The best of dev and AI, scored every day by an agent. Filtered, summarized, ranked. No color, no noise — just the substance.
Designing for agentic AI requires attention to both the system’s behavior and the transparency of its actions. Rather than a black box or a data dump, the approach maps key decision points to reveal the right moments and build trust through clarity. Victor Yocco explains how to make these moments visible to users.
Claude Opus 4.6 Fast Mode is now available on AI Gateway, delivering 2.5x faster output tokens for the same model as an experimental premium feature. It enables faster human-in-the-loop workflows and large coding tasks, with pricing at 6x standard Opus rates. Enable it by setting speed: 'fast' in the AI SDK provider options and configuring CLAUDE_CODE_SKIP_FAST_MODE_ORG_CHECK in ~/.claude/settings.json (and try Claude Code via the AI Gateway playground).
GLM 5.1 de Z.ai est disponible sur Vercel AI Gateway et optimisé pour les tâches autonomes à long terme. Il opère par un cycle continu d’évaluation et d’optimisation (planification, exécution, test, itération) plutôt que du code généré en one-shot. L’API unifiée d’AI Gateway gère l’utilisation, les coûts, les retries et le routage intelligent.
Google DeepMind publie Gemma 4, un ensemble de modèles multimodaux (texte, image, audio) open source avec licence Apache 2.0, disponible sur Hugging Face et conçu pour l’inférence device‑first. Les modèles apportent des améliorations d’architecture (sliding‑window + attention globale, Per‑Layer Embeddings, KV Cache partagé) et supportent les contextes longs, avec des variantes allant de 2.3B à 31B paramètres.
Thuan Pham discusses how Uber moved from constant outages to a scalable, global infrastructure, emphasizing the shift to microservices and platform teams. He also explains how AI is reshaping engineering practices at a large scale.
A practical guide to design principles for AI interfaces, with references, examples, and quick-look methods. It highlights applying UX and AI design patterns in real projects, with links to Design Patterns For AI Interfaces.
Falcon Perception est un Transformer early-fusion à 0,6B paramètres pour la perception open-vocabulary guidée par du texte, mélangeant images et tokens textuels dans une seule séquence. Il utilise un masquage hybride et Chain-of-Perception pour prédire coordonnées, tailles et masques de manière structurée et évolutive. Les benchmarks montrent de meilleures performances que SAM 3, avec un écart restant sur le calibration de la présence.
L’article présente gradio.Server, une extension de FastAPI qui combine puissance d’API Gradio (queuing, SSE, ZeroGPU, gestion de concurrence) avec la flexibilité d’un frontend personnalisé (React, Svelte, ou HTML/JS). Il illustre cela avec un exipe concret de «Text Behind Image » : upload, segmentation ML en backend, et rendu interactif côté client.
Granite 4.0 3B Vision is a compact vision-language model built for enterprise document understanding, combining language and vision in a modular design. It introduces ChartNet, a large multimodal chart dataset, and DeepStack architecture for layered visual feature injection to improve table, chart, and key-value extraction. The model ships as a LoRA adapter, enabling text-only fallbacks and integration with Docling.
L’article décrit la construction d’un pipeline open‑source de bout en bout pour l’optimisation des codons mRNA, de la prédiction de structure à la conception de séquences. Après avoir comparé différents modèles de langage, le CodonRoBERTa‑large‑v2 surpasse largement ModernBERT en perplexité et corrélation CAI. Il déploie enfin un système conditionné par espèce, entrainé sur 25 organismes en 55 GPU‑heures.
TRL v1.0 formalizes a post-training library matured from research code into production-grade infrastructure, now supporting over 75 methods. The release embraces a shifting field where objectives and architectures evolve rapidly, and prioritizes stable, adaptable design so methods remain usable in practice.
L’article explique comment rétablir un agent OpenClave après restriction d’accès aux modèles fermés : passer par Hugging Face Inference Providers ou installer un modèle open source en local avec llama.cpp. Il détaille les commandes, la configuration et les choix matériels, en proposant des modèles comme GLM-5 et Qwen3.5.
L'article présente EVA, un nouveau cadre d'évaluation conçu pour juger les agents vocaux conversationnels en intégrant simultanément l'exactitude de la tâche (EVA-A) et l'expérience utilisateur (EVA-X) sur des dialogues multi-tours réalistes. Il fournit un benchmark initial avec un dataset aéroportier de 50 scénarios et analyse vingt systèmes, révélant un compromis systématique entre précision et expérience. EVA est accompagné de données, de code et d'outils publiés.
L’article présente une méthode pour affiner en moins d’un jour un modèle d’embeddings sur un domaine cible sans étiquettes manuelles. En exploitant un générateur de données synthétiques piloté par LLM et un apprentissage contrastif avec mining de hard negatives, on améliore significativement la qualité des embeddings et donc des pipelines RAG.
Open source AI activity on Hugging Face grew rapidly in 2025, with users, models, and datasets roughly doubling. The platform reached about 13M users, more than 2M public models, and over 500k public datasets, with a rise in derivative artifacts like fine-tuned models and adapters. The ecosystem remains highly concentrated, and distribution across regions and domains shows clear frontrunners.
H Company annonce Holotron-12B, un modèle multimodal post-entraîné sur Nemotron-Nano-2 VL, optimisé pour les agents de prise en charge d’écran à haut débit. Son architecture hybride SSM/réseau de neurones réduit la consommation mémoire et permet un throughput significativement accru en inférence, notamment avec des contextes longs et plusieurs images. Il démontre de fortes améliorations sur les benchmarks d’agents par rapport au modèle de base Nemotron.
Les Storage Buckets sur le Hub Hugging Face offrent un stockage S3-like non versionné, optimisé pour les artefacts ML (checkpoints, états, données intermédiaires). Basés sur Xet, ils dédupliquent les chunks pour réduire bande passante et coûts, avec un warming préalable vers les régions compute. Installation et sync en CLI en moins de 2 minutes.
L’article analyse comment la désagrégation de l’inférence et de l’entraînement via un buffer de rollouts et un sync asynchrone résout le goulot d’étranglement où les GPUs d’entraînement restent inactifs. Il passe en revue 16 librairies open-source à travers 7 axes (orchestration, buffer, poids, gestion de la péremption, partial rollout, LoRA, backend distribué).
Ulysses Sequence Parallelism (SP) distribue le calcul de l'attention sur plusieurs GPU en fendant la séquence et les heads d'attention, permettant un entraînement avec des contextes de plusieurs millions de tokens. Chaque GPU traite un shard de séquence puis procède à des all-to-all pour échanger les clés/valeurs par sous-ensembles de heads. Cette approche du Snowflake AI Research intègre nativement Hugging Face (Accelerate, Transformers Trainer, TRL SFTTrainer).
LeRobot v0.5.0 expands hardware with Unitree G1 humanoid full support, including whole-body control, manipulation, teleoperation. It adds new policies such as Pi0-FAST autoregressive VLAs and Real-Time Chunking for responsive inference, plus streaming video encoding to reduce wait times. It also introduces EnvHub, IsaacLab-Arena integration, and a modernized codebase on Python 3.12/Transformers v5.