Selon une étude de la Fondation Linux, l'IA générative fait nettement gagner en productivité dans le développement open source. Mais environ un quart des modifications qu'elle propose n'apportent pas ou peu de valeur.
Des chercheurs de Tsinghua publient AKV, un système de service fondé sur SGLang qui permet aux agents LLM de supprimer ou déplacer des éléments de leur cache KV au lieu de résumer leur historique. Sur quatre bancs d'essai d'agents, le coût moyen baisse de 27,7 %.
Nanbeige LLM Lab publie Nanbeige4.3-33B, un modèle dense de 33 milliards de paramètres sous licence Apache 2.0, doté d'une fenêtre de contexte de 512 000 jetons. Il obtient 80,9 sur Terminal-Bench 2.1 et servira à entraîner le futur Nanbeige4.3-3B.
Lors de la PyTorch Conference North America 2026, Google et Meta ont publié TorchTPU, un backend PyTorch natif pour les TPU de Google ; Meta compte s'en servir pour basculer de plus gros travaux sur LLM vers ces puces. AWS a lancé TorchNeuron pour Trainium la même semaine, tandis que des développeurs s'interrogent sur la disponibilité des TPU et sur la nouvelle forme de dépendance aux fournisseurs.
Google publie en open source, sous licence Apache 2.0, ML Drift, un moteur de calcul GPU multiplateforme pour l'inférence d'IA sur l'appareil. Il masque les différences entre matériels et API bas niveau, et prend en charge OpenGL ES, OpenCL, Metal et WebGPU.
Carbon-X, de Hugging Face, est un modèle de langage ouvert de 14,8 milliards de paramètres consacré à l'ADN et fondé sur Qwen3-14B. Il lit des séquences brutes dans une conversation et répond en anglais, atteint 66,7 % en moyenne sur cinq bancs d'essai et est publié sous licence Apache 2.0.