imbenjoseph

French 🇫🇷, but happy ! Full stack founder - ✌️helping businesses get a grip on #productdevelopment as the CEO of @Say_Digital

[Supersocks @iamsupersocks]

À peine 50 likes presque 2h après pour une annonce pareille. Personne ne regarde.

NVIDIA lance la Nemotron Coalition : Black Forest Labs, Cursor, LangChain, Mistral, Perplexity, Reflection AI, Sarvam, Thinking Machines Lab (Mira Murati).

8 labs qui mutualisent data, expertise et compute pour développer des modèles open frontier sur DGX Cloud.

DGX Cloud : l’offre cloud de NVIDIA qui donne accès à ses supercalculateurs DGX (les machines à base de GPU H100, B200, etc.).

Premier livrable : un base model co-développé Mistral x NVIDIA, il sera open source à sa sortie, fondation de Nemotron 4.

Je fais tourner Nemotron en local tous les jours depuis jeudi. C’est solide. Mistral dans la boucle pour Nemotron 4, c’est une très bonne nouvelle.

L’autre pilier du local c’est Qwen -> léger, efficace, tourne sur des configs modestes. Sauf que Alibaba vient de perdre son tech lead, son head post-training et son lead code en 10 semaines. Quand ton projet open-source perd ses architectes, ça se sent.

La stratégie NVIDIA est limpide : financer l’open-source pour vendre l’infra. Pas de timeline pour le moment. À voir si la coalition livre.

Les abos AI fermés explosent. 200€/mois par service pour le plein potentiel. Empile 3 services, fais le calcul.

Le meilleur compromis : local pour le maximum de tâches, un seul abo cloud pour le reste et API au besoin. NVIDIA l’a compris.

C’est exactement l’écosystème que NVIDIA construit avec cette coalition. Plus les modèles open sont bons, plus tu tournes en local, plus tu achètes du NVIDIA

[Min Choi @minchoi]

@AlexBuildsCo Local self hosting of AI inference is going to be the future

[Yousif Astarabadi @yousifa]

https://t.co/Qmta9nro9I

[Defend Intelligence (Anis Ayari) @DFintelligence]

En ce moment, je parle avec certains COMEX qui réfléchissent à leur feuille de route IA. Et je fais un constat catastrophique, qui n’est que la résultante de ce qu’on observe depuis 4 ans sur le marché de l’IA.

Des pseudo-experts autoproclamés ont fait vaciller les orientations de certaines entreprises en promettant un ROI direct.

➡️Au début , avec des formations au prompt qui se sont au final avérées totalement inutiles.

➡️Puis il y a eu la mode de faire ses propres ChatGPT internes, qui se cognent à des dizaines de milliers d’euros de maintenance pour une utilisation quasi nulle en interne.

➡️Ensuite, on a promis une automatisation à grande échelle en oubliant les socles de base que sont le besoin métier et la donnée.

➡️Et maintenant, certains vendeurs de perlimpinpin prétendent mettre des agents partout.

Je sens qu’on est en train de redescendre la courbe de la hype et que, d’ici quelques mois, il va y avoir des constats durs lors de certaines clôtures budgétaires, quand il n’y aura pas le ROI en face des investissements.

Je recommande à toutes les entreprises de s’entourer de sachants en machine learning qui étaient là avant la hype de l’IA 2021.

Des data scientists qui ont connu la montée du deep learning ont toutes les cartes en main pour aider à la construction d’une IA agentique et plus en entreprise.

Fuyez les experts n8n, les experts du prompt, et les experts IA qui se prétendent spécialistes parce qu’ils pensent pouvoir vous dire ce qui est “le mieux” entre ChatGPT et Claude.

Il y a 10 ans, on n’avait pas la chance d’avoir des experts en IA tant le domaine était nouveau.

Aujourd’hui, on a la chance d’avoir des personnes formées qui savent ce qu’est l’IA, comment architecturer une solution avec la donnée au centre, et comment évaluer (ou ne pas évaluer) la pertinence de l’IA dans un contexte donné.

Vous en pensez quoi ?

[Jaynit Makwana @JaynitMakwana]

BREAKING: Email platforms are officially obsolete.

Mailchimp charges $300+ for what this open-source tool gives you free.

BillionMail gives you unlimited sending, full control, & no monthly fees.

Here’s how to set it up in 5 minutes:

[Jeff Weinstein @jeff_weinstein]

Today, @OpenAI launched their Agents SDK developer framework.

Until now, agents have mostly been chat-oriented (chat in, chat out), but agents will increasingly be action-oriented (data in, action out).

We, @stripe, would love to show you a few financial agents we’ve built! ⤵️

[Vaibhav (VB) Srivastav @reach_vb]

HOLY SHITT, Microsoft dropped an open-source Multimodal (supports Audio, Vision and Text) Phi 4 - MIT licensed! 🔥

> Beats Gemini 2.0 Flash, GPT4o, Whisper, SeamlessM4T v2
> Models on Hugging Face hub, integrated with/ Transformers!

