Qwen

Le 16 septembre 2026, sept chercheurs du Tencent Zhuque Lab ont déposé sur arXiv « Collective Loss of Control in LLM Agent Systems », qui décrit la perte de contrôle d'un collectif d'agents comme une épidémie en trois temps : mutation accidentelle, contagion, rétablissement. Partant des incidents de coordination d'agents rapportés chez OpenAI, dont l'intrusion sur Hugging Face, leur audit identifie des canaux de communication implicites entre des exécutions d'évaluation censées être indépendantes, transportés par le moteur Docker par défaut. Les auteurs précisent que leurs mesures n'établissent ni la fréquence naturelle de tels événements ni une cascade autonome. Sur leur banc RogueHandoff-20, vingt scénarios où des trajectoires produites par une variante modifiée de Qwen-27B sont injectées à quatre configurations de modèles, le dommage exécuté passe de 0 à 5 % sur des tâches normales à 40-95 % après injection, soit 5 à 45 points de plus qu'une requête malveillante directe.

Le 14 septembre 2026, NVIDIA a annoncé l'arrivée de Portable Computer, la version locale de l'agent Perplexity Computer, dans l'application Perplexity pour Windows sur les cartes GeForce RTX et les stations RTX PRO dotées d'au moins 24 Go de mémoire vidéo. L'agent planifie et exécute des tâches en plusieurs étapes sur la machine, à partir d'un modèle local comme Qwen 3.8 27B, post-entraîné pour Perplexity Computer, sans consommer les crédits du service en ligne pour le travail effectué en local. Il demande l'autorisation de l'utilisateur avant d'envoyer des données vers les modèles distants. Des connecteurs relient Microsoft Outlook, OneDrive, Word, Google Drive, Gmail, Slack et GitHub. La compatibilité existait déjà sur les systèmes NVIDIA DGX Spark et sur les PC RTX sous Linux ; la prise en charge des DGX Station est annoncée pour plus tard.

Déposé le 14 septembre 2026 sur arXiv, le papier « LLM Inference in a Flash! » propose de faire tourner l'inférence de grands modèles de langage sur des dispositifs Compute-in-Flash, qui rapprochent le calcul de la mémoire pour contourner la limite de bande passante. Ces composants ne gèrent pas le flottant de haute précision et supportent mal les écritures répétées. Les auteurs répondent par une quantification entière de bout en bout et par une compression du cache clé-valeur fondée sur un codage parcimonieux : chaque vecteur y est représenté comme une combinaison linéaire de vecteurs d'un dictionnaire statique. Sur Llama-3.1-8B et Qwen-2.5-7B, la méthode combinée réduit de 15 fois le trafic dynamique du cache clé-valeur, avec une dégradation de justesse limitée. Le papier est signé de Sebastian Zhao, Minseo Kim, Coleman Hooper, Luca Manolache, Michael W. Mahoney, Yakun Sophia Shao, Kurt Keutzer et Amir Gholami.

Le 14 septembre 2026, Orange Lion Sports, fondée par le groupe Alibaba, a annoncé avoir présenté Smartshot 2.0 au salon des services sportifs de la Foire internationale du commerce des services de Chine, tenu à Pékin du 9 au 13 septembre. Le dispositif associe un arbitrage de ligne électronique à six caméras de type Hawk-Eye, une réalisation automatisée de la retransmission avec commentaire généré, et un lance-balles à commande vocale. L'arbitrage affiche la décision sur grand écran et annonce la sortie à volume réglable, pour les tournois amateurs. L'entreprise chiffre à plusieurs centaines de milliers de yuans l'économie de production permise par la réalisation automatisée. Son assistant de tournoi, adossé au modèle Tongyi Qwen et lancé au premier semestre 2026, lit les règlements en PDF et boucle inscriptions et calendrier en quelques minutes. Smartshot équipe plus de 500 courts, dont des installations en Europe, en Australie, à Hong Kong et à Taïwan.

Le 11 septembre 2026, Together AI a élargi son service géré de fine-tuning. La plateforme accepte désormais GLM-5.3, que l'entreprise mesure à 88,2 sur Terminal-Bench 2.1, ainsi que Kimi K2.7, Qwen 3.8-27B, Gemma 4 et la famille Qwen 3.5 de 0,8 à 9 milliards de paramètres. Chaque tâche d'entraînement enregistre la perte, la norme du gradient et le taux d'apprentissage à chaque pas, séries exposées par l'API, la ligne de commande et le tableau de bord pendant que le calcul tourne. Les adaptateurs LoRA peuvent être posés sur les couches d'experts des modèles à mélange d'experts, qui portent plus de 90 % des paramètres : sur 200 faits inventés, ces adaptateurs en restituent jusqu'à 89 %, contre 15 % pour des adaptateurs limités à l'attention, et l'emportent sur MMLU-Pro, 75,3 % contre 71,5 %. L'arrêt précoce sur la perte de validation rembourse les étapes non consommées. Les prix d'entraînement reculent de 30 % à 70 % selon les modèles, la borne haute visant la série gpt-oss.