The Neuron Times

All the AI that's fit to print

N° 197 Édition du matinMorning EditionMorgenausgabeEdizione del mattinoEdizion del mattin · Genève JEUDI 16 JUILLET 2026THURSDAY, 16 JULY 2026DONNERSTAG, 16. JULI 2026GIOVEDÌ 16 LUGLIO 2026GIOVEDÌ 16 LUGLIO 2026

À la Une · Modèles & FrontièreFront Page · Models & FrontierSchlagzeilen · Modelle & GrenzbereichPrima pagina · Modelli & FrontieraIn prima pagina · Modèj & Frontiera

Inkling, le premier modèle ouvert de Thinking Machines Lab, bouscule l'équilibre des forcesInkling, Thinking Machines Lab's First Open Model, Shifts the Balance of PowerInkling, Thinking Machines Labs erstes offenes Modell, verschiebt das KräftegleichgewichtInkling, il primo modello aperto di Thinking Machines Lab, sconvolge gli equilibri di potereInkling, el prim model avert de Thinking Machines Lab, el bolversa l'equilibri di forz

Le laboratoire fondé par d'anciens chercheurs d'OpenAI et Anthropic publie un modèle MoE de 975 milliards de paramètres sous licence Apache 2.0, avec un mécanisme d'effort de raisonnement ajustable.The lab founded by former OpenAI and Anthropic researchers releases a 975-billion-parameter MoE model under the Apache 2.0 license, featuring an adjustable reasoning effort mechanism.Das von ehemaligen OpenAI- und Anthropic-Forschern gegründete Labor veröffentlicht ein 975-Milliarden-Parameter-MoE-Modell unter der Apache-2.0-Lizenz mit einem einstellbaren Reasoning-Aufwand-Mechanismus.Il laboratorio fondato da ex ricercatori di OpenAI e Anthropic pubblica un modello MoE da 975 miliardi di parametri sotto licenza Apache 2.0, con un meccanismo di sforzo di ragionamento regolabile.El laboratori fondaa de ex-ricercador d'OpenAI e Anthropic el publica on model MoE de 975 miliard de parametri sotta licenza Apache 2.0, con on mecanism de sforz de resonament regolabel.

Thinking Machines Lab, le laboratoire fondé par d'anciens chercheurs d'OpenAI et d'Anthropic, a dévoilé le 15 juillet 2026 son premier modèle entièrement entraîné depuis zéro : Inkling. Avec 975 milliards de paramètres dont seulement 41 milliards d'actifs grâce à une architecture Mixture-of-Experts (MoE), le modèle accepte en entrée du texte, des images et de l'audio sur une fenêtre de contexte d'un million de tokens. Les poids complets sont publiés sous licence Apache 2.0, une décision qui tranche avec la stratégie de verrouillage des grands labos propriétaires.Thinking Machines Lab, the lab founded by former researchers from OpenAI and Anthropic, unveiled its first fully trained-from-scratch model on July 15, 2026: Inkling. With 975 billion parameters, of which only 41 billion are active thanks to a Mixture-of-Experts (MoE) architecture, the model accepts text, images, and audio input over a one-million-token context window. The full weights are released under the Apache 2.0 license, a decision that breaks with the lock-in strategy of major proprietary labs.Thinking Machines Lab, das von ehemaligen Forschern von OpenAI und Anthropic gegründete Labor, hat am 15. Juli 2026 sein erstes vollständig von Grund auf trainiertes Modell vorgestellt: Inkling. Mit 975 Milliarden Parametern, von denen dank einer Mixture-of-Experts-Architektur (MoE) nur 41 Milliarden aktiv sind, verarbeitet das Modell Text, Bilder und Audio auf einem Kontextfenster von einer Million Tokens. Die vollständigen Gewichte werden unter der Apache-2.0-Lizenz veröffentlicht – eine Entscheidung, die sich von der Strategie der Abschottung grosser proprietärer Labore abhebt.Thinking Machines Lab, il laboratorio fondato da ex ricercatori di OpenAI e Anthropic, ha svelato il 15 luglio 2026 il suo primo modello interamente addestrato da zero: Inkling. Con 975 miliardi di parametri, di cui solo 41 miliardi attivi grazie a un'architettura Mixture-of-Experts (MoE), il modello accetta in input testo, immagini e audio su una finestra di contesto di un milione di token. I pesi completi sono pubblicati sotto licenza Apache 2.0, una decisione che contrasta con la strategia di chiusura dei grandi laboratori proprietari.Thinking Machines Lab, el laboratori fondaa de ex-ricercador d'OpenAI e d'Anthropic, l'ha presentaa el 15 de luj 2026 el sò prim model completament adestràa de zero: Inkling. Con 975 miliard de parametri, di cui domà 41 miliard ativ grazia a ona architettura Mixture-of-Experts (MoE), el model el accetta in entrada test, immagin e audio sora ona fenestra de contest de on milion de token. I pes complet hinn publicaa sotta licenza Apache 2.0, ona decision che la trancia con la strategia de saradura di grand laboratori proprietari.

Inkling n'est pas présenté comme le modèle le plus performant du marché — ses concepteurs le reconnaissent explicitement — mais comme une « base de personnalisation » dotée d'un mécanisme d'effort de raisonnement ajustable. Cette capacité, baptisée « controllable thinking effort », permet de moduler la profondeur de calcul en fonction de la complexité de la tâche, un atout pour les déploiements où le budget d'inférence est contraint. Le modèle a été accueilli par 821 points sur Hacker News et 211 commentaires en quelques heures, témoignant de l'appétit de la communauté open-source pour une alternative crédible aux modèles fermés.Inkling is not presented as the most performant model on the market — its creators explicitly acknowledge this — but as a "customization base" equipped with an adjustable reasoning effort mechanism. This capability, dubbed "controllable thinking effort," allows the depth of computation to be modulated according to task complexity, an asset for deployments where the inference budget is constrained. The model was greeted with 821 points on Hacker News and 211 comments within hours, reflecting the open-source community's appetite for a credible alternative to closed models.Inkling wird nicht als das leistungsfähigste Modell auf dem Markt präsentiert – seine Entwickler räumen dies explizit ein –, sondern als eine «Anpassungsbasis» mit einem einstellbaren Reasoning-Aufwand-Mechanismus. Diese Fähigkeit, «controllable thinking effort» genannt, erlaubt es, die Rechentiefe je nach Aufgabenkomplexität zu modulieren – ein Vorteil für Bereitstellungen mit begrenztem Inferenzbudget. Das Modell erhielt innerhalb weniger Stunden 821 Punkte auf Hacker News und 211 Kommentare, was den Appetit der Open-Source-Community auf eine glaubwürdige Alternative zu geschlossenen Modellen zeigt.Inkling non viene presentato come il modello più performante sul mercato — i suoi ideatori lo riconoscono esplicitamente — ma come una «base di personalizzazione» dotata di un meccanismo di sforzo di ragionamento regolabile. Questa capacità, battezzata «controllable thinking effort», permette di modulare la profondità di calcolo in base alla complessità del compito, un vantaggio per le implementazioni dove il budget di inferenza è limitato. Il modello è stato accolto con 821 punti su Hacker News e 211 commenti in poche ore, a testimonianza dell'appetito della comunità open-source per un'alternativa credibile ai modelli chiusi.Inkling l'è no presentaa 'me el model pussee performant del mercaa — i sò progettista le recognossen esplicitament — ma 'me ona « base de personalizzazion » dotada d'on mecanism de sforz de resonament regolabel. Questa capacità, ciamada « controllable thinking effort », la permet de modulà la profondità de calcol in fonzion a la complessità del compit, on vantagg per i despiegament indove el budget d'inferenza l'è limitaa. El model l'è staa acollii con 821 pont in su Hacker News e 211 coment in quaj ora, testimoniand l'apetit de la comunità open-source per ona alternativa credibil ai model saràa.

