8 billet(s)
Mistral AI publie Timestral, une famille de quatre modèles préentraînés pour la prévision probabiliste de séries temporelles. Les modèles couvrent de 5 à 209 millions de paramètres et prennent en charge les variables multiples ainsi que les covariables passées ou futures.
Liquid AI publie d1-3B et la version expérimentale d1-omni-600M, deux modèles open weight produisant des décisions structurées sans génération de tokens. Les modèles ciblent notamment l’inférence multimodale à faible latence sur GPU et appareils Jetson.
Deux prépublications proposent des approches complémentaires contre l’injection de prompt : un benchmark pour les systèmes RAG et un entraînement adversarial pour les agents web. Les résultats portent respectivement sur 4 876 exemples et 150 tâches web.
Des évaluations communautaires de Bonsai 2 27B montrent qu’une quantification ternaire peut préserver certaines capacités de Qwen3.8 dans une empreinte de 6 à 8 Go. Les résultats signalent toutefois une forte consommation de tokens, une latence accrue et des performances variables selon les benchmarks.
TypeSafe AI a sorti Jev, un modèle qui ne génère pas de texte mais des décisions typées avec probabilités. En 72 h, la communauté en a reproduit l'interface avec des modèles ouverts ; une rétro-ingénierie de l'API, un modèle ouvert (Laya) et une réplique fidèle (kev) ont suivi. Ce que personne n'a démontré : la calibration hors distribution.
H3-World transforme le générateur vidéo MiniMax-H3 en modèle du monde contrôlable par des instructions textuelles associées aux intervalles temporels. L’adaptation repose sur 8 000 échantillons de gameplay, 10 000 étapes LoRA et 0,199 % de paramètres entraînables.
Johann Rehberger décrit une injection de prompt conduisant à l’exécution de code dans Claude Code Opus 5 malgré le mode Auto. Le taux de réussite observé, sur un petit échantillon, est annoncé entre 60 et 80 %.
Anthropic documente plusieurs usages internes de Claude Tag dans Slack, de l’analyse de données à la gestion des incidents CI/CD. Ces retours mettent l’accent sur le contexte conversationnel, les permissions, la mémoire et l’observabilité.