Sorties de modèles
Mercury 3, LLM de diffusion. Inception a publié Mercury 3, un modèle de langage à diffusion qui génère les réponses en parallèle et atteint 1 068 tokens par seconde avec un contexte de 1 million de tokens. Disponible uniquement via API, le modèle devance GPT-6 Luna et Claude Haiku 5.5 sur 8 des 12 benchmarks.
MiniMax M3.1 Flash. MiniMax a lancé M3.1 Flash, un MoE à 428B de paramètres, dont environ 23B actifs, avec un contexte de 1 million de tokens, au prix de 0,15 $ par million de tokens d’entrée. Il cible les tâches de bureau agentiques et le codage, avec des poids promis pour le 23 octobre.
Nvidia Nemotron et Bolt. Nvidia a publié Nemotron 3.5 Super VL, un modèle à poids ouverts de 120B pour les agents d’entreprise, ainsi que deux modèles Bolt légers destinés aux PC avec IA et aux stations de travail DGX Spark. Ces modèles visent à couvrir les workflows d’agents toujours actifs sur les segments edge et entreprise.
Modèles audio Ming. InclusionAI a publié Ming-3.0-audio-flash, un MoE de 126B avec 6,5B de paramètres actifs, et Ming-3.0-audio-tiny, un modèle de 9,3B/2,7B, tous deux sous licence MIT. Ils acceptent l’audio et le texte et prennent en charge la reconnaissance vocale, les questions-réponses à l’oral et la compréhension de longs enregistrements.
Drex Max, modèle de décision. Nace AI a publié Drex Max, un modèle de décision multimodal pour agents pilotant un ordinateur qui lit le texte et les images et renvoie des probabilités calibrées sans générer de texte. Il obtient 67,59 sur Decision Index 0.3.2 et n’est disponible que via API hébergée.
Outils et frameworks
TorchNeuron pour Trainium. AWS a publié TorchNeuron, un outil qui permet aux applications PyTorch de tourner sur les puces Amazon Trainium en changeant une ligne de configuration. Il vise l’avantage logiciel qui a fait de Nvidia le choix par défaut pour le matériel d’IA.
Support Cohere pour llama.cpp. Cohere a intégré dans llama.cpp la prise en charge de son encodeur visuel North Micro Vision Instruct, rendant toutes ses dernières architectures compatibles avec llama.cpp. Cohere Transcribe est aussi désormais disponible dans Unsloth.
Berth, gestionnaire de GPU. Berth est un service système qui surveille un GPU et permute les moteurs LLM pour éviter les collisions de VRAM et les changements manuels. Il peut servir des moteurs via une API et fonctionne sur plusieurs appareils partageant un même GPU.
VoiceManager et HermesConsole. VoiceManager est un serveur STT/TTS de streaming à faible latence qui tourne en local via WebSocket et prend en charge les mots d’activation, le barge-in et les conversations à tour de rôle. HermesConsole est un client de démonstration montrant comment ajouter la voix aux agents.
Volundr, 262K de contexte. Blockway a construit un moteur d’inférence sur mesure, Agens Engine, pour son modèle Volundr de 32B, en faisant tenir de longues sessions d’agents dans un budget de 16 Go de GPU grâce au remplacement d’un cache KV croissant par des états de taille fixe dans 54 des 72 couches.
Sécurité et risques liés aux agents
Guardian Agents de Microsoft. Microsoft a présenté Guardian Agents, chargés de surveiller les agents d’IA d’entreprise comme des menaces internes, en élargissant les équipes red/blue/green de Project Perception. Le PDG Satya Nadella a averti que des agents déployés pouvaient se comporter comme des employés incontrôlables.
Fuite de clés API OpenCode. Des hackers ont compromis un ancien système OpenCode, touchant 1,4 % des utilisateurs d’OpenCode Console et exposant potentiellement des clés API. L’entreprise a décrit l’incident comme une attaque de distillation à grande échelle.
Des agents IA à l’assaut. Un hacker a utilisé une armée d’agents IA orchestrés via la plateforme open source Cairn pour s’introduire dans plus de 100 sites web, dont John Deere, SharkNinja et Cummins, avec très peu d’intervention humaine.
Red-teaming d’IA physique. Laplace Intelligence développe un red-teaming automatisé pour la robotique et les voitures autonomes, afin de mettre à l’épreuve l’IA physique avant son déploiement et de produire des éléments de preuve pour les assureurs et les régulateurs.
