Sorties de modèles et inférence locale
Efficacité de Qwen3.8 Flash Next. La communauté parvient à faire tourner Qwen3.8 Flash Next sur du matériel modeste en déplaçant soit la table n-gram/PLE vers le SSD, soit les experts actifs vers la VRAM ; un GGUF AtomicChat a fait passer la RAM de 106 Go à 65 Go. Un cluster de deux DGX Spark a atteint 181 tok/s au total sur 9 agents, et une RTX 3090 avec 64 Go de RAM décode à 16 tok/s.
- Qwen 3.8 Flash Next ngram look up table offloaded to SSD and streamed in SGLang(s'ouvre dans un nouvel onglet)
- AtomicChat/Qwen3.8-Flash-Next-GGUF is Really Good(s'ouvre dans un nouvel onglet)
- Qwen3.8-Flash on RTX3090 + 64GB RAM (but you only need 12GB VRAM)(s'ouvre dans un nouvel onglet)
- 50% tg increase with offloading "hot" experts to VRAM(s'ouvre dans un nouvel onglet)
- Today I hit 181 toks/s (aggregate) on Qwen3.8-Flash-Next on 2x DGX Sparks(s'ouvre dans un nouvel onglet)
- Is it worth running Qwen 3.8 Flash Next on 4x3090 vs 27B?(s'ouvre dans un nouvel onglet)
Quants de Qwen3.8 27B. Les nouveaux GGUF GSQ+RCO pour Qwen3.8-27B entre 2,5 et 3,0 bpw égalent ou surpassent les quantifications précédentes. Par ailleurs, un Qwen 3.8 27B non censuré en Q5 a guidé un utilisateur dans la récupération d'un téléphone en boucle de démarrage via fastboot.
Poids ouverts GLM-5.3. GLM-5.3 utilise la même base que GLM-5.2, mais le post-entraînement apporte des gains importants en codage et en cybersécurité, dont une amélioration de 50 % sur Z.ai Code Bench. La prise en charge est arrivée rapidement dans la branche ds4 et le visualiseur Hugging Face.
Synthèse vocale Breeze-TTS-2. Breeze-TTS-2 est un modèle de synthèse vocale d'environ 7 Go que les premiers testeurs jugent de qualité véritablement de pointe. Il est disponible via le playground ou en local.
Quants GGUF mal étiquetés. Un audit a révélé que 64 des 443 quants GGUF portent des noms de fichier annonçant une faible précision, mais contiennent en réalité des poids à ~4,5 bpw, car llama.cpp substitue un type de repli. Les téléchargeurs ne voient jamais l'avertissement, si bien que la qualité peut être inférieure à la taille annoncée.
Agents et recherche
Chercheurs automatisés en alignement. Des chercheurs d'Anthropic ont montré que des systèmes automatisés peuvent améliorer les benchmarks d'alignement en fouillant la littérature, en proposant des méthodes et en s'entraînant 30 minutes par itération. Les systèmes ont amélioré les 10 benchmarks de comportements problématiques testés sans dégrader les performances globales.
Co-Scientist en laboratoire. Le Co-Scientist de Google DeepMind planifie désormais des expériences, écrit du code, pilote les équipements de laboratoire et rédige des articles, avec des modules de vérification qui recoupent les affirmations numériques avec les journaux d'exécution. Il a été validé dans trois disciplines.
Agents Codex persistants. OpenAI teste un mode persistant pour Codex qui maintient les agents actifs de manière proactive jusqu'à leur mise en veille, génère des tâches de suivi et contacte les utilisateurs. Des préoccupations de sécurité subsistent, notamment des comportements passés comme la suppression de données sur demande.
Rumeurs de patch en exploits. Les agents de codage peuvent transformer une rumeur de bug en exploit fonctionnel en quelques minutes après la diffusion d'un patch, comme observé dans des projets OCaml. Cela remet en question les pratiques d'embargo existantes dans l'open source.
Confiance en la recherche agentique. EchoNet benchmarke neuf modèles ouverts sur l'arbitrage épistémique lors de recherches agentiques, en opposant les connaissances antérieures à de fausses pages, de fausses majorités et de vraies mises à jour. Le test mesure si les modèles ignorent les vraies mises à jour ou croient la désinformation.
Recherche sur les agents. Deux nouveaux articles font progresser les capacités des agents : RLHEV utilise le développement agentique de jeux pour créer des récompenses vérifiables pour les modèles du monde, et UrbanGround benchmarke des agents MLLM dans une simulation de Hong Kong à l'échelle réelle.