Phi-4-Multimodal:

> Modalities: Integrates text, vision, and speech/audio
> Architecture: Uses "Mixture of LoRAs" to add modality-specific adapters without fine-tuning the base model
> Vision Modality: SigLIP-400M image encoder, 2-layer MLP projector, dynamic multi-crop strategy
> Speech/Audio Modality: 3-layer convolution, 24 conformer blocks, 80ms token rate
> Performance: Ranks first on OpenASR leaderboard, supports vision+language, vision+speech, and speech/audio tasks, outperforming larger models

Phi-4-Mini:

> Parameters: 3.8 billion
> Architecture: 32 Transformer layers, 3,072 hidden state size, Group Query Attention (GQA) with 24 query heads and 8 key/value heads
> Vocabulary: 200K tokens for multilingual support.
Training Data: High-quality web and synthetic data, emphasizing math and coding
> Performance: Outperforms similar-sized models and matches larger models (e.g., DeepSeek-Rl-Distill-Qwen-7B) on math and coding tasks

Training Pipeline:

> Language Training: Pre-training on 5 trillion tokens, post-training with function calling, summarization, and instruction-following data
> Multimodal Training: Vision training (4 stages), speech/audio training (2 stages), and joint vision-speech training
> Reasoning Training: Pre-trained on 60B CoT tokens, fine-tuned on 200K high-quality CoT samples, and DPO-trained on 300K preference samples

Vision Benchmarks:
> Outperforms Phi-3.5-Vision, Qwen2.5-VL, InternVL2.5, and matches Gemini and GPT-4o on tasks like chart understanding and OCR
> Vision-Speech Benchmarks: Significantly outperforms InternOmni and Gemini-2.0-Flash

Speech Benchmarks:

> ASR: Achieves SOTA on CommonVoice, FLEURS, and Open ASR Leaderboard, surpassing WhisperV3 and SeamlessM4T
> AST: Best performance on CoVoST2, comparable to GPT-4o on FLEURS
> Speech Summarization: First open-source model with this capability, close to GPT-4o in quality

Language Benchmarks:

> Outperforms similar-sized models (Llama-3.2, Ministral) and matches larger models (Qwen2.5-7B) on math, reasoning, and coding tasks
> Coding: Strong performance on HumanEval, MBPP, and BigCodeBench

Reasoning Benchmarks:

> Reasoning-enhanced Phi-4-Mini outperforms DeepSeek-Rl-Distill-Llama-8B and matches DeepSeek-Rl-Distill-Qwen-7B on AIME, MATH-500, and GPQA Diamond

[Agence France-Presse @afpfr]

🇬🇧 Dans cette école privée de Londres, il n'y a pas de professeur en classe, mais l'intelligence artificielle qui assure les cours. C'est une première au Royaume-Uni. Le projet pilote, qui dure depuis près de six mois, permet à un groupe d'élèves de recevoir un enseignement de base dispensé par des plateformes d'IA plutôt que par des enseignant traditionnels #AFPVertical⤵️

[Rowan Cheung @rowancheung]

I got early access to ChatGPT Operator.

It's OpenAI's new AI agent that autonomously takes action across the web on your behalf.

The 9 most impressive use cases I’ve tried (videos sped up):

1. Ordering dinner ingredients based on a picture and a recipe

[Sumanth @Sumanth_077]

AWS released a new Multi-Agent AI framework!

A flexible and powerful framework for managing multiple AI agents and handling complex conversations.

It let's you dynamically route LLM queries to the most suitable agent based on context.

100% Open Source.

[Yuval Noah Harari @harari_yuval]

What happens when AI masters the systems that hold our world together? New piece in today's @FinancialTimes: https://t.co/GgPTlHXfGR
#AI #Bureaucracy

[Tariq KRIM @tariqkrim]

Suite au succès de mon précédent essai "Il faut une alternative à la startup nation", voici la deuxième partie : "Pourquoi la Tech Française va droit dans le mur". Découvrez quelques citations issues de l'article. Bonne lecture !

[David Colon @Colon_David]

#Google a publié une étude sur les dommages réels causés par l’#IA générative et qui pourraient si rien n’est fait, écrivent les chercheurs de #Deepmind et #Jigsaw, « fausser la compréhension collective de la réalité sociopolitique ou du consensus scientifique » ⬇️ THREAD 1/34

[imbenjoseph @imbenjoseph]

Hugging Face et Service Now lancent StarCoder, un LLM de génération de code de 15 milliards de paramètres
https://t.co/zuBQKm4Qxs

[imbenjoseph @imbenjoseph]

Sal Khan: The amazing #AI super tutor for students and teachers
https://t.co/KbjIH4I4qC

[imbenjoseph @imbenjoseph]

China asked Elon Musk not to sell #Starlink within the country - The Verge https://t.co/LbnubEQ2gW

[imbenjoseph @imbenjoseph]

Bonjour chef https://t.co/VO3UTG54la

[Tibo @tibo_maker]

Can you launch your startup in 1 week?

Absolutely!

Actually, you should.

I've built 14+ products and scaled one to $1,000,000 ARR

Let me teach you how to build one in a week:

[Michael Seibel @mwseibel]

Every highly repetitive legal service that is not built into a piece of software will be built into a piece of software. How much of the legal industry is software waiting to happen?

[Russ Maschmeyer @russ_maschmeyer]

We've had fun playing with @Apple's new #RoomPlan API @Shopify

What if your room had a reset button? ✨