The best of dev and AI, scored every day by an agent. Filtered, summarized, ranked. No color, no noise — just the substance.
Open Responses est une norme d’inférence ouverte initiée par OpenAI et soutenue par Hugging Face, visant à remplacer le format Chat Completion pour les agents autonomes. Le standard formalise l’affichage des traces de raisonnement (content, encrypted_content, summary) et le streaming sémantique, et fournit une API compatible avec les routeurs pour les clients et les providers.
Cosmos Reason 2 is an open reasoning vision-language model for physical AI, with improved spatio-temporal understanding, 256K context, and edge-to-cloud deployment options. It adds OCR, 2D/3D localization, and trajectory reasoning, achieving top benchmarks and offering Cosmos Cookbook patterns for video analytics, AV captioning, and robot planning.
Falcon-H1-Arabic introduit une architecture hybride Mamba-Transformer parallèle, repoussant les limites du traitement du langage arabe (128K–256K tokens). Les modèles 3B, 7B et 34B dépassent les SOTA de leur catégorie et ciblent analyse de longs documents, assistants de production et usages enterprise.
L’article montre comment utiliser le DGX Spark et Reachy Mini pour donner des capacités d’agent autonome (raisonnement, vision, parole) en suivant 5 étapes : setup, interface chat, ReAct avec NeMo Agent Toolkit, routage de modèles, et synthèse vocale en temps réel, le tout open source et pilotable en simulation ou sur robot réel.
AprielGuard est un modèle de sécurité 8B conçu pour détecter 16 catégories de risques et une large gamme d'attaques adverses dans les flux multi-tours et les workflows agentiques. Il opère sur prompts uniques, conversations et traces d’agents, avec un mode explicable et un mode basse latence. Sa taxinomie unifie sécurité et robustesse adversarial, formée sur un corpus synthétique.
L’article détaille la refonte des tokenizers dans Transformers v5 : séparation de l’architecture du tokenizer et du vocabulaire entraîné, pipeline de tokenisation modulaire (normalizer, pre-tokenizer, modèle, post-processor), et utilisation simplifiée via AutoTokenizer. Cela permet d’inspecter, personnaliser et entraîner des tokenizers avec beaucoup moins de friction, en s’appuyant sur un backend rapide en Rust.
L’article présente la recette d’évaluation open source de NVIDIA pour le modèle Nemotron 3 Nano 30B A3B, construite avec NeMo Evaluator. Elle vise à garantir la reproductibilité et la transparence des benchmarks, en publiant prompts, configs, artefacts et logs pour permettre aux développeurs de vérifier et de comparer les modèles de façon fiable.
CUGA (Configurable Generalist Agent) is an open-source, configurable AI agent designed for complex, multi-step web and API tasks, combining planner–executor patterns with structured planning to reduce hallucinations. Integrated into Hugging Face Spaces, it offers a visual, low-code workflow via Langflow and emphasizes fast inference for enterprise use.
The llama.cpp server now ships a router mode that can load, unload, and switch between multiple models without a restart. It runs models in separate processes, offers auto-discovery of GGUF models, on-demand loading, and LRU eviction (default 4). API endpoints and a web UI let you load/unload models and switch contexts, enabling simple A/B testing and multi-tenant deployments.
L’article présente l’open‑sourcing des modèles Codex, qui permet à un agent de codage (Claude Code, Codex, Gemini CLI) d’utiliser les Hugging Face Skills pour des expérimentations ML complètes : fine‑tuning, suivi d’entraînement, évaluation, rapports, conversion GGUF et publication sur le Hub. Cela étend la démarche de « Claude Code to train open source models » à Codex en mode end‑to‑end, avec prise en charge des méthodes de production (SFT, DPO, RL).
Swift-huggingface is a ground-up Swift client for the Hugging Face Hub, addressing slow, unreliable downloads and fragmented authentication with a Python-compatible cache, resumable file operations, and a TokenProvider pattern. It offers complete Hub API coverage, OAuth support for user-facing apps, and a roadmap toward a deduplicating Xet backend, with example Swift integrations for tokens and sign-in.
L’article présente une skill Hugging Face qui permet à Claude Code de piloter des fins d’entraînement (SFT, DPO, GRPO) sur GPU cloud, valider les jeux de données, suivre les jobs, convertir en GGUF et déployer des modèles open‑source de 0,5B à 70B. L’idée est de déléguer la configuration matérielle, les scripts d’entraînement et le monitoring à l’agent, pour déclencher une exécution reproductible en quelques commandes.
DeepMath est un agent de raisonnement mathématique léger basé sur Qwen3-4B Thinking, affiné avec GRPO pour préférer des traces courtes et axées sur le code. Il exécute des snippets Python dans un bac à sable, réduit drastiquement la longueur des réponses et améliore la précision. L’approche est mise en œuvre via smolagents et évaluée sur MATH500, AIME, HMMT et HLE.
Transformers v5 focuses on simplicity, a modular design, and expanded model definitions to accelerate training, inference, and production. It introduces architectural abstractions like AttentionInterface and broader model additions, aiming for a cleaner, more interoperable ecosystem.
L'article annonce l'arrivée de FLUX-2 dans la bibliothèque Diffusers, montre comment charger le modèle avec des quantifications 4-bit et un pipeline de génération d'images texte‑image, puis illustre l'usage avec un exemple de prompt. Le code décrit l'import, le device mapping, le téléchargement et le rendu, mais rencontre un OutOfMemoryError en inférence.
The post derives continuous batching from first principles of attention and KV caching to maximize throughput for multi-user LLM serving. It explains how Q, K, V are computed and how their interaction yields quadratic complexity, then shows how continuous batching processes multiple conversations in parallel, swapping them as they complete. The goal is to make real-time AI chat more scalable under high load.
L’article partage les leçons techniques et philosophiques de la construction d’un agent de recherche performant, en mettant l’accent sur la gestion du contexte, la maîtrise des outils et l’orchestration simplifiée. Il montre comment le context-engineering via des outils de recherche avancés (ex. Tavily) améliore le rappel et réduit les hallucinations. Les principes décrits visent à concevoir des agents évolutifs face aux futures améliorations de modèles.
OVHcloud est désormais fournisseur d’inférence sur le Hugging Face Hub, intégré aux SDK client (Python et JS) et compatible avec les modèles open‑weight tels que gpt‑oss, Qwen3, DeepSeek R1 et Llama. Le service propose une API serverless avec tarification au token, data souveraine en Europe et latence basse, prenant en charge les sorties structurées, le function calling et le multimodal. Les clés peuvent être gérées directement ou routées via Hugging Face.
L’article analyse les tendances du leaderboard Open ASR en novembre 2025 : les modèles Conformer + décodeur LLM dominent en précision sur l’anglais, mais montrent un compromis vitesse/perf; les décodeurs CTC/TDT sont rapides pour le long-format; le multilingue reste un défi avec un écart entre Whisper généraliste et les systèmes spécialisés ou massifs.
TRL now integrates with RapidFire AI to accelerate fine-tuning and post-training experiments, enabling concurrent evaluation of multiple configs even on a single GPU. The system uses adaptive chunk-based scheduling, live IC Ops, and multi-GPU orchestration to deliver significantly higher throughput (16–24×) and quicker metrics. It ships drop-in wrappers (RFSFTConfig, RFDPOConfig, RFGRPOConfig) and an MLflow-based dashboard for real-time metrics and control.