Le lancement d'Inkling s'accompagne d'une disponibilité immédiate sur l'infrastructure de Together AI, qui a annoncé le 15 juillet 2026 supporter le modèle dès le premier jour. Cette sortie intervient dans un contexte où plusieurs laboratoires — de xAI avec Grok Build à Google avec Gemma 4 — multiplient les publications de modèles ouverts, intensifiant la pression sur les acteurs historiques comme OpenAI et Anthropic pour justifier leurs choix de licence restrictive.The launch of Inkling comes with immediate availability on Together AI's infrastructure, which announced on July 15, 2026 that it would support the model from day one. This release occurs in a context where several labs — from xAI with Grok Build to Google with Gemma 4 — are multiplying open model publications, intensifying pressure on historical players like OpenAI and Anthropic to justify their restrictive licensing choices.Der Start von Inkling geht mit einer sofortigen Verfügbarkeit auf der Infrastruktur von Together AI einher, die am 15. Juli 2026 die Unterstützung des Modells ab dem ersten Tag ankündigte. Diese Veröffentlichung erfolgt in einem Kontext, in dem mehrere Labore – von xAI mit Grok Build bis Google mit Gemma 4 – die Veröffentlichung offener Modelle vervielfachen und damit den Druck auf etablierte Akteure wie OpenAI und Anthropic erhöhen, ihre restriktiven Lizenzentscheidungen zu rechtfertigen.Il lancio di Inkling è accompagnato da una disponibilità immediata sull'infrastruttura di Together AI, che ha annunciato il 15 luglio 2026 di supportare il modello dal primo giorno. Questa uscita avviene in un contesto in cui diversi laboratori — da xAI con Grok Build a Google con Gemma 4 — moltiplicano le pubblicazioni di modelli aperti, intensificando la pressione sugli attori storici come OpenAI e Anthropic per giustificare le loro scelte di licenza restrittiva.El lanzament d'Inkling l'è compagnaa d'ona disponibilità immediata sora l'infrastruttura de Together AI, che l'ha anunziaa el 15 de luj 2026 de supportà el model del prim dì. Questa sortida la intervegn in on contest indove diversi laboratori — de xAI con Grok Build a Google con Gemma 4 — i moltiplica i pubblicazion de model avert, intensificand la pression sora i ator storegh 'me OpenAI e Anthropic per giustificà i sò scern de licenza restritiva.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — À la UneFront PageTitelgeschichteIn Primo PianoIn Vedrina

I. Modèles & FrontièreModels & FrontierModelle & GrenzbereichModelli & FrontieraModèj & Frontiera

Open Source

Open Source

Open Source

Open Source

Open Source

xAI ouvre le code de Grok Build et déploie 21 nouvelles voixxAI Open-Sources Grok Build and Deploys 21 New VoicesxAI öffnet den Code von Grok Build und stellt 21 neue Stimmen bereitxAI apre il codice di Grok Build e distribuisce 21 nuove vocixAI la derva el codes de Grok Build e la despiega 21 noeuv vos

Le 15 juillet 2026, xAI a publié le code source de Grok Build sur GitHub, rendant accessible l'outil de construction de modèles qui alimente sa famille Grok. L'annonce, qui a recueilli 342 points sur Hacker News et généré 372 commentaires, marque une étape dans la stratégie d'ouverture d'Elon Musk. Parallèlement, xAI a également déployé 21 nouvelles voix pour Grok, élargissant les capacités vocales de son assistant.
On July 15, 2026, xAI published the source code of Grok Build on GitHub, making accessible the model-building tool that powers its Grok family. The announcement, which garnered 342 points on Hacker News and generated 372 comments, marks a step in Elon Musk's openness strategy. In parallel, xAI also deployed 21 new voices for Grok, expanding the vocal capabilities of its assistant.
Am 15. Juli 2026 hat xAI den Quellcode von Grok Build auf GitHub veröffentlicht und damit das Modellbauwerkzeug zugänglich gemacht, das seine Grok-Familie antreibt. Die Ankündigung, die auf Hacker News 342 Punkte und 372 Kommentare erhielt, markiert einen Schritt in der Öffnungsstrategie von Elon Musk. Parallel dazu hat xAI auch 21 neue Stimmen für Grok bereitgestellt und damit die Sprachfähigkeiten seines Assistenten erweitert.
Il 15 luglio 2026, xAI ha pubblicato il codice sorgente di Grok Build su GitHub, rendendo accessibile lo strumento di costruzione di modelli che alimenta la sua famiglia Grok. L'annuncio, che ha raccolto 342 punti su Hacker News e generato 372 commenti, segna una tappa nella strategia di apertura di Elon Musk. Parallelamente, xAI ha anche distribuito 21 nuove voci per Grok, ampliando le capacità vocali del suo assistente.
El 15 de luj 2026, xAI l'ha publicaa el codes sorgent de Grok Build in su GitHub, rendend accessibel l'utensil de costruzion de model che l'alimenta la sò fameja Grok. L'anunzi, che l'ha cataa su 342 pont in su Hacker News e generaa 372 coment, el marca ona tappa in la strategia de vertura d'Elon Musk. In contemporanea, xAI l'ha anca despiegaa 21 noeuv vos per Grok, slargand i capacità vocai del sò assistent.

