# 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.

## Édition du 14 octobre 2026 — 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.

**Tendance de fond.** Les rangs 31-60 sont saturés de dérivés « uncensored / abliterated » de Qwen3.8 et GLM-5.3 (8 des 30 entrées : huihui-ai, HauhauCS, SC117, JonathanColetti, dealignai, Infatoshi, alesha-pro, Mia-AiLab), tous en GGUF ou EXL3 : la communauté de quantisation devient le premier canal de diffusion des gros modèles chinois vers le PC. Deuxième signal : le format MoE « A3B » (3-4 B actifs) s'impose comme standard du local — MiniCPM-V 4.7 35B-A3B, Xing4.0 29B-A4B, JEV-35B, Mellum 12B-A2.5B — avec des GGUF officiels le jour J. Enfin, l'audio refait surface (pyannote, Paradee, corpus turc) après deux semaines dominées par l'image et la décision.

## Derniers articles

- [pyannote community-1 : la diarisation libre progresse sur les réunions, recule sur le corpus français](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-14-audio-pyannote-community-diarisation.html) — 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](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-14-code-flash-next-coder-elague.html) — 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](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-14-local-qwen-sans-refus-gguf.html) — 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](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-13-agents-d3-decision-index.html) — 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](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-13-documents-lightonocr-3-grounding.html) — 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](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-13-local-gguf-officiels-mellum.html) — 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.
- [pplx-decider v1.1 : Perplexity prend la tête du Decision Index, JEV-27B-VL garde l'image](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-12-agents-pplx-decider-perplexity.html) — 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.
- [Youtu-Parsing-Omni : Tencent transforme pages, tableaux et audio en un seul JSON](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-12-documents-youtu-parsing-omni.html) — 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.
- [EmbeddingGemma 2 : la recherche sémantique multilingue tient en 176 Mo sur un PC](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-12-local-embeddinggemma-2-gguf.html) — 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.
- [La semaine en bref : la décision typée s'impose, Qwen3.8-27B se compresse](https://clauzelfamille-dot.github.io/radar-ia/articles/2026-10-12-tendances-semaine-en-bref.html) — 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.