INTRODUCTION DES NOTES DE TERRAIN OS AI PAR SENTIENT FOUNDATION Un récapitulatif des développements notables dans l'IA open-source ↓ • @Alibaba_Qwen : A publié Qwen Image 2512, en concurrence avec @GeminiApp Nano Banana Pro, avant le lancement ultérieur de Qwen3-VL-Embedding et Qwen3-VL-Reranker, élargissant encore la gamme de modèles OS Qwen. • @ylecun : Le chercheur en IA a déclaré que les LLM avaient atteint des limites et se concentre sur les modèles du monde chez AMI. • @nvidia : A publié Alphamayo1 sur @huggingface pour soutenir le raisonnement dans des scénarios de conduite autonome complexes. • @deepseek_ai : A publié des recherches sur des méthodes d'entraînement IA plus efficaces, soulignant la dépendance de la Chine aux approches open-source en raison des contraintes de GPU. • TIINY : A annoncé un système IA de poche capable d'exécuter des modèles open-source de 120B paramètres localement, réduisant la dépendance à l'infrastructure cloud. • @Lightricks : A rendu open-source @ltx_model LTX-2, un modèle de génération audio-vidéo avec des poids ouverts et un code d'entraînement complet, optimisé pour l'inférence locale sur les GPU NVIDIA RTX grand public. • @NousResearch : A publié NousCoder-14B, un modèle de codage open-source entraîné en quatre jours sur 48 GPU NVIDIA B200, positionné contre @claudeai Code.