Mise à jour

Update

Update

Aggiornamento

Adessament

Gemma 4 : correctifs d'appel d'outils et Flash Attention 4 sur HopperGemma 4: Tool Calling Fixes and Flash Attention 4 on HopperGemma 4: Korrekturen beim Tool Calling und Flash Attention 4 auf HopperGemma 4: correzioni per la chiamata di strumenti e Flash Attention 4 su HopperGemma 4: correzion de ciamada d'utensil e Flash Attention 4 in su Hopper

Google a mis à jour le 15 juillet 2026 les templates de chat de Gemma 4, apportant des corrections majeures à l'appel d'outils et réduisant le comportement de « paresse » du modèle. La mise à jour active également Flash Attention 4 sur les GPU Hopper, améliorant significativement les performances d'inférence. Un guide interactif a été publié pour accompagner les développeurs dans l'exploitation des capacités visuelles du modèle.
Google updated the chat templates of Gemma 4 on July 15, 2026, bringing major corrections to tool calling and reducing the model's "lazy" behavior. The update also activates Flash Attention 4 on Hopper GPUs, significantly improving inference performance. An interactive guide was published to help developers exploit the model's visual capabilities.
Google hat am 15. Juli 2026 die Chat-Templates von Gemma 4 aktualisiert und damit wichtige Korrekturen beim Tool Calling vorgenommen sowie das «Faulheitsverhalten» des Modells reduziert. Das Update aktiviert zudem Flash Attention 4 auf Hopper-GPUs, was die Inferenzleistung deutlich verbessert. Ein interaktiver Leitfaden wurde veröffentlicht, um Entwickler bei der Nutzung der visuellen Fähigkeiten des Modells zu unterstützen.
Google ha aggiornato il 15 luglio 2026 i template di chat di Gemma 4, apportando correzioni importanti alla chiamata di strumenti e riducendo il comportamento di «pigrizia» del modello. L'aggiornamento attiva anche Flash Attention 4 sui GPU Hopper, migliorando significativamente le prestazioni di inferenza. Una guida interattiva è stata pubblicata per accompagnare gli sviluppatori nello sfruttamento delle capacità visive del modello.
Google l'ha adessaa el 15 de luj 2026 i template de chat de Gemma 4, portand correzion major a la ciamada d'utensil e ridusend el comportament de « pigrizia » del model. L'adessament l'ativa anca Flash Attention 4 in su i GPU Hopper, migliorand significativament i performance d'inferenza. Ona guida interativa l'è stada publicada per compagnà i desvilupador in l'utilizz di capacità visiv del model.

Nouveau modèle

New Model

Neues Modell

Nuovo modello

Noeuv model

Soofi S 30B-A3B : un modèle hybride Mamba-Transformer souverain pour l'allemandSoofi S 30B-A3B: A Sovereign Hybrid Mamba-Transformer Model for GermanSoofi S 30B-A3B: Ein souveränes hybrides Mamba-Transformer-Modell für DeutschSoofi S 30B-A3B: un modello ibrido Mamba-Transformer sovrano per il tedescoSoofi S 30B-A3B: on model ibrid Mamba-Transformer sovran per el todesch

Le consortium Soofi a publié le 15 juillet 2026 Soofi S 30B-A3B, un modèle fondation ouvert de 31,6 milliards de paramètres dont 3,2 milliards d'actifs. Sa particularité : une architecture hybride Mamba-Transformer combinée à un routage MoE, optimisée pour l'allemand et l'anglais. Le modèle se positionne comme une alternative souveraine européenne aux modèles américains, avec des performances de premier plan sur les benchmarks germanophones.
The Soofi consortium published Soofi S 30B-A3B on July 15, 2026, an open foundation model with 31.6 billion parameters, of which 3.2 billion are active. Its particularity: a hybrid Mamba-Transformer architecture combined with MoE routing, optimized for German and English. The model positions itself as a European sovereign alternative to American models, with top-tier performance on German-language benchmarks.
Das Soofi-Konsortium hat am 15. Juli 2026 Soofi S 30B-A3B veröffentlicht, ein offenes Foundation-Modell mit 31,6 Milliarden Parametern, von denen 3,2 Milliarden aktiv sind. Seine Besonderheit: eine hybride Mamba-Transformer-Architektur kombiniert mit MoE-Routing, optimiert für Deutsch und Englisch. Das Modell positioniert sich als souveräne europäische Alternative zu amerikanischen Modellen mit Spitzenleistungen bei deutschsprachigen Benchmarks.
Il consorzio Soofi ha pubblicato il 15 luglio 2026 Soofi S 30B-A3B, un modello foundation aperto da 31,6 miliardi di parametri di cui 3,2 miliardi attivi. La sua particolarità: un'architettura ibrida Mamba-Transformer combinata con un routing MoE, ottimizzata per tedesco e inglese. Il modello si posiziona come un'alternativa sovrana europea ai modelli americani, con prestazioni di primo piano sui benchmark germanofoni.
El consorzi Soofi l'ha publicaa el 15 de luj 2026 Soofi S 30B-A3B, on model fondazion avert de 31,6 miliard de parametri, di cui 3,2 miliard ativ. La sò particolarità: ona architettura ibrida Mamba-Transformer combinada a on routing MoE, ottimizada per el todesch e l'ingles. El model el se posiziona 'me ona alternativa sovrana europea ai model american, con performance de prim orden in su i benchmark de lengua todesca.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Le Cahier TechniqueTech NotebookDas Technische HeftIl Quaderno TecnicoEl Carnet Tecnegh

II. Harnais & MoteursHarnesses & EnginesGeschirre & MotorenImbraghi & MotoriHarnes & Motor

Matériel & Sécurité

Hardware & Security

Hardware & Sicherheit

Hardware & Sicurezza

Material & Segurezza

OpenAI lance le Codex Micro, un clavier à 230 dollars, et chiffre les instructions entre agentsOpenAI Launches the Codex Micro, a $230 Keyboard, and Encrypts Inter-Agent InstructionsOpenAI bringt das Codex Micro, eine Tastatur für 230 Dollar, und verschlüsselt Anweisungen zwischen AgentenOpenAI lancia il Codex Micro, una tastiera da 230 dollari, e crittografa le istruzioni tra agentiOpenAI la lanza el Codex Micro, on taster a 230 dollar, e la cifra i istruzion intra agent

