OpenAI a annoncé mardi qu'il ne publierait pas son tout nouveau modèle, GPT-6.1 Astra, parce qu'il « n'atteignait pas tout à fait la barre » en matière de sécurité, et qu'il avait suspendu l'entraînement de ses systèmes les plus puissants, selon CBS News et Rest of World. La même semaine, l'AI Security Institute britannique a publié un cadre d'évaluation open source et des chercheurs ont découvert qu'un modèle chinois parlait d'armes biologiques.
IA & modèles30 septembre 20267 min de lectureSources 8
Le UK AI Security Institute et Meridian Labs ont publié Inspect le 30 septembre, un cadre open source avec plus de 200 évaluations prêtes à l'emploi. C'est la dernière d'une série de sorties ouvertes qui comprend aussi Phonon-2 de Fermion Research et Kumo Tabular de Nvidia.
IA & modèles30 septembre 20263 min de lectureSources 7
OpenAI n'entrera pas en bourse tant qu'elle ne pourra pas « prendre des décisions de sécurité en confiance », a déclaré mardi son directeur général Sam Altman, la même semaine où l'entreprise a refusé de publier son nouveau modèle pour des raisons de sécurité.
IA & modèles30 septembre 20264 min de lectureSources 8
Quail, un moteur d'inférence du Full Stack Data Lab, a traité plus d'un milliard de tokens par minute sur un seul GPU H100, selon des résultats publiés le 30 septembre. C'est plus de 10 fois plus rapide que sa base vLLM sur le même matériel, pour moins de 6 cents par milliard de tokens sur Modal.
IA & modèles30 septembre 20267 min de lectureSources 9
Nvidia a publié Kumo Tabular le 30 septembre, un modèle de fondation ouvert pour la prédiction tabulaire. L'entreprise affirme qu'il n'a besoin ni d'entraînement, ni de réglage, ni d'ingénierie des variables, et qu'il arrive en tête sur quatre benchmarks. Il tombe dans une semaine chargée en sorties à poids ouverts, d'un modèle vocal de 164 Mo à un modèle de langue de 145M de paramètres préentraîné par des bénévoles.
IA & modèles30 septembre 20265 min de lectureSources 9
Deux équipes d'ingénieurs ont publié séparément le 30 septembre des résultats selon lesquels on peut faire baisser le coût d'exploitation des modèles ouverts en réécrivant la façon dont les moteurs d'inférence traitent le matériel et la structure des requêtes, plutôt qu'en attendant des GPU moins chers.
IA & modèles30 septembre 20263 min de lectureSources 6
