AI FRONTIER
Signals worth understanding before they become obvious.
Nouveau modèle OpenRouter : Particle-1 de Particle AI
Particle-1 est un modèle de codage agentique économe en tokens de Particle AI, post-entraîné sur DeepSeek V4.1 Flash, destiné aux workflows en terminal, aux modifications de bases de code et aux tâches d'ingénierie de données, avec nettement moins de tokens de raisonnement et d'appels d'outils pour une précision proche...
- Tarification : 0,25 $ par million de tokens d'entrée et 1,00 $ par million de tokens de sortie, lecture du cache à 0,03 $ par million.
- Fenêtre de contexte de 1 048 576 tokens, avec prise en charge de jusqu'à 131 072 tokens de complétion.
- Accepte tools et tool_choice pour l'appel de fonctions et prend en charge les sorties structurées via un schéma JSON dans response_format.
- Accepte le texte et les images en entrée et renvoie du texte ; date de sortie le 28 octobre 2026.
Pour les équipes qui construisent des agents de codage, Particle-1 offre un prix par token bas et un contexte de 1M à tester, mais son affirmation de précision proche du modèle de base doit être vérifiée indépendamment.
Polymathic AI et des chercheurs de Princeton publient FlashMap, un drafter à carte de flux qui accélère le décodage des LLM de 6,14x
Polymathic AI et des chercheurs de Princeton ont publié FlashMap, un drafter à carte de flux pour le décodage des grands modèles de langage, dont le résumé de l'article rapporte une accélération du décodage de 6,14x.
- Le résumé de l'article rapporte que FlashMap accélère le décodage des LLM de 6,14x.
- FlashMap est décrit comme un drafter à carte de flux.
- Les travaux proviennent de Polymathic AI et de chercheurs de Princeton.
Pour les équipes qui construisent des piles d'inférence, une accélération du décodage par drafter mérite d'être testée sur leurs propres modèles afin de vérifier si le 6,14x rapporté se reproduit sur leurs charges de travail.
NVIDIA Nemotron 3.5 Transcribe et Granary v2 : une transcription multilingue pilotable et adaptable
NVIDIA publie Nemotron 3.5 Transcribe, un modèle à poids ouverts réunissant transcription, attribution des locuteurs, traduction et questions-réponses audio dans un seul checkpoint, avec le pipeline de données Granary v2 et des recettes de fine-tuning NeMo Speech.
- Le modèle transcrit 40 langues, traduit 31 langues vers ou depuis l'anglais et attribue les locuteurs dans 13 langues, pour des enregistrements allant jusqu'à une heure et huit locuteurs.
- Il se classe premier parmi les modèles à poids ouverts du Hugging Face Open ASR Leaderboard pour l'anglais, avec un WER moyen de 5,33 %.
- Sur Artificial Analysis, il est à égalité en tête des modèles à poids ouverts avec 2,8 % d'AA-WER et environ 4B de paramètres actifs, contre 24B pour le modèle à égalité.
- Le manifeste public de Granary v2 couvre 463 062 heures sur 48 langues et 16 corpus sources, contre 25 langues pour Granary v1.
Les développeurs peuvent piloter le format de sortie par prompt en langage naturel, puis adapter le vocabulaire métier via Granary v2 et les recettes NeMo Speech, alliant couverture multilingue et précision spécialisée sur un modèle à poids...
Exposition du cache KV entre requêtes dans le modèle GLM-5.3 Workers AI, et notre remédiation avec SGLang
Le blog Cloudflare signale une exposition du cache KV entre requêtes dans le modèle GLM-5.3 Workers AI et décrit une remédiation utilisant SGLang.
- La source est le blog Cloudflare.
- Le problème est une exposition du cache KV entre requêtes dans le modèle GLM-5.3 Workers AI.
- La remédiation utilise SGLang.
Les développeurs exécutant GLM-5.3 sur Workers AI doivent auditer l'isolation du cache KV et évaluer la remédiation avec SGLang.
OmniBrain-0 : un modèle agentique unifié pour l'intelligence incarnée
L'équipe Xiaomi Embodied Intelligence présente OmniBrain-0, un agent incarné unifié et léger qui coordonne manipulation et navigation via un modèle de décision de haut niveau partagé, intégrant compréhension de la tâche, planification, suivi de progression et récupération guidée par le retour d'expérience. Son cadre d'...
- L'article rapporte une évaluation d'OmniBrain-0 sur LIBERO-Pro, LIBERO-Plus, RoboCasa365, RoboTwin 2.0 et R2R-CE Val-Unseen, ainsi que sur plusieurs tâches de manipulation réelles.
- L'article indique qu'OmniBrain-0 présente une surcharge d'inférence et d'exécution nettement inférieure à celle de son enseignant à code fermé.
- Le cadre d'entraînement combine pré-entraînement incarné, distillation d'agents spécialisés par domaine et distillation on-policy multi-enseignants (MOPD).
- Rubric-Guided Recursive Self-Improvement (RSI) utilise un Meta-Agent pour transformer les preuves d'exécution en rubriques affinées, rappels au niveau des étapes et trajectoires vérifiées.
Pour les équipes qui construisent des agents incarnés, ce travail montre que distiller l'expérience d'interaction de plusieurs enseignants dans un seul modèle de décision compact peut réduire la surcharge d'inférence tout en préservant les ...
MiniMax-M3.1-Flash publié : un MoE multimodal natif de 428B de paramètres avec un contexte de 1M de tokens
MiniMax a publié MiniMax-M3.1-Flash, un modèle mixture-of-experts multimodal natif dérivé de M3, avec environ 428B de paramètres au total et 23B activés par token, acceptant du texte, des images et des vidéos en entrée et produisant du texte avec une fenêtre de contexte allant jusqu'à 1M de tokens. Par rapport à M3, il...
- La fiche modèle indique environ 428B de paramètres au total, 23B activés par token et une MiniMax Sparse Attention (MSA) appliquée dans tout le modèle.
- La fiche modèle rapporte 76,2 sur BankerToolBench, 73,7 % sur DeepSWE v1.1, 61,7 sur OSWorld V2, 29,6 sur Agents' Last Exam et 82,2 sur CyberGym.
- La licence est minimax-community, et SGLang, vLLM ou TokenSpeed sont recommandés pour le service, les intégrations Transformers et autres étant encore en cours.
Pour les développeurs, un contexte de 1M de tokens combiné à l'attention creuse et à l'entraînement conscient de la quantification pourrait réduire la mémoire et le coût d'inférence des charges d'agents à long contexte, mais 428B de paramèt...
LOTUS : détection d'hallucinations des LLM par décomposition multilinéaire de rang faible
L'article propose LOTUS (Low-rank Order-statistic TUcker-based Subspace learning), un cadre de décomposition multilinéaire de rang faible qui extrait des représentations compactes des états cachés des LLM tout en réduisant la dépendance aux données étiquetées, puis entraîne un classifieur d'hallucinations léger.
- Une décomposition multilinéaire de rang faible extrait ensuite des représentations compactes de la structure des états cachés, utilisées pour entraîner un classifieur d'hallucinations léger.
- L'article rapporte une meilleure détection d'hallucinations que les récentes références de pointe sur plusieurs LLM et benchmarks de questions-réponses.
- L'article compte 26 pages et 3 figures, et fournit un lien vers le code.
Pour les développeurs, cette approche suggère d'extraire des signaux de la structure des états cachés à travers les couches, les modes de caractéristiques et les tokens plutôt que d'activations sélectionnées ou d'une compression par pooling...