Laguna S 2.1 : comment un modèle de 8B paramètres rivalise avec des géants du code agentique

Poolside lance Laguna S 2.1, un modèle MoE open-weight de 8B paramètres actifs qui rivalise avec des modèles 10 à 20 fois plus grands sur les tâches de codage agentique grâce à son mode de raisonnement et sa fenêtre de contexte d'un million de tokens.

25 juil. 2026 5 min

655

#agents-ia #context-window #open-source

Veille & Recherche IA

Mistral + Microsoft : le déploiement on-premise d'IA souveraine passe à l'échelle européenne

Microsoft et Mistral AI signent un accord multi-milliards pour déployer des modèles IA en Europe, y compris en mode entièrement hors-ligne. Une opportunité concrète pour les architectures sensibles sous PHP/Symfony.

23 juil. 2026 6 min

366

#symfony #llm #infrastructure

IA & Ingénierie

Gemini Flash vs Pro : pourquoi les modèles 'légers' de Google sont souvent le meilleur choix pour votre API

Google lance trois nouveaux modèles Gemini Flash pendant que son modèle Pro reste introuvable. L'occasion de rappeler pourquoi les modèles légers sont souvent le meilleur choix pour vos intégrations API en production.

23 juil. 2026 5 min

354

#performance #tokens #llm

Veille & Recherche IA

Open Weights : quand Kimi K3 et Qwen 3.8 bousculent l'économie des LLMs (et nos architectures Symfony)

Kimi K3 et Qwen 3.8 atteignent les performances des meilleurs modèles fermés avec des poids publics : ce que cela change concrètement pour vos coûts d'inférence et vos architectures Symfony.

23 juil. 2026 6 min

508

#symfony #architecture #tco

IA & Ingénierie

GPT-5.6 Sol : comment choisir le bon niveau de raisonnement pour optimiser coûts et performance

GPT-5.6 Sol introduit cinq niveaux de raisonnement, du simple appel API à l'orchestration multi-agents. Voici comment choisir le bon niveau pour optimiser vos coûts d'inférence et vos architectures Symfony.

21 juil. 2026 6 min

298

#performance #orchestration-agents #tokens

Veille & Recherche IA

Soofi S 30B : l'architecture Mamba-Transformer qui défie les modèles denses sur vos serveurs

Soofi S, un modèle open source 30B produit par un consortium allemand, combine architecture Mamba-Transformer et activation parcimonieuse pour maintenir des performances constantes sur les longs contextes, avec seulement 3,2B paramètres actifs par token.

16 juil. 2026 5 min

356

#performance #llm-open-source #optimisation

IA & Ingénierie

Muse Spark 1.1 : Meta entre dans la guerre des prix et bouscule l'orchestration d'agents IA

Meta lance Muse Spark 1.1 à 4,25 $/million de tokens output, un modèle de raisonnement multimodal avec fenêtre d'un million de tokens et Computer Use. Ce que ça change concrètement pour l'orchestration d'agents dans vos projets PHP/Symfony.

11 juil. 2026 2 min

242

#context-window #llm #multimodal

IA & Ingénierie

Vos benchmarks d'agents IA vous mentent : ce que révèle le 'test-time compute'

Une étude du AI Security Institute britannique révèle que les benchmarks classiques sous-estiment systématiquement les capacités réelles des agents IA en limitant leur budget de calcul. Un signal fort pour revoir vos pratiques d'évaluation avant de déployer en production.

7 juil. 2026 5 min

207

#agents-ia #llm #benchmarks

Veille & Recherche IA

DSpark : comment DeepSeek accélère ses LLM de 85% grâce au Speculative Decoding

DeepSeek publie DSpark, un framework open source combinant speculative decoding et génération par groupes de tokens pour accélérer la génération LLM de 60 à 85 %. On décortique les trois mécanismes techniques qui rendent cela possible.

2 juil. 2026 6 min

538

#performance #open-source #llm

IA & Ingénierie

Gemini 3.5 Flash intègre nativement le Computer Use : ce que ça change pour l'automatisation

Google intègre nativement le Computer Use dans Gemini 3.5 Flash, permettant au modèle de voir et piloter navigateurs et systèmes d'exploitation. Un changement d'architecture qui réduit la latence et le coût des pipelines d'automatisation.

26 juin 2026 5 min

295

#llm #automatisation #multimodal

Veille & Recherche IA

Comment Google triple la vitesse de Gemma 4 grâce au Multi-Token Prediction

Google a publié des *drafter models* MTP pour Gemma 4, capables de tripler la vitesse d'inférence en exploitant les cycles CPU inactifs, sans aucune perte de qualité. Une avancée concrète pour tous les projets intégrant des LLM en local ou en production.

8 mai 2026 4 min

277

#performance #optimisation #google

IA & Ingénierie

Inference on-device avec Qualcomm SNPE et MediaTek NeuroPilot : comment préparer votre backend PHP/Symfony

OpenAI prépare des puces mobiles IA avec Qualcomm et MediaTek pour 2028. Voici comment anticiper l'inférence on-device dans votre backend PHP/Symfony : SDK à tester, stratégies de quantization et patterns cloud↔edge concrets.

28 avr. 2026 5 min

346

#php #performance #symfony

Notre Blog