Les modèles multimodaux rapetissent et tiennent sur une seule pile : Rho-1 de Reka, d1 de Liquid et le MoA d'Interfaze

Rho-1 est la dernière sortie multimodale de Reka, publiée le 5 octobre. L'entreprise le présente comme un modèle de raisonnement omni, entraîné depuis zéro avec 19 000 000 000 de paramètres. L'argument est architectural. Au lieu d'un modèle central qui délègue à des spécialistes séparés de la vision, de la vidéo et de l'action, Rho-1 place le texte, la vision et les actions robotiques dans une seule fenêtre de contexte.

« La plupart des systèmes d'IA actuels sont des pipelines agentiques : un modèle central planifie et délègue, confiant les tâches à des spécialistes propres à chaque modalité », écrit le laboratoire de Reka. « Rho-1 fait s'effondrer cette pile. » La note décrit une session de cinq tours, sans montage, où le modèle dessine une scène, localise un objet, l'anime en vidéo, modifie la météo et explique ce qui a changé.

Les chiffres que Reka publie sont des mesures de vitesse, pas des tableaux de benchmarks. Selon la note, le modèle de base génère de la vidéo à 0,79 fois le temps réel, en médiane. Un flux regardable démarre en 6 secondes environ. Une variante distillée ramène la trajectoire de débruitage de 99 étapes à 8. Reka affirme qu'en test interne, elle a renvoyé un clip de 5,3 secondes en une seconde environ.

Petits modèles, tâches étroites, factures plus légères

Liquid AI a profité du même jour pour lancer d1, son premier modèle de décision, désormais avec prise en charge des images. Un modèle de décision renvoie des probabilités au lieu de générer des tokens : une réponse oui ou non, une étiquette, un score. Liquid annonce 200 à 300 ms pour une décision sur du texte.

L'entreprise a comparé d1 à GPT-6.1 Sol et Claude Opus 5.5 sur six applications, du filtrage de tickets de support à l'inspection de cartes de circuits imprimés. D'après le blog de Liquid, d1 égale ou dépasse GPT-6.1 Sol sur quatre d'entre elles. Il coûte 19 à 200 fois moins cher que les deux modèles et répond plus vite sur chaque tâche. Ces comparaisons sont menées par l'entreprise et la note ne donne aucun détail tâche par tâche.

Certaines démonstrations sont plus concrètes. Sur une tâche d'inspection visuelle avec le jeu de données public VisA, d1 trie les pièces bonnes et défectueuses de quatre lignes de production avec une précision de 85 à 97 %. Liquid précise que le modèle n'a jamais été entraîné pour ce travail. Sur un test Wordle, il lit la grille à partir d'une capture d'écran et résout 12 parties sur 12 en 3,8 essais en moyenne. Sur Quick, Draw!, il reconnaît 5,2 dessins sur 6 parmi 62 mots ; une réponse au hasard en trouve 0,6.

Interfaze a pris une troisième voie. Son Interfaze 1.1 Lite, mis en ligne sur Hugging Face le 5 octobre, n'est pas un réseau unique. C'est un cœur de raisonnement auquel s'ajoutent des composants spécialisés pour la lecture de documents, la géométrie des lignes, la mise en page, la parole, la diarisation des locuteurs, la segmentation, la prévision et la sécurité, reliés par des appels d'outils. L'entreprise affirme que l'ensemble tourne sur un seul GPU de 80 Go, sans service externe.

Les spécifications sont étonnamment précises pour une fiche de modèle. Des PDF jusqu'à 50 pages par appel, avec une boîte et un indice de confiance pour chaque ligne et chaque mot. Un enregistrement de 95 minutes transcrit en 90 secondes environ. Un contexte de 131 000 tokens. Sur le tableau de benchmarks de la fiche, Interfaze 1.1 Lite obtient 85,9 sur GPQA Diamond et 73,2 sur MMMU-Pro. À comparer aux 71,1 d'Interfaze, aux 40,4 de GPT-5.4-Mini, aux 46,3 de Claude-Sonnet-4.6 et aux 67,6 de Gemini-3-Flash. Sur GPQA Diamond en revanche, il reste derrière ces mêmes modèles avec 82,8, 89,9, 88,5 et 73,6 respectivement.

