Actualités

FLUX 3 Image Klein est un modèle de 5,6 Md open weights pour la génération texte-vers-image et l'édition : un seul modèle pour prompt, édition par référence et composition multi-références, avec des boîtes de positionnement dans le prompt. Disponible en BF16, FP8 et NVFP4 (5,3 Go).

inclusionAI publie Ling 3.1 Flash : 560B de paramètres au total, 25B actifs par Token, architecture MoE hybride, Fenêtre de contexte jusqu'à 1M de tokens et licence MIT. En 4 bits, il tient dans 512 Go de Mémoire unifiée : c'est le cas limite de l'article du jour sur le Mac Studio M5 Ultra.

NVIDIA publie sur Hugging Face MagpieTTS Multilingual, un modèle de synthèse vocale compact de 357M de paramètres pour 12 langues, dont l'italien et le français. Architecture encoder-décodeur, pensé pour l'exécution en local à faible Latence.

ARDY est un modèle de diffusion autorégressive de 326M de paramètres pour la génération de mouvement humanoïde interactif en temps réel : prompting textuel en ligne, contraintes cinématiques flexibles (trajectoires, keyframes, poses rares) et séquences jusqu'à 8 secondes. Le checkpoint Core-RP-20FPS-Horizon40, entraîné sur Bones Rigplay 1, est sur Hugging Face depuis le 7 octobre et optimisé pour les GPU NVIDIA Ampere, Hopper et Blackwell.

NVIDIA publie Kumo-Tabular sur Hugging Face, un modèle fondation de 500 millions de paramètres pour les données tabulaires, compatible OpenMDW 1.1 avec des checkpoints prêts à l'emploi : un exemple d'IA locale sur des données structurées de business.

OpenBMB publie MiniCPM-V 4.7, variante 35B-A3B : le premier MoE open-source capable de décoder fluidement sur smartphone sans compromis de qualité — 13+ tokens/seconde avec seulement 3 Go de mémoire sur iPhone 17 Pro Max. Le secret : le Lookahead Expert Scheduling sur llama.cpp-omni, associé à une quantisation fine par couche et à l'échantillonnage spéculatif. Support day-0 pour Rockchip, Intel, AMD et Arm ; Ollama, llama.cpp, vLLM et SGLang.

Autotrust publie JEV-35B, un modèle décisionnel MoE de 35 Md de paramètres (3 Md actifs) fine-tuné sur Qwen3.5-35B-A3B pour la classification de texte et le scoring du risque. En Quantification NVFP4 il occupe environ 25,6 Go de VRAM : il tourne sur une GPU de 32 Go sans passer par le frontier.

Nouveau modèle souverain open weights d'Aleph Alpha, entraîné de zéro en Allemagne avec 78B de paramètres (3,46B actifs) et jusqu'à 1M de tokens de contexte. Conçu pour les environnements critiques : raisonnement multi-étapes, extraction structurée, RAG et tool calling fiable, avec l'allemand et l'anglais natifs. Les poids sont sur Hugging Face, avec un rapport technique complet.

DeepSeek V4.1 Flash pousse l'architecture MoE plus loin : 552 milliards de paramètres au total, mais seulement 8 à 16 milliards actifs par Token, une Fenêtre de contexte de 1M de tokens et une licence MIT. Un modèle conçu pour le service en ligne, mais utile comme référence pour apprendre à lire les fiches techniques des modèles.

Gemma 4, released en mars 2026, marque le changement de licence de la famille Google : pour la première fois, les poids sont sous Apache 2.0. Sont disponibles les tailles E2B, E4B, 26B A4B (MoE) et 31B, avec des fenêtres de contexte jusqu'à 256K tokens et des entrées texte, images et audio. Le 12B Unified est arrivé en juin, une taille idéale pour les PC avec une GPU grand public.

Prism ML publie Bonsai-2 27B en GGUF : un modèle de raisonnement de 27B aux poids ternaires à 1,72 bit par poids, 5,95 Go et contexte de 262K tokens, qui conserve 98,2 % de l'intelligence FP16 et atteint ~47 tok/s sur un laptop Apple M5 Max.

Nouveau modèle de transcription vocale open : streaming temps réel à Latence réduite, pensé pour la dictée en direct et les sous-titres. Un pas de plus vers l'audio qui tourne vraiment en local, sans passer par le cloud.

Qwen-Image 2.1 est un modèle Open-weight de 7B (DiT de 32 couches) qui réunit génération à partir de texte jusqu'à 2048x2048, édition avec jusqu'à 10 images de référence et transparence RGBA native. Avec ~14Go de VRAM en bfloat16, il tourne sur du matériel grand public, et ComfyUI le supporte nativement : un pas concret pour la production d'images sans cloud.

L'équipe Qwen d'Alibaba a publié Qwen3.8-Omni-Flash, un modèle natif omnimodal qui gère texte, images, audio et vidéo ensemble, avec une Fenêtre de contexte d'un million de tokens. Il est construit autour des capacités agent : il planifie les tâches, appelle les outils et produit des contenus audiovisuels finis. La famille Qwen continue de grandir juste pendant que ce guide l'analyse pour l'usage local.

Meta a publié Llama 4, le nouveau modèle linguistique Open Source avec 100 milliards de paramètres. Les performances dépassent GPT-4 sur de nombreux benchmarks et le modèle est optimisé pour l'exécution locale avec quantisation.