Tags des articles IA

Parcourez les articles grâce à des tags maintenus avec soin. Chaque tag mène à une introduction dédiée et à des articles publiés étroitement liés.

Qwen-Image Montre comment la gamme Qwen-Image se ramifie, de sa force en mise en page de texte au gain de réalisme de 2512 et à la décomposition en calques de Layered. AI.com Explique l’activation et les limites de droits des agents autonomes d’ai.com, entre réservation de nom, exécution inter-applications et environnement isolé et chiffré. Z-Image Présente la gamme ouverte Z-Image et relie backbone non distillé, diffusion à flux unique et quota d’inférence gratuit à des besoins créatifs et techniques concrets. Code Supernova Décompose le codage agentique de Code Supernova : contexte long, entrée d’images et exécution en plusieurs étapes, et ce que chacun change sur les réécritures inter-fichiers. LTX Video Retrace la répartition des rôles entre les modèles LTX Video et la plateforme de production, de la génération de storyboard au montage et à la voix off sur la timeline. Doubao Phone Assistant Examine le Doubao Phone Assistant de ByteDance, la façon dont il tape, balaie et saisit d’une application à l’autre avec les droits système, et ce que couvre réellement le prototype nubia M153. Gemini Robotics Explique comment Gemini Robotics de Google DeepMind agit comme cerveau de haut niveau du robot, comment ER 2 suit la progression et corrige les erreurs en cours de mouvement, et où en est la collaboration avec Atlas. Google Disco Décortique Disco, projet de navigation expérimental de Google Labs, et sa première fonction GenTabs : comment les onglets ouverts deviennent de petites applications utiles, et ce que disent la liste d’attente et les notes de confidentialité. GLM-5 Suit la gamme phare GLM-5 à poids ouverts de Z.ai, du socle 744B aux exécutions autonomes de huit heures et au Flash 320B moins cher, et montre comment la génération arbitre entre capacité et coût. 360 Cartographie l’offre IA de 360, de Zhinao et du navigateur AI à Zhitu, Hongtu et la chaîne Nami, en précisant la répartition des rôles, les publics visés et la place de la couche mémoire Mem360. LongCat-Video-Avatar Lire la gamme LongCat-Video-Avatar, vidéo d’avatar pilotée par l’audio, et sa gestion de la stabilité des longs clips et de l’identité de plusieurs personnes. Tongyi Fun Expliquer la composition de Tongyi Fun, base audio d’entreprise, et comment reconnaissance Fun-ASR et synthèse Fun-CosyVoice couvrent comptes rendus et contrôle qualité. HunyuanWorld Décomposer la façon dont HunyuanWorld-Voyager construit un monde 3D explorable à partir d’une image, et ce que règlent sortie 3D native, cache de monde et trajectoires de caméra. Hunyuan-MT Suivre la lignée Hunyuan-MT, du modèle 7B dans le cloud au 1,8B en périphérie, et voir quels travaux de localisation relèvent du contrôle terminologique, du contexte long et du format. MiniMax Music Expliquer comment MiniMax Music transforme paroles et description de style en chanson aboutie, et ce qu’apportent voix réalistes, contrôle de l’humeur et Music Skills open source. LongCat-Image Montre comment LongCat-Image oppose une base DiT de 6B à des systèmes plus grands, et comment le rendu de texte bilingue et l'édition contrôlable se comportent en design comme au quotidien. GLM-TTS Met l'accent sur le clonage vocal de GLM-TTS à partir de trois secondes d'audio et son contrôle émotionnel, en décrivant la génération en deux étapes et l'apprentissage par renforcement sur le taux d'erreur. Firecrawl Explique comment Firecrawl répartit scrape, crawl, recherche et cartographie des liens, et comment actions interactives, rappels et formats multiples alimentent agents et pipelines de récupération en données web propres. PaddleOCR Décompose la détection, l'analyse de mise en page et le modèle documentaire de 0,9B de PaddleOCR, en suivant le trajet de pages multilingues ou inclinées vers un Markdown et un JSON structurés. LangChain Parcourt le modèle de composants et l'orchestration de chaînes de LangChain, puis montre comment gabarits, récupération augmentée, mémoire et traçage soutiennent pipelines RAG, assistants et automatisations en production. MiMo-V2 Se concentre sur la lignée V2 de Xiaomi MiMo et compare Flash, Pro, Omni, TTS et V2.5 selon l'échelle des paramètres, la longueur de contexte et les capacités multimodales. Google Gemma Présente les deux branches de la famille ouverte de Google : Gemma 4 mise sur le raisonnement et le déploiement local, VaultGemma sur la confidentialité différentielle, avec à chaque fois son propre calcul de licence et de conformité. HunyuanOCR Décompose la façon dont un modèle OCR d'un milliard de paramètres enchaîne détection, reconnaissance et analyse de page en une passe, et détaille son usage pour reçus, sous-titres et traduction d'images. Notion AI Montre comment Notion AI gère rédaction, synthèse, traduction et questions dans les pages, les wikis et les bases, et dessine une routine de connaissance directement réutilisable.