associe un encodeur visuel Pixtral à une tour Ministral3 bidirectionnelle.
Reclassement · Poids ouverts↗ DeepSeekDeepSeek a mis à jour son API, son site et son application vers DeepSeek-V4.1-Flash-1017 le 17 octobre 2026. L’identifiant API reste deepseek-flash et les tarifs ne changent pas. Nous conservons la fiche et son URL : il s’agit d’une révision du modèle existant, pas d’un modèle supplémentaire en doublon.
Texte et raisonnement · API payante · poids ouverts↗ NVIDIAModèle NVIDIA publié le 17 octobre 2026 pour transformer des images de pages en texte structuré, classes sémantiques, boîtes et ordre de lecture. Il combine C-RADIOv4-SO400M, un décodeur mBART de dix couches et 630 800 496 paramètres uniques. Il accepte une image RGB et un prompt de tâche ; les PDF doivent être convertis en images de pages. Il ne génère pas d’images et ne remplace pas un assistant généraliste.
OCR et documents · Poids ouverts↗ NVIDIAModèle textuel de NVIDIA publié le 16 octobre 2026, avec 4 milliards de paramètres et une architecture récurrente. Il réutilise un bloc de couches pour ajuster le calcul par token sans changer de checkpoint. L’anglais et un contexte validé de 256K tokens sont documentés. Il ne génère ni images, ni audio, ni vidéo.
Texte et raisonnement · Poids ouverts↗ Liquid AIModèle de décisions multimodal de Liquid AI publié le 15 octobre 2026. Il reçoit texte et images et renvoie des probabilités pour des choix définis, questions binaires ou échelles. Identifiant d1-ultra dans l’API de décisions ; aucune génération de texte libre.
Décisions · Propriétaire payant↗ Black Forest LabsModèle d’image de 5,6 milliards de paramètres publié le 15 octobre 2026. Il génère et modifie des images à partir de texte et de références, avec contrôle de composition par boîtes. Distilled et Base sont deux checkpoints distincts, à ne pas confondre avec FLUX 3 Image complet.
Image · Poids avec restrictions↗ Black Forest LabsModèle d’image de 5,6 milliards de paramètres publié le 15 octobre 2026. Il génère et modifie des images à partir de texte et de références, avec contrôle de composition par boîtes. Distilled et Base sont deux checkpoints distincts, à ne pas confondre avec FLUX 3 Image complet.
Image · Poids avec restrictions↗ MetaModèle multimodal de Meta publié le 15 octobre 2026, avec 816 milliards de paramètres au total et 42 milliards actifs. Il reçoit texte, images, audio et vidéo et renvoie du texte. Contexte combiné d’un million de tokens et variantes BF16 et NVFP4.
Multimodal · Poids avec restrictions↗ Mistral AIFamille de modèles numériques de Mistral publiée le 15 octobre 2026 en quatre tailles : 5M, 28M, 123M et 209M. Elle réalise des prévisions probabilistes univariées et multivariées sans adaptation préalable. Elle accepte historique et covariables passées ou futures connues ; elle ne dialogue pas et ne génère pas de texte.
Séries temporelles · Poids avec restrictions↗ Mistral AIFamille de modèles numériques de Mistral publiée le 15 octobre 2026 en quatre tailles : 5M, 28M, 123M et 209M. Elle réalise des prévisions probabilistes univariées et multivariées sans adaptation préalable. Elle accepte historique et covariables passées ou futures connues ; elle ne dialogue pas et ne génère pas de texte.
Séries temporelles · Poids avec restrictions↗ Mistral AIFamille de modèles numériques de Mistral publiée le 15 octobre 2026 en quatre tailles : 5M, 28M, 123M et 209M. Elle réalise des prévisions probabilistes univariées et multivariées sans adaptation préalable. Elle accepte historique et covariables passées ou futures connues ; elle ne dialogue pas et ne génère pas de texte.
Séries temporelles · Poids avec restrictions↗ Mistral AIFamille de modèles numériques de Mistral publiée le 15 octobre 2026 en quatre tailles : 5M, 28M, 123M et 209M. Elle réalise des prévisions probabilistes univariées et multivariées sans adaptation préalable. Elle accepte historique et covariables passées ou futures connues ; elle ne dialogue pas et ne génère pas de texte.
