Réduire le contexte des LLM sans bases de données vectorielles
Une nouvelle approche réduit le contexte des LLM sans embeddings ni bases de données vectorielles.
L'essentiel de l'actualité IA en quelques lignes. Nos brèves sont publiées 24h/24, sélectionnées par notre pipeline éditorial parmi 87 sources internationales. Chaque brève cite sa source et apporte un fait vérifiable.
Une nouvelle approche réduit le contexte des LLM sans embeddings ni bases de données vectorielles.
Anthropic afficherait des revenus annualisés supérieurs à 30 milliards de dollars, suscitant des discussions sur une valorisation d’un billion de dollars.
Un utilisateur de Reddit a rapporté que la version MLX du modèle Gemma 4 ne semble pas offrir de meilleures performances que sa contrepartie GGUF lors de tests locaux.
Le système ProgramAsWeights (PAW) compile des descriptions de fonctions en anglais en programmes neuronaux compacts de 22 Mo, exécutables localement pour des tâches floues.
Le modèle Opus 4.7 d’Anthropic coûte plus cher que la version 4.6 en raison d’un nouveau tokenizer qui augmente le nombre de jetons par requête, malgré un prix unitaire stable.
Selon un cadre de Databricks, les modèles d’IA les plus avancés excellent en mathématiques complexes mais rencontrent des difficultés avec les tâches professionnelles courantes.
Une nouvelle étude comparative révèle que les meilleurs modèles d’IA perdent près de la moitié de leurs performances lorsqu’ils analysent des graphiques complexes.
Une étude révèle que des lunettes connectées Ray-Ban Meta, équipées d’un agent OpenClaw, accélèrent l’exécution de tâches quotidiennes en percevant l’environnement en continu.
Google a introduit A2UI 0.9, une norme agnostique permettant aux agents d’IA de générer dynamiquement des interfaces utilisateur à partir de composants existants.
Selon Jixun Foo de Granite Asia, les forces de l’Asie en fabrication et chaînes d’approvisionnement pourraient lui donner un avantage sur les États-Unis dans la course à l’IA physique.