modèles open-weight
3 published articles
Google DeepMind
Gemma 4 vient de donner l’impression que tous les autres modèles open-weight sont 10 fois trop gros
La famille open-weight nativement multimodale Gemma 4 de Google DeepMind introduit un mode de réflexion, une architecture sans codeur et des options MoE. Le modèle à 2,3 milliards de paramètres correspond aux performances du Gemma 3 à 27 milliards. Le modèle à 31 milliards domine les classements open-weight.
2026-07-13
Le dossier de dépréciation
Mistral AI vient de supprimer la moitié de sa famille de modèles. Voici ce qui a survécu et pourquoi.
Un audit à la mi-2026 du portefeuille de modèles de Mistral AI révèle 36 modèles actifs répartis en niveaux frontière, spécialiste et héritage, avec 19 modèles devant être dépréciés d'ici la mi-2026. La stratégie de l'entreprise met l'accent sur de petits modèles spécialisés pour les agents et le codage, tout en dépréciant les variantes expérimentales comme Magistrate et les premières versions de Devstral.
2026-07-13
Google DeepMind
Gemma 4 de Google DeepMind transforme 26 milliards de paramètres en une machine de raisonnement qui tient sur un seul GPU
Le rapport technique de Gemma 4 de Google DeepMind détaille une famille de modèles à poids ouverts avec mélange d'experts, fenêtres de contexte d'un million de tokens et vision multimodale. La publication signale un mouvement stratégique pour apporter le raisonnement de niveau frontalier aux développeurs sans le coût des API propriétaires.
2026-07-09