GLM-5.3 from Chinese lab Zhipu AI targets the coding and cybersecurity verticals specifically, claiming 2× improvement on SWE-Marathon benchmarks and topping CyberGym evals. The vertical specialization race is accelerating.
14/08/2026 à 18h58 6 7
A widely-shared post breaks down the subjective regression many developers are experiencing with Claude Opus 5, even as benchmarks hold or improve. The gap between measured and felt capability is widening.
14/08/2026 à 18h58 6 5
WeLM, the model powering WeChat's AI agent, has quietly scaled to 617 billion parameters with an undisclosed decoding mechanism. No benchmarks, no papers - just a billion-user deployment.
13/08/2026 à 12h57 9 10
La scène IA de 2026 n'est plus un seul peloton. Deux dynamiques parallèles s'affrontent avec des critères de victoire différents - et confondre les deux fausse l'analyse.
10/08/2026 à 16h29 6 6
A systematic arXiv study documents how benchmark saturation is quietly undermining our ability to compare models - and why this matters more than any individual benchmark result.
04/08/2026 à 23h33 10 10
Trois architectures à disséquer côte-à-côte : le MoE 118B / 8B actifs de Poolside exécutable sur une seule machine ; le multimodal 975B / 41B d'Inkling, publié aussi en 276B / 12B ; le 2,8T / 104B contexte 1M de Kimi K3, dont la clause d'accord commercial pourrait éjecter les entreprises US.
03/08/2026 à 00h53 16 13
Black Forest Labs sort FLUX 3, sa nouvelle génération de flow matching models multimodaux. Le labo revendique des résultats supérieurs à Seedance 2.0 et Gemini sur les benchmarks internes. Il reste à confirmer par des évaluations tierces.
24/07/2026 à 21h00 8 8
Percée technique reconnue, mais commercialisation et écosystème pas encore là - la question du « moment DeepSeek » de Kimi K3 se joue moins sur les benchmarks que sur la traction.
23/07/2026 à 07h45 7 9
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 6 5
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 3 11
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
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 5 7
