AI TrackerActus open source,
pour les devs.
Les dernières actus « open source » de tous les fournisseurs d'IA : lancements, changements de prix et retraits, résumés avec ce qu'ils changent pour vous.
Asahi Linux passe tout son code sous GPL, invoquant le blanchiment de code facilité par l’IA
Asahi Linux, le projet qui apporte Linux aux Mac équipés de puces Apple Silicon, a annoncé dans un rapport d’avancement qu’il faisait passer tous ses dépôts de la licence MIT à la GNU General Public License version 2 ou ultérieure, afin que son code soit uniquement soumis à des licences copyleft. Le projet a annoncé ce changement quelques jours avant le 9 novembre.
Nous Research lance Arete-27B, un Qwen3.8-27B post-entraîné pour faire passer le taux de « ligne du parti » de 22 % à 1 %
Nous Research a annoncé Arete-27B sur X le 6 novembre. Il s’agit d’un Qwen3.8-27B post-entraîné, selon les termes du laboratoire, « pour renforcer les valeurs occidentales ». Nous soutient que les meilleurs modèles ouverts sont chinois et intègrent dans leurs poids des comportements alignés sur l’État.Le Harness Leaderboard compare neuf harnesses d’agents de codage sur des modèles ouverts ; un agent reposant uniquement sur bash arrive en tête
Joel Niklaus a publié le Harness Leaderboard, qui compare neuf harnesses d’agents de codage exécutés sur des modèles ouverts. Dans chaque comparaison, seul le harness change : le modèle, le fournisseur et l’effort de raisonnement restent identiques, et chaque tâche fait l’objet de trois tentatives. Niklaus affirme avoir mené 28 849 essais pour 4 746 $ de coûts d’inférence, avec GLM-5.3-Flash, DeepSeek-V4.1-Flash et Flint sur Terminal-Bench 2.1 et DeepSWE. Au 6 novembre, la publication avait recueilli 625 points sur X.Village : les modèles à poids ouverts sont le meilleur choix pour 3 % des budgets, contre 41 % en juin
Village, qui publie le LLM Atlas, rapporte que les modèles propriétaires occupent désormais presque tous les points du meilleur rapport prix-performances. Selon ses estimations, un modèle à poids ouverts est le plus performant pour 3 % des budgets, presque tous situés dans le bas de gamme (Gemma 4 E4B de Google et MiMo-V2.6-Flash de Xiaomi). En juin, cette part était de 41 %, DeepSeek V4 Flash étant alors à lui seul en tête pour près d’un tiers des budgets. Village indique que la part actuelle est la plus faible qu’il ait mesurée ; à la fin de chaque trimestre depuis 2024, elle était d’au moins 6 %.
Artificial Analysis classe FLUX 3 Image Klein au 2e rang des modèles open weights de génération d’images à partir de texte
Selon Artificial Analysis, FLUX 3 Image Klein de Black Forest Labs, un modèle d’image open weights de 5,6 milliards de paramètres lancé le 15 octobre, occupe la 2e place du classement AA-Image-T2I v2.1, au coude-à-coude avec Qwen-Image-2.1, en 1re place. Dans le classement AA-Image-Editing v2.1, il se classe 3e parmi les modèles open weights. Ces classements sont ceux d’Artificial Analysis.Moonshot releases the open weights of Kimi K3.1 Pro
Moonshot posted on X that it is releasing the model weights of Kimi K3.1 Pro, on Hugging Face as moonshotai/Kimi-K3.1-Pro, and said "we'll keep advancing open intelligence." It had promised the weights by November 4 when it launched the model on October 23.Hermes Agent v0.23.0 ajoute un bureau dans le navigateur, /rewind, les discussions de groupe et des limites de dépenses
Nous Research a publié Hermes Agent v0.23.0, qu’elle appelle la Hearth Release. Voici les points forts présentés par l’entreprise :Artificial Analysis attribue un score de 20 à Nanbeige4.3-33B, modèle à poids ouverts, sur son Intelligence Index, à égalité avec Qwen3.8 27B
Selon Artificial Analysis, Nanbeige4.3-33B, le modèle à poids ouverts de Nanbeige (l’équipe chargée des modèles de fondation au sein de la plateforme chinoise de recrutement BOSS Zhipin), obtient un score de 20 à son Intelligence Index v5, à égalité avec Qwen3.8 27B (xhigh). Les deux sont des modèles denses, totalisant respectivement 33B et 27B paramètres. Artificial Analysis indique que le modèle de Nanbeige est plus performant pour l’utilisation de terminaux, mais moins performant en connaissances, et qu’il établit un nouveau point de Pareto optimal pour l’Intelligence Index rapporté au nombre total de paramètres.Baidu publie en open source ERNIE-5.5-Flash-Base, un MoE clairsemé de 280B de paramètres
