Les modèles de parole et de traduction saturent le calendrier des sorties, entre poids ouverts et petits modèles

Ce n'est pas un moteur de traduction. C'est un classifieur qui renvoie des probabilités, et c'est précisément l'intérêt : selon l'entreprise, un seul modèle peut prendre une entrée non structurée, texte ou image, et répondre à plusieurs questions à son sujet en une seule passe avant.

Liquid AI oppose d1 à GPT-6.1 Sol sur six applications, du filtrage de tickets de support à l'inspection de cartes de circuits imprimés. L'entreprise affirme qu'il égale ou dépasse ce modèle sur quatre d'entre elles, pour un coût de 19 à 200 fois inférieur. Le calendrier compte. Trois autres sorties sont tombées à quelques heures d'intervalle le 5 octobre, et toutes touchent d'une manière ou d'une autre à la parole, aux documents ou au texte multilingue. Reflection a publié un premier aperçu de Beam, son modèle à poids ouverts de 501 000 000 000 de paramètres. Interfaze a mis sur Hugging Face un modèle léger à poids ouverts qui transcrit la parole et lit des documents. La NASA et IBM ont publié du code de fine-tuning pour un modèle de fondation lunaire. Aucun n'est un traducteur au sens grand public, et ensemble ils montrent où se concentre la pression des sorties en ce moment : à la couche située sous l'application.

Ce que d1 fait réellement avec le langage

Le modèle d1 renvoie des probabilités pour des questions fermées oui/non, choisit une étiquette parmi beaucoup, ou note une position sur une échelle. Liquid AI indique qu'une requête peut poser plusieurs questions sur un même état, ce qui économise des tokens d'entrée. On est loin d'un produit de traduction, et les démonstrations de l'entreprise s'appuient sur le tri et le routage : un filtre de type SQL qui répond si un ticket de support est une demande d'annulation, un agent web qui choisit l'action suivante sur une page de recherche de vols.

Deux de ses résultats publiés touchent pourtant de près la chaîne parole et documents. Dans une démonstration de compactage de contexte, d1 lit chaque sortie d'outil dans la session d'un agent de codage et la conserve, la tronque ou la supprime, retirant 52 % des tokens tout en gardant chaque sortie dont la tâche a besoin. En inspection visuelle, il trie pièces bonnes et défectueuses avec une précision de 85 % à 97 % sur un jeu de données public, sans avoir été entraîné pour cette tâche.

Liquid AI reste prudent sur la comparaison. L'affirmation porte sur quatre applications sur six, pas sur les six, et les chiffres de coût sont ceux de l'entreprise. Aucun benchmark indépendant de d1 n'a été publié.

L'argument principal est le coût. Si une décision structurée peut être rendue en 200 à 300 millisecondes sans génération de tokens, les équipes qui appellent aujourd'hui un grand modèle de langage à chaque étape de routage ou de filtrage disposent d'une option moins chère à tester. Ce qui reste inconnu, c'est la précision hors des démonstrations choisies par Liquid AI, et la tenue du modèle sur d'autres langues que l'anglais. L'entreprise ne le dit pas.

Le camp des poids ouverts gagne un modèle de parole et de documents

La sortie d'Interfaze est ce qui ressemble le plus, dans cette vague, à une bête de somme multilingue. Interfaze 1.1 Lite est un modèle à architectures mixtes : un cœur de raisonnement vision-langage appelle des composants spécialisés pour la lecture de documents, la géométrie des lignes, la mise en page, la parole, la diarisation des locuteurs, la segmentation et la prévision. L'ensemble tourne sur un seul GPU de 80 Go sans service externe, selon la fiche du modèle sur Hugging Face.

Les chiffres sur la parole sont précis. Un enregistrement de 95 minutes est transcrit en environ 90 secondes, découpé aux pauses et décodé par lots. La fiche du modèle rapporte un taux d'erreur de mot de 3,01 sur VoxPopuli-Cleaned, contre 2,4 pour Interfaze et 4,0 pour Gemini-3-Flash ; les autres concurrents sont marqués comme non renseignés. Le modèle revendique la traduction dans plus de 160 langues et le raisonnement multilingue dans plus de 14, avec un contexte de 131 000 tokens.

Il faut lire le tableau attentivement. Sur MMMLU, qui mesure les connaissances dans 14 langues, Interfaze 1.1 Lite obtient 87,8, sous Interfaze à 90,9 et Grok-4.3 à 89,7, et à peu près au niveau de Gemini-3-Flash à 88,7. Sur GPQA Diamond, il obtient 85,9 contre 92,4 pour Interfaze et 89,9 pour Claude-Sonnet-4.6. Le modèle léger gagne sur l'OCR de documents et sur l'ancrage d'expressions référentielles, pas sur les connaissances générales.

Pour qui construit une chaîne de transcription ou de documents, l'argument du GPU unique pèse plus que l'écart de benchmarks. Une équipe peut faire tourner reconnaissance de la parole, diarisation et sortie structurée sur une seule machine, sans API hébergée. Ce que la fiche du modèle ne donne pas, c'est le débit sous charge concurrente, ni le comportement du routage vers les spécialistes quand une requête mélange audio et images.

