3 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.
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.