Séries temporelles · Poids avec restrictions↗ xAIModèle vocal propriétaire disponible depuis le 14 octobre 2026 pour des conversations bidirectionnelles en audio et en texte. Son identifiant versionné est grok-voice-3.0 ; grok-voice-latest est un alias qui pointe déjà vers cette version, et non un autre modèle. Il remplace Grok Voice 2.0, désormais obsolète, sans modifier le point de terminaison, les paramètres de session ni les événements. À ne pas confondre avec Grok Voice Transcribe 2.0 ou le service distinct de synthèse vocale.
Voix et audio · Propriétaire payant↗ Ai2Système d’Ai2 annoncé le 14 octobre 2026 associant l’émulateur atmosphérique ACE2S-X-SHiELD au modèle de diffusion HiROv2. Il transforme des champs d’environ 100 km en données à 3 km de précipitations, vent à dix mètres et pression au niveau de la mer. Le dépôt public contient les deux checkpoints, la configuration et des exemples de données ; sa création le 12 octobre n’est pas confondue avec l’annonce. Ce n’est ni un assistant conversationnel ni un générateur d’images conventionnelles.
Séries temporelles · Poids ouverts↗ MicrosoftCheckpoint de Microsoft basé sur Qwen3.5-4B qui transforme des conversations textuelles en descriptions de la tâche et du comportement observé. Les poids ont été déposés dans le dépôt officiel le 14 octobre 2026. Il génère des représentations destinées à un simulateur distinct : il ne produit pas lui-même les tours de parole de l’utilisateur et n’exécute pas sa tâche. Malgré l’architecture multimodale héritée du modèle de base, cette publication n’accepte que le texte et a été évaluée en anglais.
Texte et raisonnement · Poids ouverts↗
Analyse technique du modèle de NVIDIA pour convertir les contrôles de simulation en vidéo RGB. Nous évaluons son architecture, les benchmarks publiés, les exigences matérielles et les limites physiques qui empêchent son utilisation comme simulateur certifié.
22 oct. 2026 ↗
Évaluation rigoureuse du modèle de synthèse vocale de Mistral : architecture hybride, métriques d'évaluation, prix par caractère et limites pratiques pour les équipes d'ingénierie.
22 oct. 2026 ↗
Évaluation technique de la variante de transcription hors ligne de Mistral : architecture, métriques du fournisseur, exigences de déploiement et critères pour décider de son utilisation face aux alternatives.
22 oct. 2026 ↗
Z.AI présente GLM-5.1 comme un modèle destiné à l’ingénierie agentique, et sa fiche apparaît sur Hugging Face. Mais les informations disponibles ne suffisent pas à confirmer sa licence, ses exigences d’exécution, son prix officiel ni ses résultats aux benchmarks. Ce guide distingue ce qui est documenté de ce qui reste à vérifier et propose une liste de contrôle pour l’évaluer.
03 oct. 2026 ↗
Cohere attribue à Embed 5 Pro le meilleur résultat moyen parmi les modèles qu’elle a testés et souligne ses performances en récupération de documents financiers. Les informations disponibles ne permettent pas de vérifier le score, la méthodologie, le prix exact ni toutes les conditions d’utilisation.
03 oct. 2026 ↗
Les éléments fournis identifient Embed 5 Fast comme une variante de la famille Embed 5, mais ne suffisent pas à confirmer ses modalités d’entrée, sa disponibilité selon les canaux, son prix applicable ni ses résultats en recherche. Voici ce que l’on peut affirmer et ce qui reste à vérifier.
03 oct. 2026 ↗
Google présente Gemini 3.8 Live Extended Thinking comme un modèle audio-à-audio pour Live API, recommandé lorsqu’un raisonnement plus approfondi en arrière-plan est nécessaire. La documentation disponible ne démontre pas à elle seule que cette fonction réduise les erreurs ou améliore la latence : ces questions doivent être évaluées à l’aide de tâches et de conditions contrôlées.
02 oct. 2026 ↗
Google présente Gemini 3.8 Live comme un modèle de dialogue en temps réel, mais les sources disponibles ne permettent de confirmer ni un tarif, ni des résultats quantitatifs, ni l’ensemble des conditions d’accès. Ce guide distingue les affirmations du fournisseur des vérifications qu’une équipe doit effectuer dans sa propre intégration.
02 oct. 2026 ↗
ElevenLabs présente v4 Turbo comme une variante à faible latence et publie une latence médiane d’inférence proche de 100 ms. Ce chiffre ne correspond pas au temps de réponse d’un agent complet : la méthode de mesure, les conditions d’accès, le coût applicable et les éléments de sécurité propres au modèle restent à préciser.
02 oct. 2026 ↗