OpenAI a publié le 15 juillet 2026 le Codex Micro, un clavier matériel à 230 dollars conçu pour son agent de codage Codex. L'appareil, un bloc carré de boutons rétroéclairés, permet d'exécuter des commandes fréquentes sans quitter le clavier. Cette sortie intervient alors qu'OpenAI est engagée dans un litige avec Apple concernant des accusations de vol de secrets commerciaux liés au matériel. Parallèlement, The Decoder a révélé que Codex chiffre désormais les instructions entre agents, rendant la délégation interne invisible pour les développeurs.
OpenAI released the Codex Micro on July 15, 2026, a $230 hardware keyboard designed for its Codex coding agent. The device, a square block of backlit buttons, allows executing frequent commands without leaving the keyboard. This release comes as OpenAI is engaged in a legal dispute with Apple over allegations of hardware trade secret theft. Meanwhile, The Decoder revealed that Codex now encrypts instructions between agents, making internal delegation invisible to developers.
OpenAI hat am 15. Juli 2026 das Codex Micro veröffentlicht, eine Hardware-Tastatur für 230 Dollar, die für seinen Code-Agenten Codex entwickelt wurde. Das Gerät, ein quadratischer Block aus hinterleuchteten Tasten, ermöglicht die Ausführung häufiger Befehle ohne Tastaturverlassen. Diese Veröffentlichung erfolgt, während OpenAI in einem Rechtsstreit mit Apple über Vorwürfe des Diebstahls von Geschäftsgeheimnissen im Zusammenhang mit Hardware verwickelt ist. Parallel dazu enthüllte The Decoder, dass Codex nun Anweisungen zwischen Agenten verschlüsselt, wodurch die interne Delegation für Entwickler unsichtbar wird.
OpenAI ha pubblicato il 15 luglio 2026 il Codex Micro, una tastiera hardware da 230 dollari progettata per il suo agente di codifica Codex. Il dispositivo, un blocco quadrato di pulsanti retroilluminati, permette di eseguire comandi frequenti senza lasciare la tastiera. Questa uscita avviene mentre OpenAI è coinvolta in una causa con Apple per accuse di furto di segreti commerciali legati all'hardware. Parallelamente, The Decoder ha rivelato che Codex ora crittografa le istruzioni tra agenti, rendendo la delega interna invisibile per gli sviluppatori.
OpenAI l'ha publicaa el 15 de luj 2026 el Codex Micro, on taster material de 230 dollar progettaa per el sò agent de codifega Codex. L'aparel, on bloch quadraa de boton retroilluminaa, el permet de eseguì comand frequent senza lassà el taster. Questa sortida la intervegn intant che OpenAI l'è impegnada in on litigi con Apple per via de acus de robatori de segret comerziai ligaa al material. In contemporanea, The Decoder l'ha revelaa che Codex el cifra adess i istruzion intra agent, rendend la delegazion interna invisibel per i desvilupador.

Mise à jour

Update

Update

Aggiornamento

Adessament

Claude Code v2.1.211 : transparence des sous-agents et renforcement des hooksClaude Code v2.1.211: Sub-Agent Transparency and Enhanced HooksClaude Code v2.1.211: Transparenz bei Unteragenten und gestärkte HooksClaude Code v2.1.211: trasparenza dei sotto-agenti e rafforzamento degli hookClaude Code v2.1.211: trasparenza di sota-agent e rinforz di hook

La version v2.1.211 de Claude Code, publiée le 15 juillet 2026, introduit le flag `--forward-subagent-text` et la variable d'environnement associée, permettant d'inclure le texte et le raisonnement des sous-agents dans la sortie stream-json. La mise à jour corrige également des failles de sécurité dans les aperçus de permissions et renforce la décision des hooks PreToolUse face au mode automatique.
Version v2.1.211 of Claude Code, released on July 15, 2026, introduces the `--forward-subagent-text` flag and its associated environment variable, allowing sub-agent text and reasoning to be included in the stream-json output. The update also fixes security vulnerabilities in permission previews and strengthens the PreToolUse hook's decision-making against automatic mode.
Die Version v2.1.211 von Claude Code, veröffentlicht am 15. Juli 2026, führt das Flag `--forward-subagent-text` und die zugehörige Umgebungsvariable ein, die es ermöglichen, den Text und die Reasoning-Schritte von Unteragenten in die Stream-JSON-Ausgabe aufzunehmen. Das Update behebt zudem Sicherheitslücken in den Berechtigungsvorschauen und stärkt die Entscheidungsfindung der PreToolUse-Hooks im automatischen Modus.
La versione v2.1.211 di Claude Code, pubblicata il 15 luglio 2026, introduce il flag `--forward-subagent-text` e la variabile d'ambiente associata, permettendo di includere il testo e il ragionamento dei sotto-agenti nell'output stream-json. L'aggiornamento corregge anche falle di sicurezza nelle anteprime dei permessi e rafforza la decisione degli hook PreToolUse di fronte alla modalità automatica.
La version v2.1.211 de Claude Code, publicada el 15 de luj 2026, la introdux el flag `--forward-subagent-text` e la variabil d'ambient associada, permettend de includ el test e el resonament di sota-agent in l'output stream-json. L'adessament el corregg anca di falle de segurezza in i anteprime di permess e el rinforza la decision di hook PreToolUse denanz al mode automatic.

Release candidate

Release Candidate

Release-Kandidat

Release candidate

Release candidate

Ollama v0.32.1-rc0 : support renforcé de Gemma 4 et correction de fuite mémoireOllama v0.32.1-rc0: Enhanced Gemma 4 Support and Memory Leak FixOllama v0.32.1-rc0: Verbesserte Gemma-4-Unterstützung und Fehlerbehebung bei SpeicherlecksOllama v0.32.1-rc0: supporto rafforzato per Gemma 4 e correzione di perdita di memoriaOllama v0.32.1-rc0: support rinforzaa de Gemma 4 e correzion de fuga de memoria

La version candidate v0.32.1-rc0 d'Ollama, publiée le 15 juillet 2026, améliore l'appel d'outils et le raisonnement multi-tour de Gemma 4, avec des continuations de réponses d'outils plus fiables. Un correctif important résout une fuite de cache récurrente pour les modèles MLX qui augmentait la consommation mémoire entre les requêtes. Le chargement des modèles MLX respecte désormais la variable `OLLAMA_LOAD_TIMEOUT`.
Release candidate v0.32.1-rc0 of Ollama, published on July 15, 2026, improves tool calling and multi-turn reasoning for Gemma 4, with more reliable tool response continuations. An important fix resolves a recurring cache leak for MLX models that increased memory consumption between requests. Loading MLX models now respects the `OLLAMA_LOAD_TIMEOUT` variable.
Die Release-Kandidatin v0.32.1-rc0 von Ollama, veröffentlicht am 15. Juli 2026, verbessert das Tool Calling und das Multi-Turn-Reasoning von Gemma 4 mit zuverlässigeren Fortsetzungen von Tool-Antworten. Ein wichtiger Fix behebt ein wiederkehrendes Cache-Leck bei MLX-Modellen, das den Speicherverbrauch zwischen Anfragen erhöhte. Das Laden von MLX-Modellen respektiert nun die Variable `OLLAMA_LOAD_TIMEOUT`.
La versione candidata v0.32.1-rc0 di Ollama, pubblicata il 15 luglio 2026, migliora la chiamata di strumenti e il ragionamento multi-turno di Gemma 4, con continuazioni delle risposte degli strumenti più affidabili. Una correzione importante risolve una perdita di cache ricorrente per i modelli MLX che aumentava il consumo di memoria tra le richieste. Il caricamento dei modelli MLX ora rispetta la variabile `OLLAMA_LOAD_TIMEOUT`.
La version candidata v0.32.1-rc0 d'Ollama, publicada el 15 de luj 2026, la migliora la ciamada d'utensil e el resonament multi-torn de Gemma 4, con continuazion de rispost d'utensil pussee fidei. On correttiv important el risoeul ona fuga de cache recurrent per i model MLX che la aumentava el consum de memoria intra i domand. El caregament di model MLX el rispetta adess la variabil `OLLAMA_LOAD_TIMEOUT`.

