Z.ai a annoncé GLM-5.3, un nouveau modèle qui atteint des performances de pointe sur les benchmarks de codification agentic en étendant le post-apprentissage de son modèle de base GLM-5.2. Le modèle de ~750B paramètres dépasse actuellement Kimi K3 et égale ou dépasse Claude Fable 5 et GPT-5.6-Sol sur divers benchmarks.
L'équipe GLM a publié la version 5.3 du modèle GLM.
Z.ai a publié GLM-5.3, une mise à jour de son modèle de 743 milliards de paramètres qui obtient des gains de performance par un post-apprentissage à grande échelle plutôt que par un réentraînement du modèle de base. La version est actuellement disponible via l'API Z.ai, le plan GLM Coding et ZCode, avec des poids publics prévus environ deux semaines après le lancement, suite aux évaluations de sécurité.
Mistral héberge désormais le modèle GLM-5.2, qui est même moins cher que son modèle phare actuel, Mistral Medium 3.5.
Un système de génération augmentée par récupération (RAG) conçu spécifiquement, nommé VITA et destiné aux contextes à revenus faibles et moyens, a été évalué contre des modèles de langage larges à usage général sur le benchmark HealthBench. Sur 4 023 questions jugées par un juge GPT-4.1, VITA s'est classé premier avec 51,9 % des points possibles de la grille d'évaluation, surpassant GPT-5.4, o4-mini, Gemini 3.1 Pro et Claude Sonnet 4.6.
Macaron-V1 est une famille de modèles d'agent ouverte conçue pour l'intelligence expérientielle, permettant l'apprentissage à partir d'environnements réels et la poursuite de l'apprentissage après le déploiement. Le système se concentre sur deux objectifs : l'adaptation par l'amélioration récursive des paires modèle-harnais et la collaboration via une architecture Mixture-of-LoRA (MoL) qui sélectionne des adaptateurs LoRA spécialisés pour chaque tour utilisateur.
Macaron-V1 est une famille de modèles-agents ouverte conçue pour l'intelligence expérientielle, permettant aux systèmes d'apprendre à partir d'expériences du monde réel et de continuer à s'améliorer après le déploiement. L'architecture repose sur deux objectifs : l'adaptation par l'amélioration récursive des paires modèle-harnais, et la collaboration via un système Mixture-of-LoRA (MoL) qui sélectionne des adaptateurs spécialisés pour chaque tour utilisateur.
La documentation du prochain modèle GLM-5.3 de Zhipu a fait surface et a été supprimée quelques secondes plus tard. Les pages ont été indexées par Bing avant de disparaître.
Une branche de commits pour GLM 5.3 a été identifiée dans le dépôt z-ai-sdk-java sur GitHub.
Le nouveau modèle DeepSeek V4-Flash a obtenu un score de 50 à l'indice ArtificialAnalysis. Ce résultat le place à seulement un point en dessous de GLM-5.2 et GPT-5.6 Luna.
Les chercheurs présentent OSReward, un benchmark réaliste conçu pour évaluer la fiabilité des modèles vision-langage (VLM) agissant comme juges pour les trajectoires d'agents utilisant un ordinateur. L'étude révèle que même les VLM les plus avancés souffrent d'un biais de clémence systématique et sont souvent trop coûteux à l'échelle, tandis que les modèles ouverts abordables performe mal.
xAI a lancé le « Mode Build » pour les abonnés SuperGrok Heavy, permettant aux utilisateurs de générer, modifier, prévisualiser et publier des sites web, des applications, des jeux et des tableaux de bord directement depuis le chat, sans configuration préalable. Parallèlement, plus d'un millier de collaborateurs d'entreprises d'IA de pointe ont signé une déclaration demandant au gouvernement américain de soutenir un effort international visant à développer des outils pour rythmer délibérément l'avancée du développement automatisé de l'IA.
Le projet llama.cpp a publié la compilation b10174, introduisant le support du décodage spéculatif NextN/MTP pour l'architecture du modèle GLM_DSA (GLM-5.2).
Moonshot a publié les détails complets, les poids et l'infrastructure de soutien pour Kimi K3, un modèle Mixture-of-Experts de 2,8T de paramètres avec environ 104B de paramètres actifs par token. La publication inclut des rapports techniques détaillant sa pile hybride à contexte long et de nouveaux outils comme MoonEP, FlashKDA et AgentEnv.
PIVOT (Proxy Indexing Via One full-prefix Traversal) est un remplacement plug-in sans entraînement pour l'indexeur DeepSeek Sparse Attention (DSA) qui réduit la redondance computationnelle en partageant un seul scan de préfixe entre un groupe de requêtes proches. Au lieu de scorer chaque token précédent pour chaque requête individuellement, PIVOT agrège le groupe en une seule requête proxy pour obtenir un ensemble de candidats, à partir duquel les top-k tokens sont sélectionnés pour chaque requête.
Le rapport présente Zing, un framework intégré conçu pour améliorer l'intelligence sociale des grands modèles de langage en mesurant, intériorisant et ancrant les capacités sociales. Les auteurs présentent SoMBench, un benchmark fondé sur la psychologie couvrant 17 dimensions secondaires et 3 481 instances vérifiées par des experts, qui révèle que les LLM actuels ont une marge de progression significative, aucun modèle n'atteignant des performances proches du plafond.
Une comparaison de trois modèles Mixture-of-Experts à poids ouverts — Kimi K3 de Moonshot AI, DeepSeek V4 Pro et GLM-5.2 de Zhipu AI — évalue leurs capacités, leurs conditions de licence et leurs coûts de déploiement pour les charges de travail de codage et d'agents sur le long terme.