Articles
Analyses rédigées chaque matin à partir des fiches Hugging Face, un article par domaine actif.
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.
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.
EmbeddingGemma 2 : la recherche sémantique multilingue tient en 176 Mo sur un PC
Google publie EmbeddingGemma 2, un modèle d'embeddings de 0,74 B qui place texte, images, audio et vidéo dans le même espace vectoriel, et Unsloth le décline en GGUF à partir de 176 Mo. Pour une recherche documentaire locale, sans serveur ni API, c'est une brique à essayer.
Qwen3.8-27B en 8 à 12 Go : trois façons de faire tourner un agent sur un PC
Saluki, OrcaSAQ et Swift compressent ou raccourcissent le même modèle socle. Tour d'horizon de ce que chacun sacrifie, et d'une licence à lire avant de déployer.
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.
Youtu-Parsing-Omni : Tencent transforme pages, tableaux et audio en un seul JSON
Tencent publie Youtu-Parsing-Omni, un modèle de 5 B qui convertit une page de document, un graphique, un organigramme, un fichier audio ou une vidéo en un seul bloc JSON structuré. Sa fiche annonce 97,0 sur OmniDocBench v1.6, au niveau des meilleurs OCR spécialisés, mais il exige un GPU et porte une licence propre.
Trier des documents sans générer un mot : GLiNER2.5-Decide rejoint la vague des modèles de décision
Fastino publie un classifieur de 340 millions de paramètres qui répond à plusieurs questions typées en un seul appel, sur CPU. Quatrième acteur en trois semaines sur un créneau qui intéresse directement le traitement documentaire.
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.
pplx-decider v1.1 : Perplexity prend la tête du Decision Index, JEV-27B-VL garde l'image
Perplexity publie pplx-decider-v1.1-27b, un modèle de décision dérivé de Qwen3.8-27B qui ne génère aucun texte et renvoie une probabilité par option. Sa fiche annonce 61,6 au Decision Index, devant Jev (57,9), pendant que JEV-27B-VL d'AutoTrust reste premier du tableau vision.
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.
parakeet-redux : la transcription en 25 langues tient désormais en 178 Mo
Moondream publie une version à poids ternaires du parakeet de NVIDIA. Le français y est, le CPU suffit, et l'horodatage par mot est inclus. Le taux d'erreur monte un peu : la question est de savoir si c'est acceptable pour des comptes rendus de réunion.
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.
La semaine en bref : la décision typée s'impose, Qwen3.8-27B se compresse
Premier bilan hebdomadaire du Radar, bâti sur les deux éditions disponibles. Les modèles de décision deviennent une catégorie à part entière, et Qwen3.8-27B sert de socle à la moitié des nouveautés qui tournent en local.