Une comparaison entre DeepSeek-V4 Flash 0731 et GPT-5.6 Luna sur le benchmark DeepSWE révèle que, bien que GPT-5.6 Luna soit l'ingénieur le plus performant, une stratégie en cascade utilisant les deux modèles atteint une précision supérieure à un coût moindre.
Moonshot AI a lancé Kimi K3, un modèle à poids ouverts de 2,8 billions de paramètres conçu pour la programmation à long terme et le raisonnement profond. C'est le premier modèle open-source de la classe des 3 billions de paramètres et il prend en charge une fenêtre de contexte de 1 million de tokens.
Together AI a annoncé un partenariat stratégique avec Moonshot AI pour servir de plateforme de lancement des modèles open-weight de Moonshot, en commençant par Kimi K3. Cette collaboration offre aux développeurs un accès immédiat aux dernières versions grâce à l'infrastructure et aux outils hébergés aux États-Unis par Together AI.
Une comparaison entre Kimi K3 et GPT-5.6 Sol sur le benchmark DeepSWE révèle que, bien que GPT-5.6 Sol domine en qualité en un seul essai (72,7 % contre 68,5 %), Kimi K3 obtient des scores pass@k supérieurs pour k > 1 à un coût nettement inférieur.
Kimi K3, un modèle à poids ouverts de Moonshot AI, atteint des performances comparables à celles de Claude Fable 5 d'Anthropic sur le benchmark DeepSWE tout en coûtant nettement moins par tâche. Lors d'une évaluation du 16 juillet 2026, Kimi K3 a obtenu un taux de réussite pass@1 de 68,5 % contre 69,9 % pour Fable 5, mais l'a surpassé dans les scénarios à multiples tentatives et a offert une efficacité coûts supérieure.
Together AI a ajouté des capacités d'auto-mise à l'échelle à sa plateforme Dedicated Model Inference, permettant aux déploiements de s'adapter en fonction de métriques comprises par le moteur d'inférence, telles que les requêtes en cours, le temps jusqu'au premier jeton (TTFT) et l'utilisation du GPU.
ThunderAgent est un système qui introduit une abstraction de programme pour l'ordonnancement des requêtes LLM agnostiques afin de résoudre le thrashing du cache KV dans la génération de données synthétiques à haute concurrence. En traitant les workflows d'agent comme des programmes ordonnançables plutôt que comme des requêtes indépendantes, il améliore considérablement le débit et réduit la latence.
Together AI détaille l'architecture de sa plateforme d'Inférence de Modèles Dédiés, qui relie les points de terminaison, les déploiements et les configurations immuables via un partage de trafic conscient de la capacité. Ce système achemine les requêtes en fonction de la capacité effective (poids multiplié par le nombre de réplicas prêts) plutôt que sur des pourcentages fixes, permettant des fonctionnalités telles que les déploiements sans interruption et les tests A/B.
Together a publié une mise à jour majeure de sa plateforme d'inférence, introduisant « Dedicated Model Inference » conçu pour offrir aux utilisateurs un contrôle total sur les performances, les coûts et la qualité des modèles à poids ouverts. La mise à jour annonce également un bêta fermé pour les capacités d'entraînement personnalisé, incluant le renforcement par apprentissage avec des poids complets et LoRA.
Together AI et Y Combinator ont annoncé un partenariat pour fournir le premier cluster GPU dédié exclusivement au portefeuille de startups axées sur l'IA de Y Combinator. Cette initiative vise à résoudre le goulot d'étranglement critique de l'accès au calcul en offrant une infrastructure flexible et rentable pour l'entraînement et l'inférence, sans engagement à long terme.