En bref
- Reflection publie Beam, son premier modèle open-weight, un MoE de 501 milliards de paramètres (23 milliards actifs) sous licence Apache 2.0, disponible sur Ollama Cloud en day-zero avec rétention nulle des données 117
- Hugging Face documente le support day-0 de Beam dans transformers, SGLang et vLLM, avec des recettes d’inférence, de SFT et de RL fournies 17
- NVIDIA et AI4Bharat annoncent Nemotron-pretraining-Indic-v1, environ 2,8 billions de jetons couvrant 22 langues indiennes, avec le pipeline de génération de données open source 16
Les signaux
Modèles
Beam, 501B paramètres ouverts sous Apache 2.0
Source primaireReflection sort Beam, un modèle à mélange d’experts de 501 milliards de paramètres totaux et 23 milliards actifs par jeton, avec une fenêtre de contexte de 1 million de jetons et une licence Apache 2.0 17. Le modèle cible l’écriture et la maintenance de code, l’usage d’outils sur plusieurs étapes et les tâches agentiques longues 1. Il est disponible dès le premier jour sur Ollama Cloud avec rétention nulle des données, ainsi que chez Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI 13.
Hugging Face livre une implémentation native dans transformers, le support dans vLLM et SGLang, et un harness Rust dédié 17. Les poids sont téléchargeables sur Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face et Microsoft Foundry Models 3.
Outils
llama.cpp passe par une app Windows 11 sans ligne de commande
ProduitL’équipe de ggml-org, qui développe llama.cpp, propose Llama, une app Windows 11 logée dans la zone de notification qui télécharge les modèles GGUF et ouvre un chat local via Alt+Espace 2. L’installation se fait par un fichier .msixbundle récupéré dans les Releases du dépôt, et l’app réutilise un llama.exe déjà présent sur la machine ou en télécharge un 2. Deux limites sont documentées : le raccourci Alt+Espace n’est pas modifiable et Smart App Control bloque l’exécution 2.
Recherche
LEASH escalade vers un agent fort sur signal d’incertitude
Étude non relue par des pairsLEASH est un framework sans entraînement qui utilise l’incertitude latente de l’agent faible pour décider quand passer la main à un agent fort, puis surveille ce dernier 8. Le papier part du constat qu’exécuter un modèle de frontière à chaque étape de tâches longues coûte cher, et qu’un petit modèle open-weight seul échoue souvent 8. La difficulté identifiée est de produire un signal d’incertitude assez bon marché pour être vérifié à chaque étape, y compris après le handoff où l’API en boîte noire de l’agent fort n’expose aucun interne 8.
Recherche
le cache KV distant dégrade la p99 sans sharding
Étude non relue par des pairsUne étude mesure un tier de cache KV distant sur un déploiement désagrégé de GLM-5.3, modèle MoE FP8 avec attention multi-têtes latente, sur des nœuds 8xB300 en parallélisme de contexte de préremplissage 12. Activer le tier distant (LMCache avec un store Valkey) laisse la médiane du time-to-first-token inchangée mais fait passer la p99 à 16k jetons de 3,96 s à 17,3 s 12. Un hit distant prend 0,88 s contre 0,31 s pour recalculer le prompt, et le chargement synchrone transforme un flux à fort taux de hits en file instable, avec une p99 à 83,32 s et les GPU occupés à 7 % 12.
À retenir
- 501milliards de paramètres pour Beam, avec 23 milliards actifs par jeton et 1 million de jetons de contexte sous Apache 2.0 17
- 2,8billions de jetons dans Nemotron-pretraining-Indic-v1, sur 22 langues indiennes, avec le pipeline de génération publié 16
- 17,3s de p99 contre 3,96 s sans tier distant sur un cache KV partagé en préremplissage long contexte 12
Niveaux de preuve
- Source primaire (1)L'auteur ou l'organisation concernée le dit directement.01
- Étude non relue par des pairs (2)Un article de recherche publié sans relecture par d'autres chercheurs.03 04
- Produit (5)Une annonce ou une page de l'éditeur du produit.02 Tuto Matos Fine-Tuning RAG
- Opinion (1)Un point de vue, pas un fait établi.Prédictions
Tuto du jour
Tuto / Outil : Llama, app Windows 11 de llama.cpp — https://korben.info/llama-windows-llm-local.html 2 Produit
Ce qu’on installe : Une application Windows 11 qui télécharge des modèles GGUF et ouvre un chat local, sans ligne de commande.
Prérequis hardware & commande : Aucun GPU/VRAM précisé ; récupérer le fichier .msixbundle dans les Releases du dépôt, double-cliquer dessus pour installer.