Optimisation

Optimization

Optimierung

Ottimizzazione

Ottimizzazion

llama.cpp b10035 optimise la déquantification CUDA pour les modèles 1 bitllama.cpp b10035 Optimizes CUDA Dequantization for 1-Bit Modelsllama.cpp b10035 optimiert die CUDA-Dequantisierung für 1-Bit-Modellellama.cpp b10035 ottimizza la dequantizzazione CUDA per i modelli a 1 bitllama.cpp b10035 la ottimizza la dequantifega CUDA per i model a 1 bit

La version b10035 de llama.cpp, publiée le 16 juillet 2026, apporte une optimisation CUDA pour l'extraction des éléments Q1_0 via `__byte_perm`. Cette amélioration cible les charges de travail d'inférence sur GPU NVIDIA, en réduisant la latence des opérations de déquantification pour les modèles quantifiés en 1 bit.
Version b10035 of llama.cpp, released on July 16, 2026, brings a CUDA optimization for extracting Q1_0 elements via `__byte_perm`. This improvement targets inference workloads on NVIDIA GPUs, reducing latency for dequantization operations on 1-bit quantized models.
Die Version b10035 von llama.cpp, veröffentlicht am 16. Juli 2026, bringt eine CUDA-Optimierung für die Extraktion von Q1_0-Elementen mittels `__byte_perm`. Diese Verbesserung zielt auf Inferenz-Workloads auf NVIDIA-GPUs ab, indem sie die Latenz von Dequantisierungsoperationen für auf 1 Bit quantisierte Modelle reduziert.
La versione b10035 di llama.cpp, pubblicata il 16 luglio 2026, apporta un'ottimizzazione CUDA per l'estrazione degli elementi Q1_0 tramite `__byte_perm`. Questo miglioramento è mirato ai carichi di lavoro di inferenza su GPU NVIDIA, riducendo la latenza delle operazioni di dequantizzazione per i modelli quantizzati a 1 bit.
La version b10035 de llama.cpp, publicada el 16 de luj 2026, la porta ona ottimizzazion CUDA per l'estrazion di element Q1_0 via `__byte_perm`. Questa miglioria la cibra i caregh de lavor d'inferenza in su GPU NVIDIA, ridusend la latenza di operazion de dequantifega per i model quantificaa in 1 bit.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — La RechercheResearchDie ForschungLa RicercaLa Ricerca

III. Papers & DécouvertesPapers & DiscoveriesPapiere & EntdeckungenPapers & ScopertePapers & Scopert

Scaling

Scaling

Scaling

Scaling

Scaling

Ring-Zero : l'entraînement par renforcement à l'échelle d'un billion de paramètres fait émerger des comportements inéditsRing-Zero: Reinforcement Learning at Trillion-Parameter Scale Yields Emergent BehaviorsRing-Zero: Reinforcement Learning im Billionen-Parameter-Massstab lässt neuartige Verhaltensweisen entstehenRing-Zero: l'addestramento per rinforzo alla scala di un trilione di parametri fa emergere comportamenti ineditiRing-Zero: l'adestrament per rinforz a la scala d'on billion de parametri el fa emerg di comportament ineditt

L'équipe Ring d'InclusionAI a publié le 15 juillet 2026 un rapport détaillant l'entraînement par renforcement « zero RL » à l'échelle d'un billion de paramètres. Le modèle Ring-2.5-1T-Zero démontre que le passage à 1 000 milliards de paramètres améliore significativement l'efficacité d'échantillonnage et le plafond de performance. Les chercheurs observent l'émergence spontanée de comportements cognitifs avancés — anthropomorphisme, auto-vérification, raisonnement parallèle et « anxiété de contexte » — rendant les heuristiques artisanales redondantes.
InclusionAI's Ring team published a report on July 15, 2026 detailing "zero RL" reinforcement learning at the trillion-parameter scale. The Ring-2.5-1T-Zero model demonstrates that scaling to 1,000 billion parameters significantly improves sampling efficiency and performance ceilings. Researchers observe the spontaneous emergence of advanced cognitive behaviors — anthropomorphism, self-verification, parallel reasoning, and "context anxiety" — rendering handcrafted heuristics redundant.
Das Ring-Team von InclusionAI hat am 15. Juli 2026 einen Bericht veröffentlicht, der das «Zero-RL»-Training im Massstab von einer Billion Parametern detailliert beschreibt. Das Modell Ring-2.5-1T-Zero zeigt, dass der Sprung auf 1'000 Milliarden Parameter die Stichprobeneffizienz und die Leistungsobergrenze deutlich verbessert. Die Forscher beobachten die spontane Entstehung fortgeschrittener kognitiver Verhaltensweisen – Anthropomorphismus, Selbstüberprüfung, paralleles Reasoning und «Kontextangst» – wodurch handgefertigte Heuristiken redundant werden.
Il team Ring di InclusionAI ha pubblicato il 15 luglio 2026 un rapporto che dettaglia l'addestramento per rinforzo «zero RL» alla scala di un trilione di parametri. Il modello Ring-2.5-1T-Zero dimostra che il passaggio a 1.000 miliardi di parametri migliora significativamente l'efficienza di campionamento e il tetto delle prestazioni. I ricercatori osservano l'emergenza spontanea di comportamenti cognitivi avanzati — antropomorfismo, auto-verifica, ragionamento parallelo e «ansia di contesto» — rendendo le euristiche artigianali ridondanti.
La squadra Ring d'InclusionAI l'ha publicaa el 15 de luj 2026 on raport che 'l detaglia l'adestrament per rinforz « zero RL » a la scala de on billion de parametri. El model Ring-2.5-1T-Zero el dimostra che 'l passà a 1 000 miliard de parametri el migliora significativament l'efficienza de campionament e el sofitt de performance. I ricercador i osserven l'emergenza spontanea de comportament cognitiv avanzaa — antropomorfism, auto-verifega, resonament paralel e « ansia de contest » — rendend i euristeghe artigianai redundant.