La frontière des poids ouverts gagne un nouveau prétendant

Beam de Reflection est la plus grosse annonce de poids ouverts de la journée : un modèle à mélange d'experts creux, avec 501 000 000 000 de paramètres au total et 23 000 000 000 actifs, conçu pour le code, le raisonnement et le travail agentique. La note du 5 octobre indique un pré-entraînement sur 23 800 000 000 000 de tokens. Le modèle est ensuite passé par un entraînement par renforcement qui a produit plus de 100 000 000 de rollouts sur 10,5K GPU NVIDIA GB300 en 4 semaines.

Les poids ne sont pas encore disponibles. Beam est « en phase finale de red-teaming et d'évaluation », et Reflection annonce la publication des poids, du rapport technique, de la fiche de modèle et des artefacts pour développeurs plus tard ce mois-ci. L'accès anticipé se fait sur inscription. Tous les benchmarks de la note sont donc des affirmations de l'entreprise sur un modèle non publié.

Le tableau publié est contrasté. Beam obtient 80,9 sur SWEBench Verified et 80,1 sur Terminal Bench v2.1. C'est devant GLM 5.2 à 81,0 sur Terminal Bench, mais derrière Kimi K3 à 88,3 et DeepSeek V4.1 Flash à 90,6. Sur la ligne de code la plus difficile, SWE Bench Pro v2-Hard, Beam annonce 77,2 contre 88,2 pour Kimi K3. Reflection place son argument du côté de l'efficacité plutôt que de la capacité brute. L'entreprise affirme que Beam atteint des scores comparables à GLM-5.2 en raisonnement avancé tout en utilisant 3 à 4 fois moins de calcul d'inférence, et reconnaît que Kimi K3 est devant en capacité brute.

L'argument d'efficacité est le plus intéressant. Si un modèle à 23 000 000 000 de paramètres actifs arrive vraiment à quelques points de systèmes bien plus gros sur les tâches agentiques, le coût par tâche baisse pour quiconque fait tourner ces charges à grande échelle. Reflection n'a pas publié les chiffres de coût derrière cette affirmation. Les poids ne sont pas disponibles pour des tests indépendants.

Harnais et couches de décision autour des modèles

Deux projets plus petits montrent où va l'effort d'ingénierie : pas dans des modèles plus gros, mais dans la colle qui les entoure.

Jeff-Code, un fork de l'agent de code Pi publié sur GitHub le 5 octobre, insère un modèle de décision de 800 000 000 de paramètres appelé Jeff dans la boucle de l'agent autour de Qwen 3.8-27B. Jeff effectue deux appels par tour de Qwen, d'environ 0,2 seconde chacun. Il demande s'il peut franchir l'étape suivante lui-même, et si Qwen doit réfléchir intensément à ce tour. La réflexion reste désactivée tant que la probabilité calculée par Jeff que le tour exige une réflexion complète n'atteint pas 0,6. Environ trois quarts des tours de Qwen se sont exécutés sans réflexion lors de l'évaluation.

Le résultat mesuré est modeste en qualité et important en temps. Sur 1 242 tâches appariées, le taux de réussite est de 62,4 % avec Jeff-Code contre 62,8 % pour Qwen seul. Soit une différence appariée de moins 0,2 point, avec un intervalle à 95 % de moins 2,6 à plus 2,1. Le temps par tâche atteint en moyenne 0,68 fois celui de Qwen seul, pour une médiane de 0,70 fois ; le temps total sur toutes les tâches est de 0,86 fois. Le projet ne signale aucun gain net sur Terminal-Bench 2.0 (0,96 fois) ni sur SkillsBench (0,91 fois). Désactiver la réflexion à chaque tour va encore plus vite, mais coûte 7,6 points.

Reika, un autre agent de code en ligne de commande publié le même jour, est construit dans l'autre sens. Il est pensé d'abord pour de petits modèles locaux, dans la plage de 8 000 000 000 à 35 000 000 000 de paramètres, souvent en quantification Q2 à Q4 sur une fenêtre de contexte de 16 à 32 000 tokens. Son README est franc sur les limites. Lors des tests, les modèles de 14 à 35 000 000 000 de paramètres ont géré le plus sûrement les tâches multi-fichiers, ceux de 8 à 9 000 000 000 de paramètres se sont limités aux tâches simples et bien cadrées, et en dessous de 7 000 000 000 de paramètres, ils sont rarement allés loin. Le projet publie aussi ce que son harnais ne peut pas corriger. Sur une tâche vague en Q2, un modèle converge ou part en vrille à peu près une fois sur deux, et la formulation du prompt est le levier le plus faible.

