Google Cloud a généralisé les quotas quotidiens de jetons pour les fonctions BigQuery qui appellent des modèles de langage depuis SQL. AI.GENERATE, AI.GENERATE_TEXT, AI.CLASSIFY, AI.IF et d’autres fonctions de génération sont couvertes. Les administrateurs peuvent fixer des plafonds par projet et par utilisateur.
Un guide AWS du 12 octobre décrit le service d’un modèle GGUF via un point de terminaison SageMaker AI avec le conteneur Deep Learning standard, produisant des réponses compatibles avec OpenAI. Il propose CPU et GPU.
AWS a publié le 9 octobre une évaluation technique des essais d’apprentissage par renforcement dans des microVM Firecracker. L’entreprise annonce plus de 100 000 échantillons sur plus de 500 configurations avec l’outil labsweep. Dans les charges testées, la latence de queue augmente fortement au-delà d’une microVM par processeur virtuel, tandis que la médiane varie beaucoup moins.
Discovery AI convertit les questions en langage courant en filtres Sonar. AWS indique une baisse de 90 % du coût des requêtes, de 93 % des jetons d’entrée et de 75 % de la latence par rapport à la première version.
AWS Machine Learning Blog1 min de lecture Données incluses
FXC Intelligence a annoncé le 15 octobre un serveur MCP reliant les outils IA de ses clients aux références et données de marché des paiements transfrontaliers. Selon le communiqué publié par AWS, le système utilise Amazon Bedrock et AgentCore, avec des agents pour les prix, la concurrence et les stratégies commerciales.
FXC Intelligence / AWS Press Center1 min de lecture Données incluses
Microsoft a décrit le 15 octobre les évolutions du simulateur Cosmos DB vNext pour les agents de programmation IA. Le rapport présente le protocole binaire, la validation renforcée des métadonnées d’indexation et la passerelle expérimentale Nacelle des versions d’octobre, ainsi que le chargement de données de test et les traces.
Microsoft Developer Blogs1 min de lecture Données incluses
AWS a détaillé le 13 octobre ses optimisations de noyaux GPU pour les modèles à mélange d’experts sur SageMaker AI : permutation des opérandes matriciels, routage FP8 vers Triton et suppression de recompilations à la volée inutiles.
AWS Artificial Intelligence Blog1 min de lecture Données incluses
Microsoft AI a annoncé le 15 octobre avoir achevé le préentraînement de MAI-Base-2, un modèle à mélange d’experts de 2 800 milliards de paramètres, dont 80 milliards actifs. Selon l’entreprise, 16 000 GPU GB200 ont été utilisés pendant 38 jours en août et septembre ; le post-entraînement se poursuit.
Global Emotions rassemble 525 heures de parole enregistrées par 10 420 locuteurs dans 83 langues et 108 variantes locales ; l’entreprise l’ouvre aux usages commerciaux et de recherche.