Audio

Audio

Audio

Audio

Audio

MuScriptor : Kyutai ouvre un modèle de transcription musicale multi-instrumentMuScriptor: Kyutai Releases an Open Multi-Instrument Music Transcription ModelMuScriptor: Kyutai veröffentlicht ein Modell zur Transkription mehrerer MusikinstrumenteMuScriptor: Kyutai apre un modello di trascrizione musicale multi-strumentoMuScriptor: Kyutai la derva on model de trascrizion musicala multi-strument

Le laboratoire Kyutai a publié le 15 juillet 2026 MuScriptor, un modèle ouvert de transcription musicale multi-instrument. Capable de traiter des enregistrements musicaux réels dans une grande diversité de genres, MuScriptor combine pré-entraînement sur données synthétiques, fine-tuning sur audio réel et post-entraînement par apprentissage par renforcement. Le modèle permet de conditionner la transcription sur la présence d'instruments spécifiques. Le code et les poids sont disponibles sur GitHub (576 étoiles).
Kyutai lab published MuScriptor on July 15, 2026, an open multi-instrument music transcription model. Capable of processing real musical recordings across a wide diversity of genres, MuScriptor combines pre-training on synthetic data, fine-tuning on real audio, and post-training via reinforcement learning. The model allows conditioning transcription on the presence of specific instruments. Code and weights are available on GitHub (576 stars).
Das Labor Kyutai hat am 15. Juli 2026 MuScriptor veröffentlicht, ein offenes Modell für die Transkription mehrerer Musikinstrumente. Das Modell kann reale Musikaufnahmen in einer grossen Vielfalt von Genres verarbeiten und kombiniert Vortraining auf synthetischen Daten, Feintuning auf realem Audio und Post-Training durch Reinforcement Learning. Das Modell ermöglicht es, die Transkription auf das Vorhandensein bestimmter Instrumente zu konditionieren. Code und Gewichte sind auf GitHub verfügbar (576 Sterne).
Il laboratorio Kyutai ha pubblicato il 15 luglio 2026 MuScriptor, un modello aperto di trascrizione musicale multi-strumento. In grado di elaborare registrazioni musicali reali in una grande diversità di generi, MuScriptor combina pre-addestramento su dati sintetici, fine-tuning su audio reale e post-addestramento tramite apprendimento per rinforzo. Il modello permette di condizionare la trascrizione sulla presenza di strumenti specifici. Il codice e i pesi sono disponibili su GitHub (576 stelle).
El laboratori Kyutai l'ha publicaa el 15 de luj 2026 MuScriptor, on model avert de trascrizion musicala multi-strument. Bon de trattà di registrazion musicai reai in ona gran diversità de gener, MuScriptor el combina pre-adestrament in su dade sintetich, fine-tuning in su audio real e post-adestrament per imprendiment per rinforz. El model el permet de condizionà la trascrizion sora la presenza de strument specifegh. El codes e i pes hinn disponibil in su GitHub (576 stelle).

Évaluation

Evaluation

Evaluation

Valutazione

Valutazion

Blind-Spots-Bench : un benchmark qui expose les angles morts des modèles multimodauxBlind-Spots-Bench: A Benchmark Exposing Multimodal Model Blind SpotsBlind-Spots-Bench: Ein Benchmark, der die blinden Flecken multimodaler Modelle aufdecktBlind-Spots-Bench: un benchmark che espone i punti ciechi dei modelli multimodaliBlind-Spots-Bench: on benchmark che 'l espos i pont mort di model multimodai

Des chercheurs de l'EPFL ont publié le 15 juillet 2026 Blind-Spots-Bench, un benchmark conçu pour exposer les angles morts persistants des modèles multimodaux. À partir de 235 questions collectées auprès d'étudiants en IA, le benchmark révèle que les modèles fermés les plus avancés surpassent les modèles ouverts d'environ 10 %, même lorsque leurs performances sur les benchmarks standards sont comparables. Aucun modèle ne domine toutes les catégories de tâches, et certaines restent un défi pour l'ensemble des systèmes évalués.
Researchers at EPFL published Blind-Spots-Bench on July 15, 2026, a benchmark designed to expose persistent blind spots in multimodal models. Based on 235 questions collected from AI students, the benchmark reveals that the most advanced closed models outperform open models by about 10%, even when their performance on standard benchmarks is comparable. No model dominates all task categories, and some remain a challenge for all evaluated systems.
Forscher der EPFL haben am 15. Juli 2026 Blind-Spots-Bench veröffentlicht, einen Benchmark, der darauf ausgelegt ist, die anhaltenden blinden Flecken multimodaler Modelle aufzudecken. Basierend auf 235 Fragen, die von KI-Studierenden gesammelt wurden, zeigt der Benchmark, dass die fortschrittlichsten geschlossenen Modelle offene Modelle um etwa 10 % übertreffen, selbst wenn ihre Leistung bei Standard-Benchmarks vergleichbar ist. Kein Modell dominiert alle Aufgabenkategorien, und einige bleiben für alle bewerteten Systeme eine Herausforderung.
Ricercatori dell'EPFL hanno pubblicato il 15 luglio 2026 Blind-Spots-Bench, un benchmark progettato per esporre i punti ciechi persistenti dei modelli multimodali. A partire da 235 domande raccolte tra studenti di IA, il benchmark rivela che i modelli chiusi più avanzati superano i modelli aperti di circa il 10%, anche quando le loro prestazioni sui benchmark standard sono comparabili. Nessun modello domina tutte le categorie di compiti, e alcune rimangono una sfida per l'insieme dei sistemi valutati.
Di ricercador de l'EPFL hann publicaa el 15 de luj 2026 Blind-Spots-Bench, on benchmark progettaa per esponn i pont mort persistent di model multimodai. A partì de 235 domand cataa su de student in IA, el benchmark el revela che i model saràa pussee avanzaa i supera i model avert de circa el 10%, anca quand i sò performance in su i benchmark standard hinn comparabel. Nissun model el domina tute i categorie de compit, e quajvuna la resta ona sfida per l'insemma di sistema valutaa.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — La Communauté & ÉditoCommunity & OpinionCommunity & EditorialLa Comunità & EditorialeLa Comunità & Editorial

IV. Signaux & DébatsSignals & DebatesSignale & DebattenSegnali & DibattitiSegnai & Debat

Sécurité

Safety

Sicherheit

Sicurezza

Segurezza

GPT-Red : l'IA attaque l'IA avec 84 % de succès, six fois plus que les humainsGPT-Red: AI Attacks AI with 84% Success Rate, Six Times Better Than HumansGPT-Red: KI greift KI mit 84 % Erfolgsquote an – sechsmal besser als MenschenGPT-Red: l'IA attacca l'IA con l'84% di successo, sei volte più degli umaniGPT-Red: l'IA la ataca l'IA con l'84% de success, ses voeult pussee di omen

