# Accélération Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Accélération", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Fable 5 écrit à la main son premier « super noyau » CUDA, une accélération de 18,7 fois en seulement 2,5 heures

Dans le benchmark KernelBench-Mega, l'IA Fable 5 a écrit manuellement un noyau CUDA "super kernel" fusionné en un seul lancement, atteignant une accélération de 18,7x sur RTX PRO 6000 pour une tâche de décodage Kimi-Linear W4A16. Elle devance largement Claude Opus 4.8 (14,4x) et GPT-5.5 (4,34x). Fable 5 a réalisé cela en regroupant toutes les opérations (déquantification int4, convolution, attention, etc.) en un seul noyau avec 14 barrières, éliminant les coûts de lancement multiples. Le processus a pris 2,5 heures et environ 550 000 tokens. Jack Clark, cofondateur d'Anthropic, y voit le début d'une boucle d'auto-amélioration récursive (RSI), où les IA optimisent leurs propres systèmes, accélérant potentiellement les progrès futurs de manière autonome.

marsbit07/07 07:40

Fable 5 écrit à la main son premier « super noyau » CUDA, une accélération de 18,7 fois en seulement 2,5 heures

marsbit07/07 07:40

DeepSeek accélère le traitement local des grands modèles sur puces Apple, une amélioration de 60%

La technologie DSpark de DeepSeek, initialement conçue pour les GPU de centres de données, a été adaptée pour les puces Apple par l'ingénieur Abdur Rahim. Cette version native, nommée mlx-dspark, accélère considérablement l'exécution de modèles de langage sur Mac. En utilisant un petit modèle "ébauche" pour générer des tokens candidats que le modèle principal vérifie ensuite par lot, mlx-dspark augmente la vitesse de génération de Gemma-4 12B et Qwen3-4B d'environ 1,6 et 1,4 fois respectivement sur un M4 Pro. L'innovation de Rahim réside dans la préservation de la sortie exacte du modèle original, même avec un décodage par échantillonnage, et non pas seulement avec un décodage glouton. Le projet intègre également DFlash, une autre technique de décodage spéculatif qui génère des blocs de tokens en parallèle. DFlash excelle dans les tâches de code et de mathématiques (accélération ~2,1x), tandis que DSpark, avec sa tête Markovienne, reste plus efficace pour le chat général. La version mlx-dspark v0.0.3 permet désormais de choisir entre les deux méthodes au sein d'un même package. Ce portage démontre l'optimisation efficace des LLMs pour le matériel Apple, en combinant accélération significative, précision des sorties et flexibilité méthodologique.

marsbit07/03 12:26

DeepSeek accélère le traitement local des grands modèles sur puces Apple, une amélioration de 60%

marsbit07/03 12:26

NVIDIA MoE Nouveau Open Source : Un Import Ligne, Accélération du Fine-tuning de 3.7x

NVIDIA a open-sourcé NeMo AutoModel, une solution permettant d'accélérer jusqu'à 3,7 fois le réglage fin (fine-tuning) des grands modèles de type MoE (Mixture of Experts). Compatible avec l'API de Hugging Face Transformers v5, elle ne nécessite qu'une simple ligne d'importation pour obtenir ces gains de performances. Les expériences menées sur des modèles comme Qwen3-30B-A3B montrent une augmentation du débit d'entraînement de 3,4 à 3,7 fois et une réduction de 29% à 32% de la mémoire GPU utilisée. Cette optimisation repose sur trois technologies clés : le parallélisme d'experts (Expert Parallelism) pour répartir la charge mémoire, DeepEP pour fusionner calculs et communications, et TransformerEngine pour accélérer les opérations de base du Transformer. Ainsi, NeMo AutoModel offre une mise à niveau transparente pour les utilisateurs de Transformers v5, permettant un réglage fin plus rapide et plus efficace des modèles MoE à grande échelle sans modifications majeures du code. Le code et la documentation sont disponibles sur GitHub.

marsbit06/26 07:31

NVIDIA MoE Nouveau Open Source : Un Import Ligne, Accélération du Fine-tuning de 3.7x

marsbit06/26 07:31

Anthropic met en garde le monde, OpenAI a franchi le "seuil de fiabilité" : l'auto-accélération de l'IA est lancée

