Les LLM à l’épreuve des Olympiades Internationales de Mathématiques
Des modèles de langage avancés ont été évalués sur des problèmes inédits des Olympiades Internationales de Mathématiques 2026, montrant des capacités de résolution complexes.
benchmark
Geekbench 7 : Des tests mis à jour pour les usages modernes et l’IA
Geekbench 7 est lancé avec des tests mis à jour pour mieux refléter les usages actuels, incluant l’encodage AV1, Whisper et la prise en charge de CUDA.
Kimi K3 de Moonshot excelle en code frontend mais peine en maths complexes
Le modèle chinois Kimi K3 de Moonshot a dominé le classement Code Arena: Frontend, surpassant Claude Fable 5 et GPT-5.6 Sol, mais affiche des lacunes en mathématiques complexes.
Une nouvelle évaluation révèle les défis de coordination des LLM multi-agents
Un nouveau benchmark évalue la capacité des LLM à coordonner des actions complexes dans des mondes ouverts, montrant des performances limitées mais un potentiel pour Gemini 3.1 Pro.
Une startup prépare un benchmark IA pour l’estimation des coûts de construction
Une startup développe un benchmark de données précis, validé par des experts, pour évaluer les modèles d’IA dans l’estimation des coûts de construction.
Ollama lève 65 M$ et atteint près de 9 millions d’utilisateurs
Ollama, l’outil open source pour l’IA sur PC, a levé 65 millions de dollars et compte désormais près de 9 millions d’utilisateurs.
OpenAI alerte sur la fiabilité du benchmark de codage SWE-Bench Pro
Une nouvelle analyse d’OpenAI révèle des problèmes de fiabilité et de précision dans SWE-Bench Pro, un benchmark de codage populaire pour les IA.
TRACE : Une mémoire hiérarchique open-source pour agents LLM
Un nouveau système de mémoire hiérarchique open-source nommé TRACE a démontré une performance significativement supérieure pour les agents LLM, atteignant 82,5 % sur le benchmark MemoryAgentBench.
ScarfBench : un nouveau benchmark pour la migration d’applications Java par IA
IBM Research a lancé ScarfBench, un benchmark pour évaluer la capacité des agents d’IA à migrer des applications Java d’entreprise, une tâche complexe et coûteuse.
OpenAI lance GeneBench-Pro pour évaluer l’IA en génomique
OpenAI a lancé GeneBench-Pro, un nouveau banc d’essai pour évaluer les performances de l’IA en génomique, biologie et recherche scientifique avec des données réelles.