Matos & Infra local
Sujet Matos/Infra : Muse Spark Open, 816B paramètres (42B actifs), exécutable sur deux Apple M5 Ultra Mac Studios via MLX 3 Produit
Constat technique : Le modèle multimodal revendique un contexte de 1M tokens et tourne sur du matériel desktop Apple, avec poids disponibles sur Hugging Face et SageMaker 3.
Recommandation dev : Tester la configuration bi-Mac Studio en MLX avant d’envisager un rack GPU pour ce type de charge agentique.
Fine-Tuning & Quantiz
Technique / Outil : Recettes SFT et RL pour Beam, modèle MoE 501B (23B actifs) de Reflection, publiées avec Hugging Face 17 Produit
Apport : Support day-0 dans transformers, vLLM et SGLang, avec recettes d’inférence, de fine-tuning supervisé et d’apprentissage par renforcement pour personnaliser le modèle.
Impact pratique : Récupérer les poids sous licence Apache 2.0 et suivre les recettes fournies pour post-entraîner Beam sur ses propres cas d’usage.
RAG & Agents Locaux
Architecture / Outil : PS5LM, llama.cpp sur PS5 jailbreakée 4 Produit
Cas d’usage : servir un modèle GGUF (Qwen 3.8) en local depuis la GPU de la console, accessible aux appareils du réseau via API OpenAI/Anthropic, sans PC, cloud ni compte 4.
Clé de voûte : llama.cpp charge le GGUF sur la GPU de la console et l’expose comme serveur de modèles privé domestique 4.
Nos prédictions vérifiées
Partiellement tenu
Ce qu’on disait le 27 septembre 2026 : « les coding agents rendent le software engineering plus dur, pas plus simple » Opinion
Verdict aujourd’hui : partiellement tenu. La revue de code de l’équipe Claude Code décrite le 16 octobre 5 déplace la revue en continu plutôt qu’en fin de parcours, ce qui ne tranche pas la thèse mais documente une pratique où la vérification humaine reste requise après passage automatisé.
Sources (18)
Sources vérifiées le 17/10/2026 05:01 UTC · Notre méthode
| N° | Publication | Site | Date |
|---|---|---|---|
| 1 | Reflection’s Beam is freely available on Ollama for a limited time | Ollama | 16 octobre 2026 |
| 2 | Llama - L’IA locale de llama.cpp, sans ligne de commande | Korben | 16 octobre 2026 |
| 3 | Muse Spark Open | Hacker News | 15 octobre 2026 |
| 4 | Llama.cpp on a jailbroken PS5: run any GGUF model natively on the console | Hacker News | 16 octobre 2026 |
| 5 | Quoting Addy Osmani, Morgan Westlee Lunt, and Qing Wang | Simon Willison | 16 octobre 2026 |
| 8 | LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents | HF Papers | |
| 12 | When the KV Cache Is Slower Than the GPU: Scaling Remote KV Tiers for Context-Parallel Prefill | HF Papers | |
| 16 | Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline | Hugging Face | 16 octobre 2026 |
| 17 | Welcome Beam: a 501B open model you can own, customize, and scale | Hugging Face | 16 octobre 2026 |
Autres lectures (9)
| N° | Publication | Site | Date |
|---|---|---|---|
| 6 | Chirp Pong | Simon Willison | 15 octobre 2026 |
| 7 | Anthropic tells investors quarterly revenue up nearly 50% to $16.8bn ahead of IPO | Simon Willison | 15 octobre 2026 |
| 9 | Learning to Read Out: Unembedding Dynamics in Language Model Pretraining | HF Papers | |
| 10 | Explaining the Roles of Experts in Mixture-of-Experts LLMs for Personalization | HF Papers | |
| 11 | Beyond Policy Rollouts: Embedding-Space Directional Exploration with Anchored Noise for LLM RLVR | HF Papers | |
| 13 | Krea 3 – An image model built for editing at scale | Hacker News | 15 octobre 2026 |
| 14 | HUB 404 - Le grand retour d’Hacking Social | Korben | 16 octobre 2026 |
| 15 | Shotnix - Votre screencast déjà monté dès la fin de l’enregistrement | Korben | 16 octobre 2026 |
| 18 | Granite Switch 4.1: Chat, Decisions, and Speech from One Endpoint | Hugging Face | 15 octobre 2026 |
V3ille — Sources : arXiv, GitHub Trending, Hugging Face Daily Papers, OpenAI, DeepMind, Google AI, IEEE Spectrum, The Robot Report.