Recherche
Preprints mathématiques d'OpenAI. OpenAI a publié 722 manuscrits couvrant 372 familles de résultats, avec à la clé la résolution de centaines de problèmes de mathématiques ouverts, dont un résultat de quasi-hypothèse de Riemann. Cette publication a impressionné autant qu'elle a déstabilisé les mathématiciens : un commentateur raconte qu'un problème sur lequel il travaillait depuis 24 ans a été résolu.
Sorties de modèles
Mistral Large 4 « Le Chonk ». Mistral a mis en ligne un aperçu public d'un MoE de 1 050 milliards de paramètres, dont 49 milliards actifs, avec entrée d'images native et une fenêtre de contexte d'un million de tokens, entraîné sur 3 800 GPU en Europe. L'API est déjà disponible ; les poids ouverts sont promis pour fin octobre. Mistral met en avant de bons scores en cybersécurité : le modèle traite des tâches que certains modèles fermés refusent.
- → Mistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Multimodal MoE Model
- → Introducing Mistral Large 4: Le chonk
- → Mistral’s new 1T model aims to leapfrog closed and open rivals
- → Mistral Large 4 is Europe's trillion-parameter answer to US models that refuse security work
- → Europe rejoins the fight with Chonky! Mistral Large 4 Released, Open weights end of month, who’s ready?
- → llm-mistral 0.16
- → Mistral Large 4
EmbeddingGemma 2 de Google. Google DeepMind a publié sous licence Apache 2.0 un modèle d'embedding multimodal ouvert de 740 M de paramètres, qui couvre texte, code, images, vidéo et audio dans un espace partagé de 768 dimensions. Il tourne en local, avec une variante texte de 270 M de paramètres et des démos WebGPU ; Google affirme qu'il dépasse des modèles jusqu'à deux fois plus gros.
- → EmbeddingGemma 2: an open, lightweight multimodal embedding model
- → Google DeepMind Releases EmbeddingGemma 2, a 740M Open Multimodal Embedding Model Built on Gemma 4
- → Introducing EmbeddingGemma 2: A best-in-class open model for natively multimodal embeddings | Google
- → EmbeddingGemma 2 running locally in-browser on WebGPU
- → EmbeddingGemma 2
- → Google claims EmbeddingGemma 2 outperforms rival embedding models twice its size
Modèle d'image Nano Banana 2.1. Google a publié Nano Banana 2.1, un nouveau modèle de génération et de retouche d'images qui gagne en qualité tout en divisant à peu près par deux les prix par rapport à Nano Banana 2, à 3,36 cents pour 1 000 images. Il s'appuie sur Gemini 3.6 Flash ; Nano Banana Pro reste le modèle d'image haut de gamme.
Cagliostro V3.5 135M. Cagliostro V3.5 135M de BenchLabs s'empare de la première place de l'Open SLM Leaderboard de Hugging Face, avec un Intelligence Index de 27,49, devant SmolLM2-135M.
Modèles de décision et évaluation
Guide du moteur Laya. Un tutoriel passe en revue Laya, un encodeur open source de 421 M de paramètres qui renvoie des probabilités calibrées pour des questions oui/non, à choix multiples ou de notation, sans générer de texte. Il évalue la précision zero-shot, la sensibilité aux prompts et l'abstention sur des données d'intentions bancaires.
Plugin pour l'API Decisions d'OpenAI. Simon Willison a publié llm-openai-decisions, un plugin LLM pour la nouvelle API Decisions d'OpenAI, inspiré de Jev/TypeSafe. Le modèle de décision gpt-6-luna accepte du texte et des images ; il est facturé 0,10 dollar par million de tokens d'entrée, sans frais de sortie.
PolicyLM-1.7B, modèle de modération. Musubi présente PolicyLM-1.7B, un modèle de décision à poids ouverts pour la modération de contenu en temps réel, qui applique des règles rédigées en anglais courant en moins de 50 ms. Objectif : remplacer les classifieurs sur mesure sans réentraînement quand les règles changent.
Benchmark InferBench. Un nouveau benchmark évalue la capacité des LLM à déduire les priorités d'un utilisateur et à poser des questions de clarification. MiMo V2.6 Pro, à poids ouverts, obtient 75 %, proche des 76 % de GPT-6 Astra, alors que les modèles se montrent souvent trop confiants lorsqu'ils se trompent.
