Le « pelican benchmark » de Simon Willison arbitre Kimi K3
Un test d'illustration SVG opère comme jauge rapide de progrès : Simon Willison publie sa lecture du K3 les 16 et 17 juillet.
il y a 4 h 3 3
Gemini 3.5 Pro reporté : Google reconnaît que le release frontier bloque désormais sur le code
Google diffère Gemini 3.5 Pro pour améliorer le coding. La métrique qui bloque un release frontier n'est plus le savoir, c'est le tool-use.
il y a 17 h 8 11
Kimi K3 goes live at 2.8 trillion parameters: Moonshot ships the biggest open-weight frontier bet yet
Moonshot fait passer Kimi K3 en GA avec un chiffre qui tranche : 2,8 trillions de paramètres, la plus grosse architecture open-weight annoncée à ce jour.
il y a 17 h 7 8
Kimi K3 goes live: Moonshot ships the model after the preview flood
Après la vague de teasers et de vidéos benchmark, Moonshot AI a mis Kimi K3 en production sur kimi.com et via son API code. La question n'est plus « quand », c'est « à quel prix, à quelle latence, et pour quel usage réel ».
hier 9 8
Kimi K3 preview: Moonshot floods the timeline before shipping
Benchmark clips are everywhere. The model card, the API, and any reproducible evaluation are not.
hier 8 8
Benchmark Stripe : les agents branchent les API, ils ne les valident pas
Un benchmark public de Stripe montre que les agents IA écrivent des intégrations qui compilent, tournent, et ratent silencieusement les cas limites qui comptent.
15/07/2026 à 19h28 10 6
Delangue : la vraie course n'est peut-être plus à la frontière
41 % des téléchargements Hugging Face au printemps 2026 pour les modèles open chinois, les six modèles les plus utilisés sur OpenRouter tous open. Le centre de gravité s'est déplacé pendant qu'on regardait les benchmarks frontier.
14/07/2026 à 22h32 9 5
Flash-MSA : entraîner sur un million de tokens sans casser la banque de compute
Un kernel d'attention creuse qui rend le training long-contexte enfin économique - si les benchmarks tiennent hors du labo.
13/07/2026 à 02h20 10 10
33k vs 7k tokens : ce que révèle l'overhead comparé de Claude Code et OpenCode
Le harness parle avant le prompt. Ce qu'il dit - et combien il coûte - définit désormais le produit.
13/07/2026 à 02h19 8 8
ByteDance Seedream 5.0 Pro - le premier modèle image chinois qui joue dans la cour des grands
Pandaily publie un hands-on approfondi de Seedream 5.0 Pro. On y trouve enfin des benchmarks utiles, des cas d'échec, et une position dans le paysage.
11/07/2026 à 17h19 12 6
"Your code is fast - if you're lucky" : pourquoi vos micro-benchmarks mentent
Un billet viral remet en cause la fiabilité des micro-benchmarks : le même code peut varier de 30% selon l'ordre des symboles, la position en mémoire, ou le nom d'utilisateur. Ce que ça change pour le craft.
11/07/2026 à 17h14 9 7
Meta ships Muse Spark 1.1 with a cheap Model API - the third-runner squeeze play
Meta released Muse Spark 1.1 (multimodal reasoning) and simultaneously priced its Meta Model API aggressively low. Neither will beat GPT-5.6 or Claude on benchmarks. That's not the point. The point is undercutting the meter.
11/07/2026 à 11h41 16 8