Baidu a publié ERNIE-5.5-Flash-Base sur Hugging Face. Sa fiche modèle présente ERNIE 5.5 Flash comme un modèle de langage efficace à mélange d’experts clairsemé, comptant 280B de paramètres au total et 14B de paramètres actifs. Il a été préentraîné à partir de zéro sur 33,5T tokens, avec un contexte d’entraînement de 128K. Le fine-tuning et l’inférence prennent en charge un contexte allant jusqu’à 1M tokens.Ricursive AI lance Ripple-65B Preview, un modèle à poids ouverts dense de 65B pour le codage agentique
Ricursive AI a lancé Ripple-65B Preview le 4 novembre, un modèle de langage dense de 65 milliards de paramètres que l’entreprise affirme avoir préentraîné à partir de zéro. Elle prétend qu’il établit un nouveau record pour les modèles à poids ouverts américains sur les tâches de codage agentique, devançant des modèles bien plus grands qu’elle cite : Muse Spark Open-816B, Beam-501B, Inkling-975B et Nemotron 3 Ultra-550B. Il s’agit des affirmations de l’entreprise.Nous Research regroupe les plugins, connecteurs et compétences de Hermes Agent dans une seule marketplace
Nous Research a annoncé sur X le 4 novembre que les plugins, connecteurs et compétences de Hermes Agent sont désormais réunis dans une seule Hermes Marketplace, où les utilisateurs peuvent parcourir et ajouter des extensions en quelques clics. La marketplace est accessible à l’adresse hermes-agent.nousresearch.com/marketplace.Cloudflare publie en open source une skill d’audit de sécurité pour les agents de programmation
Le compte développeur de Cloudflare a publié cloudflare/security-audit-skill, une skill open source qui transforme un agent de programmation en équipe d’auditeurs de sécurité. Cloudflare indique que cette skill a servi de base à son propre dispositif de détection des vulnérabilités.Perplexity lance pplx-embed-v2-context, des modèles d’embeddings vision-langage à poids ouverts de 9B et 0.6B
Perplexity a lancé pplx-embed-v2-context, deux modèles d’embeddings vision-langage à poids ouverts (9B et 0.6B) sur Hugging Face, accompagnés d’un article rédigé avec turbopuffer. Les deux renvoient un vecteur int8 par document, ou un vecteur par segment qui a accès à l’ensemble du document, et fonctionnent aussi en mode non contextuel, avec un seul embedding par document et sans segmentation.
OpenCode est reconstruit pour fonctionner dans les outils de développement du navigateur
Le 2 novembre, Adam (adamdotdev) a déclaré sur X avoir reconstruit OpenCode pour qu’il fonctionne dans la console des outils de développement d’un navigateur, en utilisant des instructions console.log pour son interface. Le projet repose sur un framework qu’il présente sur textjs.org, et il invite les développeurs et leurs agents à créer d’autres applications pour la console avec ce framework. Une note accompagnant la publication indique qu’une extension VS Code est en préparation et qu’une extension pour les outils de développement de Chrome suivra.
Anthropic lance FlashProve, un prototype open source permettant de prouver quel modèle a produit une réponse
Anthropic a publié des recherches sur l’inférence vérifiable : une preuve cryptographique (un zkSNARK) qu’une réponse provient d’un ensemble précis de poids de modèle engagé, vérifiable par un utilisateur qui ne possède pas ces poids. Selon l’article, cette méthode pourrait aider à détecter un modèle remplacé discrètement par un service de routage ou altéré par un attaquant, et offrir aux évaluateurs et aux régulateurs un moyen de vérifier quel modèle est utilisé.
Hydrogen-1.0, un modèle scientifique à poids ouverts post-entraîné à partir de GLM-5.3, est lancé
Chenru Duan annonce Hydrogen-1.0, que l’équipe présente comme son premier modèle à poids ouverts pour la recherche scientifique. Il s’agit de GLM-5.3 (de Z.ai), post-entraîné sur les données scientifiques internes de l’équipe, ses dossiers de laboratoire et ses trajectoires de découverte.
MiniMax répertorie des quantifications communautaires pour exécuter M3.1 Flash en local
MiniMax a publié un récapitulatif des versions quantifiées de son modèle open-weight M3.1 Flash de 428 milliards de paramètres, créées par la communauté et destinées aux personnes qui l’exécutent sur leur propre matériel. MiniMax indique que les poids à plus faible nombre de bits réduisent la mémoire nécessaire au chargement du modèle ainsi que le volume de données de poids transférées pendant le décodage. Pour que cette approche soit utile, il faut toutefois un étalonnage minutieux, des noyaux efficaces à faible nombre de bits et une répartition des experts entre le GPU et la RAM système.