Épingles correspondant à tag:Reasoning

IBM publie Granite 3.2 avec un raisonnement par chaîne de pensée activable dans les modèles Instruct 8B et 2B et son premier modèle vision-langage officiel, Granite Vision 3.2 2B, le tout sous licence Apache 2.0.

Google lance un Gemini 2.5 Pro expérimental, premier modèle de la série 2.5 et modèle de raisonnement qui obtient 18.8% à Humanity's Last Exam et 63.8% à SWE-Bench Verified, avec une fenêtre de contexte de 1 million de jetons.

IBM publie Granite 3.3 8B et 2B Instruct avec prise en charge du remplissage au milieu (fill-in-the-middle) et un raisonnement affiné, ainsi que Granite Speech 3.3 8B, son premier modèle officiel de reconnaissance vocale, sous licence Apache 2.0.

Google met Gemini 2.5 Flash en préversion, son premier modèle de raisonnement entièrement hybride, dont les développeurs peuvent désactiver la réflexion ou plafonner le budget à 24,576 jetons.

L'équipe Qwen d'Alibaba publie en open source la famille Qwen3 sous licence Apache 2.0, avec six modèles denses de 0.6B à 32B et deux modèles à mélange d'experts (30B-A3B et 235B-A22B), des modes réflexion et non-réflexion commutables et 119 langues ; le modèle dense phare Qwen3-32B obtient 93.8 sur Arena-Hard en mode réflexion.

DeepSeek met à niveau son modèle de raisonnement R1 vers R1-0528, avec des poids ouverts sous licence MIT, faisant passer AIME 2025 de 70.0 % à 87.5 % et GPQA-Diamond de 71.5 % à 81.0 %, tout en ajoutant l'appel de fonctions et la sortie JSON.

MiniMax lance M1, un modèle de raisonnement à poids ouverts de 456B, à mélange d'experts hybride avec attention éclair, doté d'un contexte de 1M de tokens et d'une sortie de raisonnement de 80K tokens, entraîné avec un nouvel algorithme d'apprentissage par renforcement pour un coût annoncé de $534,700.

L'équipe Qwen d'Alibaba publie Qwen3-235B-A22B-Thinking-2507, un modèle mélange d'experts de 235 milliards de réflexion uniquement avec un contexte de 262 Ko sous Apache 2.0, obtenant un score de 92,3 sur AIME25 et de 74,1 sur LiveCodeBench v6.

OpenAI lance GPT-5 mini et GPT-5 nano dans l'API avec GPT-5 : contexte de 400,000 tokens, nouvel effort de raisonnement minimal et tarifs de $0.25 et $0.05 par 1 million de tokens en entrée.

Alibaba publie Qwen3-Next-80B-A3B-Instruct et Thinking, des modèles de 80B ultra-parcimonieux qui n'activent que 3B de paramètres par token, reposent sur une conception d'attention hybride Gated DeltaNet et sont sous licence Apache 2.0.

DeepSeek lance DeepSeek-V3.2, un modèle à poids ouverts qui réfléchit au sein même de l'usage d'outils et atteint le niveau de GPT-5 selon ses propres tests, ainsi que DeepSeek-V3.2-Speciale, réservé à l'API, qui selon elle rivalise avec Gemini-3.0-Pro et a atteint le niveau médaille d'or aux IMO et IOI 2025.

Google déploie Gemini 3 Deep Think auprès des abonnés Google AI Ultra dans l'application Gemini, un mode de raisonnement renforcé qui obtient 41.0% à Humanity's Last Exam et 45.1% à ARC-AGI-2.

Z.ai (Zhipu AI) publie GLM-4.7, un modèle phare axé sur la programmation sous licence MIT, qui obtient 73.8 sur SWE-bench Verified et 87.4 sur τ²-Bench et se classe premier parmi les modèles ouverts sur Code Arena fin 2025.

StepFun publie en open source Step 3.5 Flash, un mélange d'experts creux de 196B paramètres dont 11B actifs, avec un contexte de 256K et jusqu'à 350 tokens par seconde, qui obtient 74.4% sur SWE-bench Verified sous licence Apache 2.0.

Alibaba publie Qwen3.5-397B-A17B, un modèle multimodal natif à poids ouverts qui active 17B de ses 397B de paramètres, ainsi que le Qwen3.5-Plus hébergé avec un contexte de 1M de tokens, à la veille du Nouvel An lunaire.

Google lance Gemini 3.1 Pro en préversion, un socle amélioré pour le raisonnement complexe qui atteint 77.1% vérifié à ARC-AGI-2 et arrive dans l'application Gemini, NotebookLM, l'API et Vertex AI.

Inception lance Mercury 2, qu'il appelle le premier LLM de diffusion de raisonnement : 1 009 jetons par seconde sur les GPU NVIDIA Blackwell à 0,25 $ pour 1 million de jetons d'entrée et 0,75 $ pour 1 million de jetons de sortie, avec un contexte de 128 000 $.

Arcee AI lance Trinity-Large-Thinking, un modèle de raisonnement ouvert de 398B paramètres (environ 13B actifs) conçu pour des agents à long horizon, qui se classerait deuxième sur PinchBench derrière Claude Opus 4.6 à $0.90 par million de tokens en sortie.

Alibaba publie Qwen3.6-Plus, un modèle multimodal hébergé destiné au codage agentique, avec une fenêtre de contexte de 1M de tokens, au prix de CNY 2 par million de tokens en entrée et un score de 78.8 sur SWE-bench Verified.

SpaceXAI (anciennement xAI) met Grok 4.3 sur son API, un modèle de raisonnement de 1M de tokens à $1.25 par million de tokens en entrée et $2.50 par million de tokens en sortie, environ 40% et 60% moins cher que Grok 4.20 ; Artificial Analysis lui a attribué 53 au lancement.

Alibaba dévoile Qwen3.7-Max, un modèle d'agent phare propriétaire, uniquement textuel, doté d'une fenêtre de contexte de 1M de jetons qui, selon l'entreprise, a fonctionné de manière autonome pendant 35 heures et obtient 80.4 sur SWE-bench Verified.

Tencent lance officiellement Hy3, la version de production de son modèle à poids ouverts Hunyuan : un mélange d'experts de 295B paramètres dont 21B actifs, avec un contexte de 256K tokens, facturé 1 yuan par million de tokens en entrée.

Z.ai (Zhipu AI) publie GLM-5.3, une évolution de GLM-5.2 obtenue uniquement par post-entraînement, qui obtient 28.3 sur Terminal Bench 3.0 et 84.5% sur le benchmark de vulnérabilités CyberGym, avec un contexte de 1M de jetons et des poids ouverts deux semaines plus tard.

IBM lance Granite 4.2, trois modèles de raisonnement Apache 2.0 ouverts (3B, 8B et 30B) avec un mode de réflexion commutable ; le 8B obtient un score de 47,67 sur SWE-bench Verified et de 86,67 sur AIME25 dans les propres exécutions d'IBM.