Business et compute
Anthropic et Nscale en discussion. Anthropic et Nscale seraient en discussions pour un second accord de compute de 45 milliards de dollars, un peu plus d’un mois après l’annonce du premier. Les deux entreprises préparent leur IPO, sur fond d’inquiétudes des investisseurs sur les dépenses de compute en IA.
Secousse chez les neoclouds. Les obligations de CoreWeave ont basculé en zone de détresse, et des dirigeants du secteur s’attendent à ce que seuls sept à dix neoclouds survivent d’ici quelques années. Nvidia est fortement exposé, avec 45 % de son chiffre d’affaires data center réalisé auprès de clients hors des grands groupes tech.
Tenstorrent lève 1,5 Md$. Tenstorrent a levé 1,5 milliard de dollars sur la base d’une valorisation de 6,2 milliards pour industrialiser ses puces d’IA à poids ouverts après avoir décliné des marques d’intérêt pour un rachat. La société se concentrera sur les puces d’inférence pour servir des modèles ouverts et la génération vidéo.
Accord Disney-Character.AI. Character.AI s’est déclarée en faillite dans le cadre d’un accord permettant à Disney d’embaucher la plupart de ses salariés, d’acquérir potentiellement sa technologie et d’éviter les responsabilités juridiques de la start-up. La structure laisse les entités restantes gérer les procès.
Stripe et les paiements d’agents. Stripe indique que les agents IA utilisant son service de paiement Link ont vu leurs transactions multipliées par 38 en septembre, sans communiquer de chiffres absolus. Environ 200 agents, dont Muse de Meta et Grok Bot, utilisent désormais Link, principalement dans le commerce de détail et le voyage.
Politique et société
Mamdani appelle à résister. Le maire de New York, Zohran Mamdani, a exhorté les habitants à résister à l’idée que l’IA est inévitable, citant l’inaction fédérale en matière de régulation. Il a récemment interdit l’IA dans les écoles primaires et les collèges et veut que les villes demandent des comptes aux entreprises d’IA.
Le web adapté aux agents. Alors que les agents IA personnels d’OpenAI et de Meta montent en puissance, de nombreux sites les bloquent, et repenser Internet pour les agents pourrait dégrader l’expérience des humains. Le trafic web agentique a triplé entre août et septembre.
La confiance dans les benchmarks. Le directeur des politiques publiques de Hugging Face a déclaré que l’évaluation des modèles restait une science en maturation et que la reproductibilité dépendait de l’accès aux poids. Une analyse indépendante de 1 629 résultats publiés a montré que les labos d’IA annoncent des scores supérieurs de 6,4 % en moyenne à ceux des testeurs indépendants.
Les démocrates et l’IA. S’ils reprennent le Congrès, les dirigeants des principales commissions démocrates ont signalé qu’ils examineront les entreprises d’IA sur les crédits d’impôt accordés aux data centers et les incidents de piratage, et pourraient convoquer des PDG à témoigner. L’IA occupe une place croissante dans les publicités de campagne de mi-mandat.
Recherche et interprétabilité
Percée en interprétabilité. Un billet de 26 000 mots du chercheur de Goodfire Nick Cammarata soutient que les LLM pourraient être bien plus faciles à comprendre, à surveiller et à contrôler qu’on ne le pensait. Si c’est vrai, cela pourrait répondre au besoin urgent du secteur de maîtriser le comportement des agents.
Codage en langages rares. OpenAI a annoncé des capacités renforcées pour construire et migrer des logiciels en COBOL, Fortran et Visual Basic, des langages qui font tourner des infrastructures critiques mais disposent de moins de données d’entraînement. Ces travaux ciblent la maintenance et la modernisation en entreprise.
Réflexion adaptative par entropie. Une expérience sur un LLM local utilise l’entropie au niveau des mots et des portes de type Jev pour déclencher des blocs de réflexion uniquement lorsque le modèle est incertain, avec des arbres de conversation parallèles qui sélectionnent la meilleure branche. L’approche vise à réduire les tokens de raisonnement inutiles.
EmbeddingGemma 2. Google a publié EmbeddingGemma 2, un modèle d’embedding multimodal compact sous Apache-2.0 qui représente texte, code, images, vidéo et audio dans un espace unifié de 768 dimensions pour la recherche embarquée et le RAG.
C'est tout pour cette journée – environ 5 minutes de lecture.