Les chiffres de contexte de ce README sont un rappel utile pour quiconque dimensionne des charges agentiques. Une réécriture en contexte moyen a retraité 8 453 tokens de prompt, soit 7,9 minutes de prefill. Un ajout dans la même session a coûté 25 tokens et 3,5 secondes.

Ce que la semaine dit de la course multimodale

Trois sorties le même jour vont dans des directions différentes. Reka parie sur un seul réseau qui avale toutes les modalités. Interfaze parie sur un petit cœur qui route vers des spécialistes, le tout sur un seul GPU. Liquid parie que l'essentiel du travail multimodal est en réalité un problème de classification et ne devrait jamais générer un token.

Le fil commun, c'est le coût. La variante distillée de Reka, la promesse de prix de 19 à 200 fois moins cher chez Liquid, le déploiement sur un seul GPU d'Interfaze et les 0,68 fois de temps par tâche de Jeff-Code vendent tous la même chose : le même travail pour moins de calcul. Aucune de ces affirmations n'a encore été vérifiée indépendamment.

Hors des laboratoires de modèles, le même schéma apparaît dans le travail d'infrastructure. mold 3.0.0, publié le 5 octobre, est la première version de l'éditeur de liens rapide réécrite de C++ en Rust, un changement annoncé dans les notes de la 2.42.1. Les notes de version indiquent que les performances d'édition de liens restent au niveau de la 2.42.1. Elles précisent aussi que le projet a vérifié la compatibilité en compilant tous les paquets Gentoo sans régression. L'objectif de mold 3.x est de combler les écarts restants avec GNU ld, en particulier la prise en charge des scripts d'éditeur de liens, pour ouvrir la voie à son adoption comme éditeur de liens par défaut dans les distributions Linux.

Expat 2.9.0, également publié le 5 octobre, corrige deux vulnérabilités. CVE-2026-77214 est une lecture hors limites potentielle dans XML_ParseBuffer, due à une validation insuffisante du paramètre de longueur. CVE-2026-102633 est un débordement d'entier dans le code de gestion de la mémoire, qui touche les plateformes 32 bits. La version ajoute une API Properties et déprécie la macro XML_LARGE_SIZE au profit de cinq fonctions de localisation 64 bits. Le mainteneur remercie le congé sabbatique open source de la ville de Munich pour le financement du travail.

Ailleurs, OpenAI a annoncé qu'il commencera à tester des publicités visuelles dans ChatGPT pendant la génération d'images plus tard ce mois-ci aux États-Unis, avec un premier groupe d'annonceurs, selon BleepingComputer. L'entreprise assure que les publicités seront clairement identifiées et resteront séparées de l'image en cours de création. Elle indique aussi que ChatGPT touche désormais 1 200 000 000 de personnes chaque semaine.

Du côté de la recherche, une étude de l'UC Riverside publiée le 23 septembre a montré que la confiance et l'exactitude des grands modèles de langage proviennent de caractéristiques internes différentes. L'équipe a étudié Llama-3.1-8B de Meta et Gemma-2-9B de Google avec des auto-encodeurs creux et a supprimé certaines caractéristiques. « L'hypothèse dominante du domaine est que, lorsque le modèle est confiant, il est probablement correct, et que, lorsqu'il doute, il est plus probablement incorrect », explique Het Patel, doctorant en informatique à l'UC Riverside et premier auteur. « Mais nous voyons souvent les contre-exemples, qui sont bien documentés. »

Pour les acheteurs, la question pratique de la semaine n'est pas de savoir quel modèle est le plus intelligent. C'est de savoir laquelle de ces architectures peut être testée. Les poids de Reka arrivent dans quelques semaines, les comparaisons de Liquid sont menées par l'entreprise, et le tableau de benchmarks d'Interfaze vient d'Interfaze. Les chiffres à suivre sont ceux qui arrivent avec les artefacts joints.