OpenAI a publié le 15 juillet 2026 GPT-Red, un système de red teaming automatisé qui utilise l'auto-jeu pour améliorer la robustesse des modèles. Selon The Decoder, GPT-Red trouve des attaques réussies dans 84 % des scénarios de test, contre seulement 13 % pour les équipes humaines. Les résultats alimentent directement le durcissement de modèles comme GPT-5.6 Sol. Parallèlement, OpenAI a publié une note de politique détaillant une approche de « fédéralisme inversé » pour la gouvernance de l'IA.
OpenAI published GPT-Red on July 15, 2026, an automated red-teaming system that uses self-play to improve model robustness. According to The Decoder, GPT-Red finds successful attacks in 84% of test scenarios, compared to just 13% for human teams. The results directly feed the hardening of models like GPT-5.6 Sol. In parallel, OpenAI published a policy note detailing a "reverse federalism" approach to AI governance.
OpenAI hat am 15. Juli 2026 GPT-Red veröffentlicht, ein automatisiertes Red-Teaming-System, das Selbstspiel nutzt, um die Robustheit von Modellen zu verbessern. Laut The Decoder findet GPT-Red in 84 % der Testszenarien erfolgreiche Angriffe, verglichen mit nur 13 % bei menschlichen Teams. Die Ergebnisse fliessen direkt in die Härtung von Modellen wie GPT-5.6 Sol ein. Parallel dazu hat OpenAI ein Policy-Papier veröffentlicht, das einen Ansatz des «umgekehrten Föderalismus» für die KI-Governance detailliert.
OpenAI ha pubblicato il 15 luglio 2026 GPT-Red, un sistema di red teaming automatizzato che utilizza l'auto-gioco per migliorare la robustezza dei modelli. Secondo The Decoder, GPT-Red trova attacchi riusciti nell'84% degli scenari di test, contro solo il 13% per i team umani. I risultati alimentano direttamente l'indurimento di modelli come GPT-5.6 Sol. Parallelamente, OpenAI ha pubblicato una nota politica che dettaglia un approccio di «federalismo inverso» per la governance dell'IA.
OpenAI l'ha publicaa el 15 de luj 2026 GPT-Red, on sistema de red teaming automatizzaa che 'l doperà l'auto-gieugh per migliorà la robustezza di model. Segond The Decoder, GPT-Red el troeuva di atach riessii in l'84% di scenari de test, contra domà el 13% per i squadre uman. I resultat i alimenten direttament el duriment de model 'me GPT-5.6 Sol. In contemporanea, OpenAI l'ha publicaa ona nota de politega che la detaglia on approcc de « federalism inversaa » per la governanza de l'IA.

Partenariat

Partnership

Partnerschaft

Partnership

Partenariad

Apple Intelligence approuvé en Chine avec le modèle Qwen d'AlibabaApple Intelligence Approved in China with Alibaba's Qwen ModelApple Intelligence in China mit Alibabas Qwen-Modell genehmigtApple Intelligence approvato in Cina con il modello Qwen di AlibabaApple Intelligence aprovada in Cina con el model Qwen d'Alibaba

Le 15 juillet 2026, Apple a obtenu l'approbation réglementaire pour lancer Apple Intelligence en Chine, en partenariat avec Alibaba et son modèle Qwen. Cette approbation, qui était attendue depuis des mois, marque une étape cruciale pour les ambitions d'Apple sur le deuxième marché mondial du smartphone. L'accord prévoit l'intégration des capacités d'IA générative d'Alibaba dans les appareils Apple vendus en Chine, contournant les restrictions sur les modèles américains.
On July 15, 2026, Apple obtained regulatory approval to launch Apple Intelligence in China, in partnership with Alibaba and its Qwen model. This approval, which had been expected for months, marks a crucial step for Apple's ambitions in the world's second-largest smartphone market. The agreement provides for the integration of Alibaba's generative AI capabilities into Apple devices sold in China, bypassing restrictions on American models.
Am 15. Juli 2026 erhielt Apple die regulatorische Genehmigung für den Start von Apple Intelligence in China, in Partnerschaft mit Alibaba und dessen Modell Qwen. Diese Genehmigung, die seit Monaten erwartet wurde, markiert einen entscheidenden Schritt für Apples Ambitionen auf dem zweitgrössten Smartphone-Markt der Welt. Die Vereinbarung sieht die Integration der generativen KI-Fähigkeiten von Alibaba in Apple-Geräte vor, die in China verkauft werden, und umgeht damit die Beschränkungen für amerikanische Modelle.
Il 15 luglio 2026, Apple ha ottenuto l'approvazione regolatoria per lanciare Apple Intelligence in Cina, in partnership con Alibaba e il suo modello Qwen. Questa approvazione, attesa da mesi, segna una tappa cruciale per le ambizioni di Apple nel secondo mercato mondiale di smartphone. L'accordo prevede l'integrazione delle capacità di IA generativa di Alibaba nei dispositivi Apple venduti in Cina, aggirando le restrizioni sui modelli americani.
El 15 de luj 2026, Apple l'ha ottegnuu l'aprovazion regolamentar per lanzà Apple Intelligence in Cina, in partenariad con Alibaba e 'l sò model Qwen. Questa aprovazion, che l'era spetada de mes, la marca ona tappa crucial per i ambizion d'Apple in su segond mercaa mondial del smartphone. L'accord el preved l'integrazion di capacità d'IA generativa d'Alibaba in i aparei Apple venduu in Cina, contornand i restrizion in su i model american.

Contentieux

Litigation

Rechtsstreit

Contenzioso

Litigi

Meta poursuivi en justice pour des licenciements basés sur des algorithmes d'IA discriminatoiresMeta Sued Over Layoffs Allegedly Based on Discriminatory AI AlgorithmsMeta wegen angeblich diskriminierender KI-Entlassungsalgorithmen verklagtMeta citato in giudizio per licenziamenti basati su algoritmi di IA discriminatoriMeta perseguita in giustizia per di licenziament basaa in su algoritm d'IA discriminatoi

Le 15 juillet 2026, des employés actuels et anciens de Meta ont intenté une action en justice devant un tribunal fédéral californien, alléguant que l'entreprise avait utilisé des systèmes d'IA discriminatoires pour générer les listes de licenciement lors de la suppression de 8 000 postes. Les plaignants affirment que les algorithmes ont ciblé de manière disproportionnée les employés en situation de handicap ou en congé parental.
On July 15, 2026, current and former Meta employees filed a lawsuit in a California federal court, alleging that the company used discriminatory AI systems to generate layoff lists during the elimination of 8,000 positions. The plaintiffs claim that the algorithms disproportionately targeted employees with disabilities or those on parental leave.
Am 15. Juli 2026 haben aktuelle und ehemalige Meta-Mitarbeiter vor einem Bundesgericht in Kalifornien Klage eingereicht. Sie werfen dem Unternehmen vor, diskriminierende KI-Systeme zur Erstellung der Entlassungslisten beim Abbau von 8'000 Stellen eingesetzt zu haben. Die Kläger behaupten, die Algorithmen hätten überproportional Mitarbeiter mit Behinderungen oder in Elternzeit ins Visier genommen.
Il 15 luglio 2026, dipendenti attuali ed ex di Meta hanno intentato un'azione legale davanti a un tribunale federale californiano, sostenendo che l'azienda aveva utilizzato sistemi di IA discriminatori per generare le liste di licenziamento durante la soppressione di 8.000 posti. I querelanti affermano che gli algoritmi hanno preso di mira in modo sproporzionato i dipendenti in situazione di disabilità o in congedo parentale.
El 15 de luj 2026, di impiegaa atuai e ex de Meta hann intentaa ona azion in giustizia denanz a on tribunal federal californian, allegand che l'impresa l'aveva doperà di sistema d'IA discriminatoi per generà i list de licenziament in ocasion de la rimozion de 8 000 post. I plaignant i affermen che i algoritm hann cibraa de manera desproporzionada i impiegaa in situazion de disabilità o in conged parental.

