MiniCPM-V 4.7 se met à jour, l'audio et la décision reviennent
- ⭐ MiniCPM-V 4.7 (35 B, 3 B actifs) mis à jour il y a 2 h : OCR, parsing PDF, appel d'outils, GGUF/FP8/int4, Apache 2.0 — le vision-document MoE monte au rang 21 (vu le 13/10, mais la fiche a changé).
- ⭐ L'audio entre au classement : pyannote speaker-diarization-community-1 (CC-BY-4.0, 5,4 M téléch.) arrive au rang 33 avec la 3.1 ; côté Spaces, Paradee (TTS de 8 M de paramètres) ; côté données, 2 M de phrases turques synthétiques pour l'ASR.
- ⭐ La décision typée se muscle : JEV-27B-VL (3,8 k likes, 1,55 M téléch.) mis à jour il y a 17 h avec une démo recherche/reco, JEV-35B et pplx-decider rafraîchis ; Youtu-Parsing-Omni (Tencent, 5 B) publie poids + plugin vLLM pour le parsing documentaire en JSON.
Les modèles qui comptent aujourd'hui
classements →★ embeddinggemma-2
Toujours n°1 : la brique de recherche sémantique locale de référence.
humanizer
Engouement communautaire, mais usage discutable.
Qwen-Image-2.1-Turbo
Génération en 8 étapes, écosystème très actif
Qwen-Image-2.1-Uncensored-Quantized
2,2 M de téléchargements : la version la plus téléchargée de Qwen-Image.
★ clef
Agents + documents web, licence Apache.
LTX-2.5
Le modèle vidéo ouvert le plus aimé du moment.
Derniers articles
tous →pyannote community-1 : la diarisation libre progresse sur les réunions, recule sur le corpus français
pyannote publie le successeur libre de speaker-diarization-3.1 : meilleure attribution des locuteurs, sortie « exclusive » prête à aligner sur une transcription, CPU suffisant. Sur le seul corpus francophone du tableau, le nouveau modèle fait pourtant moins bien que l'ancien.
Qwen3.8-Flash-Next élagué : ISTA-DASLab fait tenir un modèle de code de 177 B dans 32 Go
ISTA-DASLab retire la moitié des experts de Qwen3.8-Flash-Next et quantise le reste à 3,5 bits : 29,6 Go résidents, 75,6 sur SWE-bench Verified d'après la fiche, contre 82,8 pour la base de 354 Go. C'est un modèle de code de première classe à la portée d'une station de travail, pas encore d'un portable.
Qwen3.8-27B « sans refus » : ce que valent les GGUF de huihui et OrcaSAQ-2 pour un usage professionnel
Deux dérivés « abliterated » de Qwen3.8-27B entrent au classement, l'un à 2,2 M de téléchargements ; une seule des deux fiches mesure la perte due à la quantisation, aucune celle due à l'abliteration. Pour traiter des documents ou coder, le GGUF Unsloth d'origine reste le bon point de départ.
d3 : vLLM Semantic Router prend la tête du Decision Index, JEV-35B et Lightning 4B descendent en taille
L'équipe vLLM Semantic Router publie d3, un modèle de décision de 27 B dont la fiche annonce 65,5 au Decision Index public, devant pplx-decider (61,6). En trois jours, AutoTrust (JEV-35B, 3 B actifs) et H2O.ai (Lightning 4B) ajoutent deux modèles du même type, et la taille utile descend jusqu'à 4 B.
LightOnOCR-3 : l'OCR de LightOn passe sur Qwen3.5, avec boîtes et graphiques convertis en tableaux
LightOn, éditeur parisien, publie LightOnOCR-3 en deux tailles, 4 B et 0,8 B, sous Apache 2.0. La fiche du 4 B annonce 86,3 sur olmOCR-bench et ajoute un mode « grounding » qui renvoie, pour chaque bloc de la page, un type et une boîte.
GGUF officiels : Mellum 2.1 tient en 8 Go, MiniCPM-V 4.7 et d1-3B livrent aussi leur version locale
JetBrains publie les GGUF officiels de Mellum 2.1, son MoE de code à 2,5 B actifs : 8,1 Go en Q4_K_M, contexte 131 k, une commande Ollama. La même semaine, OpenBMB (MiniCPM-V 4.7) et Liquid AI (d1-3B) livrent eux-mêmes la version quantisée.
Classement du jour — top 10
Score Radar /100| # | Élément | Domaines | Likes | Téléch. | Score | Évol. |
|---|---|---|---|---|---|---|
| 1 | JEV-27B-VL ★ AutoTrust AI Lab · Modèle · Vision-langage |
Agents & outils | 3,8 k | 1,6 M | Score Radar 84 sur 100 | = |
| 2 | Ternary-Bonsai-2-27B-gguf ★ Prism ML · Modèle · Génération de texte |
LLM en local | 2,6 k | 4,5 M | Score Radar 84 sur 100 | = |
| 3 | Qwen3.8-27B-GGUF ★ Unsloth AI · Modèle · Génération de texte |
LLM en local | 5 k | 6,5 M | Score Radar 82 sur 100 | = |
| 4 | laya ★ convaiinnovations · Modèle · Classification |
Agents & outilsDocuments & OCRLLM en local | 5,5 k | 45,1 k | Score Radar 79 sur 100 | = |
| 5 | MiniCPM5-2B ★ OpenBMB · Modèle · Génération de texte |
LLM en local | 1,7 k | 727 k | Score Radar 79 sur 100 | = |
| 6 | Edge0-35B-A3B-preview ★ Edge0 · Modèle · Génération de texte |
LLM en local | 3,6 k | 81,1 k | Score Radar 78 sur 100 | = |
| 7 | Qwen3.8-27B Qwen · Modèle · Vision-langage |
LLM en localCodeAgents & outils | 17,6 k | 6,9 M | Score Radar 77 sur 100 | = |
| 8 | Swift-Qwen3.8-27B-GGUF ★ ukisai · Modèle · Vision-langage |
LLM en localCode | 406 | 189 k | Score Radar 77 sur 100 | = |
| 9 | Underdog-Saluki-27B-1.0 ★ Conway · Modèle · Génération de texte |
LLM en localAgents & outils | 379 | 242 k | Score Radar 77 sur 100 | = |
| 10 | speaker-diarization-3.1 ★ pyannote · Modèle · Diarisation audio |
Voix & audioLLM en local | 4,3 k | 6,9 M | Score Radar 76 sur 100 | nouveau |
Guides vérifiés
tous →Listes régénérées chaque jour depuis les données Hugging Face : nouveautés · modèles qui gèrent le français · licences et usage en entreprise · modèles GGUF à lancer en local.
Radar IA — Chaque matin, les modèles, datasets et Spaces qui comptent sur Hugging Face : classements avec Score Radar, fiches techniques et articles pour faire tourner l'IA en local, traiter des documents, bâtir des agents. Données ouvertes : API JSON, llms.txt, RSS.
Recevez Radar IA chaque matin
L'essentiel des modèles IA ouverts en deux minutes : nouveautés Hugging Face, modèles à tester en local, scores et analyses en français.