Neuf sorties d'IA : Hy-Nomas, Dessa, Granite Speech 5.0 2B et Decider

Neuf nouveaux modèles et produits d'intelligence artificielle ont été dévoilés, selon le récapitulatif d'aitimes.com. Tencent a notamment publié en open source Hy-Nomas, un modèle de monde qui poursuit la génération d'une vidéo en suivant des commandes textuelles et des mouvements de caméra.

Hy-Nomas permet d'ajouter des objets ou de modifier l'action des personnages, l'arrière-plan et le style graphique en cours de génération, et de préciser le point de vue ainsi que la trajectoire de la caméra. Tencent distribue les poids et le code du modèle, avec une configuration à faible consommation de mémoire qui fonctionne sur une seule RTX 4090.

Voix, traduction et modèles médicaux

Block, dirigé par Jack Dorsey, a présenté Dessa, une IA entraînée uniquement sur de la parole humaine conversationnelle, sans données textuelles ni modèles pré-entraînés. La société affirme qu'il s'agit de la première IA apprenant uniquement à partir de la voix humaine pour permettre une conversation naturelle en temps réel. De son côté, IBM a publié Granite Speech 5.0 2B, un modèle de 2 milliards de paramètres pour la reconnaissance vocale multilingue et la traduction de la parole, couvrant l'anglais, le français, l'allemand, l'espagnol, le portugais et le japonais.

Granite Speech 5.0 2B améliore la précision en environnement bruyant ou réverbérant ainsi que la traduction de longs discours, prend en charge jusqu'à 2000 mots-clés personnalisés et est distribué sous licence Apache 2.0. Ant Group, via son entité InclusionAI, a pour sa part publié les poids de Ling-3.0-flash-Sante, un modèle spécialisé en médecine bâti sur Ling-3.0-flash, avec 124 milliards de paramètres au total et 5,1 milliards activés par token.

Perplexity a lancé Decider for Mac, une application qui exécute localement le modèle de décision pplx-decider-flash-v1.2 de 4 milliards de paramètres sur les Mac Apple Silicon disposant de 16 Go de mémoire ou plus. L'application ne nécessite ni clé API ni frais d'utilisation, n'envoie aucune entrée vers des serveurs externes et télécharge un modèle de 5,8 Go au premier lancement. Baselabs, sous Baselten, a également publié en open source sous licence MIT les modèles spécialisés dans la décision Mammut-1 (27 milliards de paramètres) et Elephant-1 (9 milliards) ; Mammut-1 obtient 71,24 sur le Jev Decision Index 0.4, au premier rang de 208 modèles.

Le développeur Abdulla Ababakre a présenté PhoneUse, une interface MCP/API permettant à des agents comme Claude Code, Codex et Cursor de lire l'écran d'un téléphone et de toucher, saisir et faire défiler pour piloter des applications mobiles. VAST AI Research a ouvert EdenLive, un moteur de rendu génératif en temps réel dont le modèle de 5 milliards de paramètres produit de la vidéo 720p à plus de 24 images par seconde sur une seule RTX 5090, avec des poids 5B et 14B publiés. Enfin, Kylon a présenté Annotations, une fonction qui analyse une vidéo de référence, y ajoute des modifications par annotations et la remixe en une nouvelle vidéo destinée au produit d'une équipe.