Industrie

Industry

Industrie

Industria

Industria

Microsoft forme ses vendeurs à dénigrer OpenAI et Anthropic face à ses modèles internesMicrosoft Trains Salespeople to Talk Down OpenAI and Anthropic Against Its Internal ModelsMicrosoft schult seine Verkäufer darin, OpenAI und Anthropic gegenüber seinen internen Modellen schlechtzuredenMicrosoft forma i suoi venditori a denigrare OpenAI e Anthropic rispetto ai suoi modelli interniMicrosoft la forma i sò venditor a denigrà OpenAI e Anthropic denanz ai sò model intern

Le 15 juillet 2026, Microsoft a formé ses équipes commerciales à dévaloriser les offres d'OpenAI et d'Anthropic face à ses propres modèles internes, selon TechCrunch. La stratégie vise à positionner les modèles maison de Microsoft comme plus efficaces et plus rentables. Cette offensive commerciale intervient alors que Microsoft a massivement investi dans OpenAI mais développe en parallèle sa propre gamme de modèles, notamment via la famille Phi et MAI.
On July 15, 2026, Microsoft trained its sales teams to downplay the offerings of OpenAI and Anthropic compared to its own internal models, according to TechCrunch. The strategy aims to position Microsoft's homegrown models as more efficient and cost-effective. This commercial offensive comes as Microsoft has massively invested in OpenAI but is simultaneously developing its own model lineup, notably through the Phi family and MAI.
Am 15. Juli 2026 hat Microsoft seine Verkaufsteams laut TechCrunch darin geschult, die Angebote von OpenAI und Anthropic gegenüber seinen eigenen internen Modellen herabzusetzen. Die Strategie zielt darauf ab, Microsofts hauseigene Modelle als effizienter und kostengünstiger zu positionieren. Diese kommerzielle Offensive erfolgt, während Microsoft massiv in OpenAI investiert hat, aber parallel eine eigene Modellpalette entwickelt, insbesondere über die Phi-Familie und MAI.
Il 15 luglio 2026, Microsoft ha formato i suoi team commerciali a svalutare le offerte di OpenAI e Anthropic rispetto ai propri modelli interni, secondo TechCrunch. La strategia mira a posizionare i modelli interni di Microsoft come più efficaci e più convenienti. Questa offensiva commerciale avviene mentre Microsoft ha investito massicciamente in OpenAI ma sviluppa in parallelo la propria gamma di modelli, in particolare tramite la famiglia Phi e MAI.
El 15 de luj 2026, Microsoft l'ha formaa i sò squadre comerziai a desvalorizà i offert d'OpenAI e d'Anthropic denanz ai sò model intern, segond TechCrunch. La strategia la mira a posizionà i model de cà de Microsoft 'me pussee efficace e pussee rendibel. Questa offensiva comercial la intervegn intant che Microsoft l'ha massivament investii in OpenAI ma la desvilupa in paralel la sò propia gamma de model, soratutt via la fameja Phi e MAI.

V. ÉditoOpinionEditorialEditorialeEditorial

Édito

Editorial

Editorial

Editoriale

Editorial

L'open-source frappe un grand coupOpen-Source Strikes a Major BlowOpen Source landet einen VolltrefferL'open-source colpisce duroL'open-source el tira on gran colp

L'édition du 16 juillet 2026 du Neuron Times est dominée par l'arrivée d'Inkling, le premier modèle ouvert de Thinking Machines Lab. Ce lancement illustre une tendance de fond : la libération de modèles de plus en plus puissants sous licence permissive, qui redessine la carte des forces dans l'industrie. Alors que xAI ouvre Grok Build, que Google affine Gemma 4 et que le consortium Soofi propose une alternative européenne, la question n'est plus de savoir si l'open-source peut rivaliser avec les modèles propriétaires, mais à quelle vitesse il les rattrapera.
The July 16, 2026 edition of The Neuron Times is dominated by the arrival of Inkling, Thinking Machines Lab's first open model. This launch illustrates a deep-seated trend: the release of increasingly powerful models under permissive licenses, which is redrawing the balance of power in the industry. As xAI opens Grok Build, Google refines Gemma 4, and the Soofi consortium offers a European alternative, the question is no longer whether open-source can compete with proprietary models, but how quickly it will catch up.
Die Ausgabe vom 16. Juli 2026 des Neuron Times wird von der Ankunft von Inkling dominiert, dem ersten offenen Modell von Thinking Machines Lab. Dieser Start illustriert einen grundlegenden Trend: die Veröffentlichung immer leistungsfähigerer Modelle unter permissiven Lizenzen, die die Kräfteverhältnisse in der Branche neu zeichnet. Während xAI Grok Build öffnet, Google Gemma 4 verfeinert und das Soofi-Konsortium eine europäische Alternative bietet, stellt sich nicht mehr die Frage, ob Open Source mit proprietären Modellen konkurrieren kann, sondern wie schnell es sie einholen wird.
L'edizione del 16 luglio 2026 del Neuron Times è dominata dall'arrivo di Inkling, il primo modello aperto di Thinking Machines Lab. Questo lancio illustra una tendenza di fondo: la liberazione di modelli sempre più potenti sotto licenza permissiva, che ridisegna la mappa delle forze nell'industria. Mentre xAI apre Grok Build, Google affina Gemma 4 e il consorzio Soofi propone un'alternativa europea, la questione non è più se l'open-source possa competere con i modelli proprietari, ma a che velocità li raggiungerà.
L'edizion del 16 de luj 2026 del Neuron Times l'è dominada de l'arrivada d'Inkling, el prim model avert de Thinking Machines Lab. Quest lanzament el illustra ona tendenza de fond: la liberazion de model semper pussee potent sotta licenza permissiva, che la ridisegna la carta di forz in l'industria. Intant che xAI la derva Grok Build, che Google el rafina Gemma 4 e che 'l consorzi Soofi el propon ona alternativa europea, la question l'è no pussee de savè se l'open-source el pò rivalizà con i model proprietari, ma a che velocità el i raggiungiarà.