Modèles de raisonnement
Les modèles de raisonnement sont une nouvelle classe d'IA qui « réfléchit » avant de répondre : ils consacrent du calcul supplémentaire à l'inférence, construisent des chaînes de raisonnement et résolvent des problèmes hors de portée des LLM classiques — mathématiques, code, science. Ils ont lancé la course au test-time compute. Voici toute notre couverture des modèles de raisonnement : sorties, benchmarks (GPQA, ARC-AGI), limites et coût.
NEWNVIDIA AI BlogNVIDIA lance Nemotron 3.5 Super VL (120B) et les modèles Bolt pour agents locaux
AWS Machine Learning BlogAWS lance Multi-Turn RL dans SageMaker : gpt-oss-20b passe de 15 à 69% pour $339
Cognition BlogCognition lance FrontierCode 2.0 : le meilleur score plafonne à 45,5%
Hugging Face BlogReflection lance Beam : un modèle MoE ouvert de 501B de paramètres sous licence Apache 2.0
Hugging Face BlogMeta ouvre Muse Spark Open : un MoE de 816 milliards de paramètres et un contexte de 1 million de tokens
arXiv cs.CLWhoWins : la première ligne d'un prompt l'emporte dans 72 à 95 % des conflits
Cloudflare AI BlogCloudflare réduit de 68 % le coût de ses revues de code par IA : de $2,43 à $0,77
Hugging Face Daily PapersS3AC ramène le critique dans le RL pour LLM : des gains de 1,5 B à 397 B de paramètres
Meta ouvre Muse Spark Open : un MoE de 816 milliards de paramètres et un contexte de 1 million de tokens
Meta publie Muse Spark Open, un modèle open-weight de 816 Md de paramètres (42 Md actifs par token). Il accepte texte, images, audio et vidéo, et il est optimisé…
WhoWins : la première ligne d'un prompt l'emporte dans 72 à 95 % des conflits
Anish Laddha et ses coauteurs ont testé 14 modèles ouverts sur 1,9 M de réponses : la position d'une instruction pèse souvent plus que le rôle system, et les…
Cloudflare réduit de 68 % le coût de ses revues de code par IA : de $2,43 à $0,77
Cloudflare a ramené le coût d'une revue de code par IA de $2,43 à $0,77 et la revue médiane de 4m09s à 1m32s : cache de prompts, moins d'appels et nouveaux modèles.
Harvard, Berkeley et NVIDIA cherchent une loi d'échelle pour les robots : +37,4 points sur cinq benchmarks
Maia 300 : comment Microsoft réduit sa dépendance aux GPU Nvidia avec sa propre puce IA
Un critique indépendant fait gagner 5.9 à 9.5 points de pourcentage aux agents de codage
Meta lance Muse Wonder et Muse Wonder Full : l'indice d'intelligence passe de 48 à 56
Il y a déjà 18 agents IA russes pour le code, mais « russe » signifie trois choses différentes
Le recensement de RuBench a dénombré 18 agents IA russes pour le développement (10 pour IDE/CLI et 8 constructeurs) : de GigaCode, SourceCraft et Kodik à T-Code…
Alibaba Qwen dévoile TRACE : le Rollout en FP4 jusqu'à 5,4 fois plus rapide
L'équipe Qwen propose TRACE, une méthode de RL pour grands modèles : poids, activations et KV-cache en FP4 pendant le Rollout, pour une accélération jusqu'à 5,4…
Agent IA spécialisé contre couteau suisse universel : comment nous avons réduit la latence de réponse de 17 à 7,7 secondes
Moonshot lance Kimi K3.1 Pro : 55 points et 2 $/10 $ par million de tokens
L'université de Pittsburgh cherche une carte 3D dans les VLM : comment un modèle voit une pièce
Apple et CMU multiplient par 10 la vitesse des agents IA en remplaçant le raisonnement par un choix
Des chercheurs testent 16 types d'indices pour l'OPSD et dégagent une métrique de sélection
16 configurations d'informations privilégiées, 3 benchmarks agentiques, 3 modèles : les métriques KL prédisent l'utilité des indices pour l'OPSD mieux qu'un test…
Compétence contre précision : pourquoi GPT et Qwen perdent leur logique face aux variations
Une nouvelle méthodologie, la CBE (Competence-Based Evaluation), révèle un défaut fondamental dans le raisonnement logique des LLM : même les modèles GPT et Qwen…