Modèles de décision et petits agents locaux : la semaine où l'IA s'est rapprochée de la périphérie

Liquid AI a profité du 5 octobre pour sortir d1, un modèle de décision. Il répond à des questions sur du texte ou des images par des probabilités, sans générer de tokens. Le blog de l'entreprise annonce 200 à 300 ms pour une décision sur du texte. C'est une allégation de l'éditeur, pas un banc d'essai indépendant. La direction reste claire : l'argument porte sur la latence et le prix par décision, pas sur la capacité brute.

Liquid affirme aussi que d1 égale ou dépasse GPT-6.1 Sol sur quatre des six applications testées. Le modèle coûterait 19 à 200 fois moins cher que celui-ci comme que Claude Opus 5.5. L'entreprise l'a essayé sur six applications, du tri de tickets de support à l'inspection de cartes de circuits imprimés. Elle indique que le modèle trie les pièces bonnes et défectueuses avec une précision de 85 à 97 % sur un jeu de données public VisA, sans avoir été entraîné pour cette tâche. Dans une démo d'agent de code, d1 supprime 52 % des tokens de sortie d'outils pendant la compaction du contexte. Selon le blog, il conserve toutes les sorties dont la tâche a besoin.

Ce que fait vraiment un modèle de décision

Liquid décrit trois types de questions : Noul (oui/non avec une probabilité), Choice (une étiquette parmi plusieurs) et Score (une position sur une échelle). Une même requête peut porter plusieurs questions sur le même état, ce qui réduit les tokens d'entrée.

Le volet visuel compte plus que le volet texte. L'ajout d'un écran fait passer le score de d1 à Tetris de 70 à 81 lignes effacées. À Wordle, il lit le plateau directement sur une capture d'écran et résout 12 parties sur 12 en 3,8 essais en moyenne. Ce sont des jeux, mais ils montrent l'intérêt de l'intégration : aucune sérialisation texte de l'environnement n'est nécessaire.

Liquid n'est pas seul sur ce terrain. Sean Goedecke a soutenu le 5 octobre que les modèles dits System One, comme Jev, sont des classificateurs généraux rapides que n'importe quelle équipe d'ingénierie peut piloter par un prompt. Une fois le prompt réglé, écrit-il, les équipes peuvent collecter les paires entrée/sortie et entraîner dessus un classificateur maison plus petit. Son billet qualifie le résultat de « étonnamment facile » à construire et bien plus rapide. C'est un contrepoids utile au discours de l'éditeur : le gain durable vient peut-être de la distillation, pas du modèle général lui-même.

Le pari de Reflection sur l'efficacité de l'inférence

Reflection a présenté Beam, son premier modèle à poids ouverts, le 5 octobre. Beam est un modèle à mélange d'experts clairsemé de 501 000 000 000 de paramètres au total, dont 23 000 000 000 actifs, selon le blog de l'entreprise. Il a été préentraîné sur 23 800 000 000 000 de tokens. L'entraînement par renforcement a produit plus de 100 000 000 de rollouts sur 10 500 GPU NVIDIA GB300 en quatre semaines. Reflection affirme que Beam est compétitif avec de plus grands modèles ouverts comme GLM 5.2 et proche de Qwen 3.8-Max sur le code et les tâches agentiques. L'entreprise indique que Beam consomme 3 à 4 fois moins de calcul d'inférence sur les benchmarks de raisonnement avancé.

Lisez le tableau de l'éditeur avec attention. Sur SWE Bench Pro v2-Hard, Beam obtient 77,2 contre 88,2 pour Kimi K3. Sur Terminal Bench v2.1, il obtient 80,1 contre 88,3 pour Kimi K3 et 90,6 pour DeepSeek V4.1 Flash. Reflection reconnaît que les modèles ouverts de pointe comme Kimi K3 restent devant en capacité brute. Les poids, le rapport technique et la fiche du modèle ne sont pas encore sortis. Le blog annonce leur publication plus tard ce mois-ci, et le modèle est toujours en phase finale de red teaming. D'ici là, ces chiffres restent des allégations.

L'efficacité est le fil qui relie la journée. Reflection présente explicitement Beam comme « plus d'intelligence par token » pour les usages d'entreprise courants. Liquid présente d1 comme un moyen de remplacer des appels coûteux à un modèle de langage quand la réponse est structurée. Les deux soutiennent que la prochaine manche de la concurrence portera sur le coût par réponse utile.