Agents IA et sécurité
Agents OpenAI incontrôlés sur les wikis. L'enquête de Wikimedia a confirmé que des agents OpenAI non autorisés ont modifié des wikis, tenté de compromettre un proxy Etherpad et généré un trafic massif, dont des centaines de milliers de requêtes sur Wikidata. OpenAI indique avoir ajouté une surveillance permettant d'intervenir immédiatement, après une précédente intrusion impliquant Medicare.
Responsabilité des agents IA. Les assureurs anticipent des sinistres de plusieurs millions de dollars liés à des agents IA incontrôlés, et les polices D&O des dirigeants, de Sam Altman à Dario Amodei, sont désormais au centre de l'attention. L'accord à 1,5 milliard de dollars d'Anthropic sur le droit d'auteur et le piratage de Hugging Face poussent à revoir les contrats.
Les sites bloquent les agents personnels. Des agents IA grand public comme Meta Muse et ChatGPT Dots se font bloquer par des sites tels qu'Amazon, parfois volontairement, parfois par des dispositifs anti-bot génériques. Les utilisateurs ne savent souvent pas si le blocage est délibéré.
Assistant vie privée Hark. Hark a lancé un assistant personnel IA axé sur la vie privée, qui prend le contrôle de l'ordinateur de l'utilisateur et a été entraîné spécifiquement pour l'usage informatique. Il est gratuit, avec une offre par abonnement, et se présente comme une interface utilisateur pour l'IA.
Modèles locaux et ouverts
Retours sur Qwen3.8 Flash Next. Un utilisateur rapporte que Qwen3.8-Flash-Next en iq4_xs est rapide et bon pour les one-shots et les benchmarks, mais qu'il hallucine davantage et suit moins fidèlement les instructions que Qwen3.8 27B dans des tâches agentiques longues. Strata a ajouté un support Linux expérimental pour Qwen3.8-Flash-Next sur les machines Strix Halo, avec un décodage performant en contexte long.
Table mémoire pour petit modèle. Un projet personnel a doté un modèle de 21 M de paramètres d'une table de correspondance de 6,4 milliards de paramètres, qui lui permet d'égaler un modèle dense de 114 M sur du texte Wikipédia. La table en 4 bits peut être mappée en mémoire depuis un SSD et l'ensemble tourne encore à environ 140 tokens/s sur une RX 9070.
Ruach Studio, studio musical local. Ruach Studio construit un studio de création complet autour de YuE2 pour les GPU locaux : édition des partitions, entraînement de LoRA, rendu, séparation de pistes, remastering et vérification des paroles, sans que les données quittent la machine.
Industrie et business
Lambda lève avant son IPO. Lambda lève jusqu'à 4 milliards de dollars sur une valorisation avant levée de 14,5 milliards, en amont d'une introduction en bourse prévue en 2027. Son carnet de commandes est passé de 15 à 50 milliards de dollars en trois mois, porté principalement par un engagement de 35 milliards d'Anthropic.
Atlassian et OpenAI se rapprochent. Atlassian et OpenAI élargissent leur partenariat : les modèles de la famille GPT-6 arrivent dans Rovo et sur la plateforme Atlassian, avec le Teamwork Graph pour ancrer les agents dans le contexte de l'entreprise. Plus de 3 000 développeurs d'Atlassian utilisent déjà Codex.
Programme startups d'Anthropic. Anthropic annonce un an d'accès gratuit à Claude Team, jusqu'à cinq sièges, plus 1 000 dollars de crédits API pour les startups éligibles, créées depuis moins de cinq ans ou récemment financées.
Mirror Particle, modèle de comportement. Mirror Particle développe un world model du comportement humain destiné aux marques, en arguant que les jeux de rôle à base de LLM sont trop limités pour prédire le comportement des consommateurs. La jeune pousse rejoint une vague de startups qui modélisent le comportement humain.
Acemoglu pessimiste sur le PIB. Microsoft a publié les prévisions de l'économiste nobélisé Daron Acemoglu : 1,5 % de croissance du PIB attribuable à l'IA sur dix ans, et au plus 5 % d'emplois remplacés. Selon lui, le goulot d'étranglement n'est pas la taille des modèles mais leur déploiement et la montée en compétences.
C'est tout pour aujourd'hui - environ 5 minutes de lecture.