Kimi K3.1 weights OUT, open source computer use, SOTA image model, science model, Pika H3: AI NEWS

Cette semaine a été particulièrement riche en annonces de modèles d'IA. Moonshot a dévoilé Kimmy K 3.1 Pro, un modèle de pointe en open-source et open-weights, qui se positionne juste derrière les modèles fermés comme ceux d'Anthropic et OpenAI. Bien que massif (3 trillions de paramètres et nécessitant environ 1,2 To de VRAM), il surpasse Astra dans certains benchmarks et se classe premier dans "Agents Last Exam". Des versions quantifiées devraient bientôt apparaître pour une utilisation locale. North Ka est un autre modèle remarquable, spécialisé dans le contrôle informatique. Il existe en plusieurs tailles, le plus grand comptant 397 milliards de paramètres (17 milliards actifs, ce qui en fait un modèle "mixture of experts"). Ses versions plus petites, comme le Nano (9 milliards de paramètres), sont très performantes et potentiellement exécutables sur des appareils mobiles. Il est accompagné d'un "harness" dédié développé par Beo AI. Pruna AI a transformé le modèle vidéo Miniax H3 en un modèle d'image, PH3, axé sur l'efficacité. PH3 génère et édite des images cinq fois plus rapidement (en 8 étapes au lieu de 50) et est sept fois plus petit que Miniax H3. Il excelle dans le photoréalisme, la photographie documentaire et les styles graphiques courts. Les poids sont disponibles sur HuggingFace. Sarvam a lancé Prism, un modèle de décision open-source et open-weights, similaire à Jev. Il est capable de traiter un contexte et plusieurs questions avec des réponses prédéfinies, retournant une probabilité pour chaque réponse en une seule passe. Il ne génère pas de texte, mais sélectionne parmi les options proposées. Il nécessite une espace disque conséquent (106 Go). MIT a développé Hydrogen 1.0, un modèle post-entraîné à partir de GLM 5.3, spécifiquement conçu pour la découverte scientifique. Il surpasse d'autres modèles sur le benchmark "Frontier Science" et est beaucoup plus économique qu'Astra. Il peut simuler des phénomènes physiques complexes, comme la fonte d'un polymère au niveau moléculaire, et générer le code associé pour une visualisation 3D interactive. Perplexity a publié Perplexity Embed V2, des modèles d'embedding vision-langage open-source et open-weights, disponibles en versions 9 milliards et 600 millions de paramètres. Ces modèles sont excellents pour la recherche d'informations textuelles et visuelles dans des documents. Ils sont suffisamment petits pour être exécutés localement. Quinn 3.5 4B est un modèle de codage de seulement 4 milliards de paramètres, très performant pour la génération de scènes 3D interactives en HTML, JavaScript et 3JS. Il est particulièrement utile pour les développeurs indépendants et la création d'assets 3D pour les jeux. Pika Labs a sorti Pika 3 H3 Flex, un modèle texte-vidéo basé sur Miniax H3, mais plus rapide et meilleur. Il génère des clips vidéo jusqu'à 4K, plus rapidement que le temps réel, avec des stems audio exportables. Il peut produire un clip de 15 secondes avec bande sonore en 7 secondes, pour un coût très bas (à partir d'un centime par seconde). Il est également capable de combiner plusieurs assets (images, sons) pour créer des vidéos complexes avec un contrôle éditorial avancé. ServiceNow a dévoilé APL Voice 27B, un modèle vocal open-source et open-weights, capable de traiter simultanément texte, images et voix pour accomplir des tâches. C'est un modèle compact, exécutable localement, qui combine un encodeur vocal, des embeddings textuels et une interface visuelle pour agir en fonction de la compréhension de l'utilisateur. Diffusive Space AI propose Clover, un modèle "mixture of experts" de 35 milliards de paramètres (3 milliards actifs) qui se distingue par sa vitesse de génération, typique des modèles de diffusion. Il a démontré sa rapidité en complétant une tâche de calcul d'itinéraire bien plus vite qu'un autre modèle. Liquid AI présente LFM3, un nouveau modèle "liquid foundation" conçu pour le déploiement sur appareil. Avec seulement 1,7 milliard de paramètres, il surpasse des modèles plus grands et tient dans environ 1 Go de mémoire. Il offre une fenêtre contextuelle de 256k tokens, peut être affiné sur un seul GPU, et comprend la vidéo, le texte, la conscience spatiale et le raisonnement pas-à-pas. Bite Research a lancé Unlimited OCR 2, un modèle OCR open-source capable de traiter des documents de longueur quasi illimitée avec une grande précision et efficacité, même sur des documents de 5000 pages. Enfin, OpenAI a proposé GPT 6.1 Terra, un modèle propriétaire mais très performant et économique. Il est décrit comme excellent pour le montage vidéo, coûtant beaucoup moins cher que des modèles précédents tout en étant plus performant. Il est remarquablement rapide, traitant les tâches trois fois plus vite qu'Astra pour un dixième du prix par token.