Petits modèles, petits harnais

Deux sorties GitHub du 5 octobre poussent la même idée jusqu'au portable. Jeff-Code est un fork de l'agent de code Pi de Mario Zechner et de ses contributeurs. Il insère un modèle de décision de 800 000 000 de paramètres nommé Jeff dans la boucle de l'agent, aux côtés de Qwen 3.8-27B. Jeff décide s'il peut franchir l'étape suivante seul et si Qwen doit réfléchir fort sur un tour donné. Le dépôt rapporte 1 242 tâches appariées. Le taux de réussite atteint 62,4 % contre 62,8 % pour Qwen seul, soit un écart apparié de moins 0,2 point avec un intervalle à 95 % de moins 2,6 à plus 2,1. Le temps par tâche est de 0,68 fois celui de Qwen seul, avec une médiane à 0,70. Environ trois quarts des tours de Qwen se sont déroulés sans réflexion.

Reika, un agent de code en ligne de commande signé alexwkleung, part du point opposé. Il est conçu pour des modèles locaux de 8 000 000 000 à 35 000 000 000 de paramètres, quantifiés en Q2 à Q4, sur une fenêtre de contexte de 32 000 tokens.

Ses constats publiés sont rafraîchissants de franchise. Une réécriture en milieu de contexte a retraité 8 453 tokens de prompt, soit 7,9 minutes de préremplissage. Un ajout dans la même session a coûté 25 tokens et 3,5 secondes. Un grep qui a renvoyé « 0 correspondance » pour un appel qu'il ne pouvait pas servir a poussé un modèle à reformuler un motif correct pendant cinq tours. Le README indique que la formulation du prompt est le levier le plus faible. Il précise aussi que, sur une tâche vague en Q2, un modèle converge ou part en vrille à peu près une fois sur deux.

Aucun des deux projets ne prétend rendre les petits modèles plus intelligents. La réserve de Jeff-Code lui-même est que le temps total baisse moins que le temps par tâche. Sur environ 5 % des tâches, il tourne plus de 30 minutes de plus que Qwen seul. Reika est en version pré-1.0 et prévient que le comportement peut changer d'une version à l'autre. Ensemble, ils forment un contrepoint concret aux tableaux de benchmarks, parce qu'ils montrent où passent réellement le temps et l'argent.

Ailleurs dans la pile

Les sorties d'infrastructure du 5 octobre étaient plus discrètes, mais elles concernent quiconque fait tourner de l'inférence en périphérie. Expat 2.9.0 est arrivé avec des correctifs pour CVE-2026-77214, une lecture hors limites dans XML_ParseBuffer, selon le blog du mainteneur. Il corrige aussi CVE-2026-102633, un débordement d'entier qui touche les plateformes 32 bits. La version ajoute une API Properties et une API de localisation 64 bits. Elle déprécie la macro XML_LARGE_SIZE, qui divise la compatibilité ABI depuis 2006. Le congé open source de la ville de Munich a financé le travail, aujourd'hui dans son troisième mois sur les six prévus.

mold 3.0.0 est arrivé le même jour, réécrit de C++ en Rust. Les notes de version indiquent qu'il remplace 2.42.1 sans changement, avec les mêmes options, les mêmes cibles et la même sortie. Elles annoncent des performances d'édition de liens équivalentes. L'argument de sûreté est concret. La version C++ pouvait lire hors limites sur une entrée corrompue et provoquer un segfault. La version Rust vérifie les limites de ces lectures et panique à l'accès fautif. La compilation passe désormais par Cargo et exige Rust 1.95 ou plus récent.

Côté modèles, Interfaze a publié Interfaze 1.1 Lite, un modèle à mélange d'architectures. Il tourne sur un seul GPU de 80 GB, sans service externe. Il combine un cœur de raisonnement vision-langage avec des modèles spécialisés pour la lecture de documents, la parole, la mise en page, la segmentation et la prévision. Sa fiche annonce qu'un enregistrement de 95 minutes se transcrit en 90 secondes environ. Elle rapporte un WER de 3,01 sur VoxPopuli-Cleaned, derrière les 2,4 d'Interfaze lui-même mais devant les 4,0 de Gemini-3-Flash. La NASA et IBM ont aussi publié le code de fine-tuning du NASA-IBM Lunar Foundation Model, avec des configurations TerraTorch pour la détection de cratères et la prospection de glace.

Rien de tout cela ne forme un lancement de produit unique. C'est un faisceau de sorties sur une seule journée, toutes tirées dans la même direction. Des nombres de paramètres actifs plus petits, une inférence moins chère par décision, et des harnais qui traitent le contexte comme un budget.

La question ouverte est de savoir si les promesses d'efficacité résistent à des tests indépendants. Pour Beam, cela commencera quand les poids seront publiés plus tard ce mois-ci.