Matériel et outils pour développeurs
Tension sur la mémoire HBM. Micron indique que le HBM nécessite environ trois fois plus de surface de wafer que la DDR5 pour la même capacité, et que ce rapport ne s'améliorera pas. Le passage au HBM réduit de fait l'offre de DRAM des deux tiers en Go, ce qui maintient la pression sur la mémoire.
Meta MTIA 300. Meta a détaillé son premier accélérateur maison pour l'entraînement des recommandations, le MTIA 300, avec douze NIC de 800 Gbps intégrées au package et 1,2 To/s d'E/S totales. La conception vise les charges de travail riches en embeddings, où la communication réseau est le goulot d'étranglement.
Tenstorrent Quietbox 2. Un développeur a reçu sa Tenstorrent Quietbox 2, notant que 256 Go de mémoire système et 128 Go de GDDR interconnectée offrent un excellent rapport qualité-prix. Il prévoit d'explorer des déploiements de modèles sur cette architecture.
ROCm 10.0. AMD a publié ROCm 10.0, positionné pour l'ère de l'IA agentique, avec une PR llama.cpp en attente. Cette version succède à la 7.14, sortie il y a tout juste un mois.
Données locales et robotique. llmog auto-annote des ensembles de données avec des LLM locaux via llama.cpp ou vLLM. LeRobot de Hugging Face devient la pile open source par défaut pour l'apprentissage robotique en standardisant les données et les boucles d'entraînement.
Affaires et transactions
Dette GPU de Lambda. Lambda a levé 1 milliard de dollars de dette privée à court terme pour acheter des puces Nvidia qu'elle louera à Microsoft, après des prêts GPU antérieurs. L'entreprise serait en discussions pour une levée de fonds pré-IPO de 3 milliards de dollars.
M&A open-weight. Nvidia serait en train d'acquérir Hugging Face pour 13 milliards de dollars, après des accords avec Poolside et le rachat d'OpenRouter par Stripe. Les capitaux affluent vers l'IA open-weight tandis que Nvidia cherche à rester neutre au-delà des laboratoires de pointe.
OpenAI lâche Cursor. OpenAI cessera de fournir des modèles à Cursor d'ici le 12 novembre 2026, après son acquisition par SpaceX, invoquant son incapacité à faire confiance aux entreprises d'Elon Musk pour respecter les conditions d'utilisation.
Cadre de Meta chez OpenAI. Sandhya Devanathan, vice-présidente de Meta pour l'Inde et l'Asie du Sud-Est, rejoint OpenAI pour superviser la croissance et les partenariats dans la région, après qu'OpenAI a recruté chez Uber son responsable pour l'Inde.
Calendrier AGI d'OpenAI. Le directeur scientifique d'OpenAI, Jakub Pachocki, affirme que le modèle Astra, non publié, atteint son objectif de stagiaire de recherche en IA automatisé, et Sam Altman estime que l'AGI sera déclarée en interne d'ici décembre 2026.
Politique et société
Anthropic gagne au tribunal. Un juge fédéral a jugé que la mise à l'index d'Anthropic par le Pentagone constituait une rétorsion illégale à sa position sur la sécurité des armes autonomes et de la surveillance de masse. Les directives ont été annulées, mais une affaire distincte est toujours en cours.
- Trump blacklisting of "woke" Anthropic deemed illegal by federal judge(s'ouvre dans un nouvel onglet)
- Anthropic gets its first court win over the Pentagon’s supply-chain risk label(s'ouvre dans un nouvel onglet)
- U.S. court rules Pentagon's blacklisting of Anthropic was unlawful(s'ouvre dans un nouvel onglet)
Règle de l'EPA sur l'air. L'EPA de Trump prévoit de supprimer une règle exigeant un avis public et une période de commentaires pour les permis d'émissions de certains sites industriels, ce qui, selon les défenseurs, permettrait aux développeurs de data centers de démarrer les travaux sans prévenir les riverains.
Confidentialité des lunettes IA. Meta a mis à jour ses lunettes IA afin que la caméra s'arrête si le voyant d'enregistrement est masqué, comblant une faille qui permettait d'enregistrer sans consentement.
Beatport bannit l'IA. Beatport bloquera les morceaux créés entièrement ou principalement par IA sur sa marketplace DJ, tout en autorisant les titres assistés par IA avec un signalement. Un sondage a montré que 77 % des utilisateurs préfèrent la musique faite par des humains.
Ouverture du leaderboard ASR. L'Open ASR Leaderboard a ajouté sa première langue du Sud global et a travaillé à rendre le WER plus difficile à contourner grâce à des splits privés réservés et à des correctifs du normalisateur.
C'est tout pour cette journée – environ 5 minutes de lecture.