Beam : plus gros, et pas encore sorti

Beam de Reflection est le plus gros élément de la vague et le moins disponible. C'est un modèle à mélange d'experts creux, avec 501 000 000 000 de paramètres au total et 23 000 000 000 actifs, préentraîné sur 23 800 000 000 000 de tokens. Reflection indique que l'apprentissage par renforcement a produit plus de 100 000 000 de rollouts sur 10 500 GPU NVIDIA GB300 en quatre semaines.

Le modèle est encore en red-teaming final et en évaluation. Les poids, un rapport technique et une fiche de modèle sont promis pour la fin du mois, et l'entreprise prend des inscriptions pour un accès anticipé. De quoi tempérer la lecture du tableau de benchmarks publié avec l'annonce : les chiffres viennent de l'entreprise, sur un modèle que personne à l'extérieur ne peut encore faire tourner.

Reflection positionne Beam sur l'efficacité plutôt que sur la capacité brute. L'entreprise affirme que Beam est compétitif avec de plus grands modèles ouverts comme GLM 5.2 et proche de Qwen 3.8-Max sur le codage et les tâches agentiques, et que là où des modèles ouverts de frontière comme Kimi K3 restent devant, l'avantage de Beam réside dans le coût d'inférence. Sur les benchmarks de raisonnement du tableau, l'affirmation est mitigée : Beam obtient 97,8 sur AIME 2026 contre 99,2 pour GLM 5.2, et 36,2 sur HLE sans outils contre 40,5 pour GLM 5.2 et 46,9 pour Kimi K3.

Beam n'est pas un modèle de traduction. Il figure ici parce que la même fenêtre de sorties montre la frontière des poids ouverts se diviser en deux directions : de très grands modèles généraux, coûteux à servir, et de petits modèles spécialisés, bon marché à servir et plus étroits de périmètre.

De petits modèles font le travail autour du gros

Le résultat d'efficacité le plus concret de la vague vient d'un projet bien plus petit. Jeff-Code, un fork de l'agent de codage Pi de Mario Zechner et de ses contributeurs, insère un modèle de décision de 800 000 000 de paramètres dans la boucle de l'agent. Autour de chaque tour de Qwen 3.8-27B, Jeff prend deux décisions d'environ 0,2 seconde chacune : si l'agent peut franchir seul l'étape suivante, et si Qwen doit réfléchir fortement à ce tour.

L'évaluation publiée rapporte un taux de réussite de 62,4 % pour 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 sur 1 242 tâches appariées. Le temps par tâche ressort à 0,68 fois celui de Qwen, et le temps total sur l'ensemble des tâches à 0,86 fois. Sur environ trois quarts des tours de Qwen, la réflexion s'est exécutée avec le seuil du modèle de décision fixé à 0,6.

L'écart entre 0,68 fois par tâche et 0,86 fois au global a une cause que le projet énonce clairement : sur environ 5 % des tâches, Jeff-Code dépasse Qwen seul de plus de 30 minutes. La même prudence vaut pour le chiffre vedette. Désactiver la réflexion à chaque tour est encore plus rapide mais coûte 7,6 points de taux de réussite, et un seuil moins prudent à 0,7 coûte 4,5 points.

Un second projet prend l'approche inverse et place le petit modèle en premier. Reika est un agent de codage en ligne de commande conçu autour de modèles locaux de 8 000 000 000 à 35 000 000 000 de paramètres, souvent quantifiés en Q2 à Q4 sur une fenêtre de contexte de 16 à 32 000 tokens. Ses conclusions publiées portent sur des modes de défaillance plutôt que sur des victoires aux benchmarks : une réécriture en milieu de contexte a retraité 8 453 tokens de prompt, soit 7,9 minutes de prefill, là où un ajout dans la même session a coûté 25 tokens et 3,5 secondes. Le projet indique que les modèles de 14 000 000 000 à 35 000 000 000 de paramètres ont géré les tâches multi-fichiers le plus sûrement, et que les modèles sous 7 000 000 000 de paramètres allaient rarement loin.

Ce que la vague de sorties laisse en suspens

Aucune de ces sorties n'est un produit de traduction par IA au sens où un acheteur l'entendrait. Les plus proches sont la traduction revendiquée par Interfaze dans plus de 160 langues avec des transcriptions attribuées aux locuteurs, et la couche de décision de d1, qui pourrait précéder un appel de traduction pour décider si un tel appel est nécessaire.

Le schéma d'ingénierie est le même partout : un composant petit et rapide prend une décision de routage, et un modèle plus grand n'est appelé qu'en cas de besoin. Jeff-Code mesure ce schéma à 32 % de temps en moins par tâche sans perte de taux de réussite. d1 le vend sous forme de probabilités plutôt que de tokens. Interfaze l'emballe dans un cœur de raisonnement qui appelle des spécialistes.

Ce qui reste inconnu, c'est la tenue de tout cela au contact de charges réelles. Reflection n'a pas publié ses poids. Les comparaisons de coût de Liquid AI sont les siennes. Le modèle léger d'Interfaze est en retrait sur les connaissances générales face à son propre grand frère. Et les chiffres de Jeff-Code s'accompagnent d'une queue de tâches bien plus longues que la référence, exactement le cas qu'une équipe de production remarquerait en premier.