Anthropic émet un avertissement mondial sur les risques de l'IA, tandis qu'OpenAI affirme avoir franchi un seuil critique de fiabilité, déclenchant une auto-accélération du développement de l'IA. Selon Anthropic, les progrès vers une auto-amélioration récursive de l'IA sont plus rapides que prévu, conduisant à un appel à un ralentissement des recherches. De son côté, Yann Dubois d'OpenAI révèle que la croissance des capacités de l'IA est linéaire, mais que son utilité perçue fait un bond discret une fois le "seuil de fiabilité" franchi, ce qu'OpenAI aurait atteint vers décembre dernier. Dès lors, l'IA devient un outil de travail fiable et commence à s'auto-accélérer en aidant notamment à la recherche et au développement. Dubois compare la construction de l'IA à un "artisanat" ou une "alchimie" plus qu'à une science pure. Il souligne également le potentiel des systèmes de "Harness" (systèmes d'orchestration) dans des domaines verticaux, affirmant qu'ils pourraient déjà donner un avant-goût d'AGI (Intelligence Générale Artificielle) en comblant le dernier kilomètre : l'intégration, l'accès aux données et la connexion aux workflows métier. Le vrai défi réside désormais dans l'apprentissage continu pour que l'IA puisse s'améliorer avec l'expérience, au lieu de stagner après son déploiement initial.

marsbit06/06 23:29

Anthropic met en garde le monde, OpenAI a franchi le "seuil de fiabilité" : l'auto-accélération de l'IA est lancée

marsbit06/06 23:29

Faire tourner un MoE sur smartphone ? Meta propose MobileMoE, avec une accélération de 3,8x sur iPhone 16 Pro

Récemment, Meta a proposé MobileMoE, une nouvelle architecture de modèle MoE (Mixture of Experts) optimisée pour fonctionner efficacement sur les smartphones. Cette approche remplace les couches denses traditionnelles des grands modèles de langage (LLM) par des couches MoE, permettant de réduire considérablement la quantité de calculs nécessaires à l'inférence tout en conservant des performances élevées. Les résultats montrent que MobileMoE atteint des scores similaires, voire supérieurs, aux modèles denses de référence sur 14 tests fondamentaux, tout en utilisant seulement 1/2 à 1/4 des opérations de calcul. Après quantification en INT4, le modèle conserve sa compétitivité. Lors de déploiements sur des appareils commerciaux comme l'iPhone 16 Pro, MobileMoE accélère l'inférence jusqu'à 3,8 fois lors de la phase d'entrée et jusqu'à 3,4 fois lors de la génération de tokens, tout en réduisant l'empreinte mémoire. L'étude établit de nouvelles frontières de Pareto pour les LLM sur appareils mobiles, offrant un meilleur compromis entre précision et coût de calcul. Les performances sont particulièrement notables sur les tâches de code et de mathématiques. Les auteurs soulignent que des progrès futurs pourraient passer par l'amélioration de l'alignement via des techniques comme le fine-tuning, le distillation et l'extension multimodale.

marsbit06/01 06:13

Faire tourner un MoE sur smartphone ? Meta propose MobileMoE, avec une accélération de 3,8x sur iPhone 16 Pro

marsbit06/01 06:13

Pipe Network Lance SolanaCDN : Un Client Validateur Gratuit, Open-Source Avec Accélération Intégrée pour Solana

Pipe Network a lancé SolanaCDN, un client validateur open-source et gratuit pour Solana, intégrant une couche d'accélération CDN. Basé sur une bifurcation (fork) d'Agave d'Anza, il permet une propagation des données 3,8 fois plus rapide grâce à un réseau mondial de plus de 35 000 nœuds. Ce service est offert comme un bien public pour l'écosystème Solana, visant à réduire les inégalités de performance entre validateurs causées par la géographie. Il propose un chemin parallèle et accéléré pour la transmission des données, sans modifier la logique de consensus du réseau. Les validateurs peuvent l'installer facilement en remplacement de leur client actuel. La couche CDN est optionnelle, non-bloquante et sécurisée : en cas d'indisponibilité, le validateur continue de fonctionner normalement. SolanaCDN est dès à présent disponible sur GitHub et opérationnel sur le mainnet-beta de Solana.

TheNewsCrypto02/26 14:28

Pipe Network Lance SolanaCDN : Un Client Validateur Gratuit, Open-Source Avec Accélération Intégrée pour Solana

TheNewsCrypto02/26 14:28

Pipe Network lance SolanaCDN : un client validateur Solana gratuit, open source, avec accélération intégrée

Pipe Network a lancé SolanaCDN, un client validateur Solana gratuit et open source, intégrant une couche d'accélération CDN. Basé sur une bifurcation du client Agave d'Anza, il utilise un réseau mondial de 35 000 nœuds pour offrir une propagation plus rapide des fragments (shreds) aux validateurs Solana, indépendamment de leur localisation géographique. SolanaCDN résout les problèmes de latence et de performances des validateurs éloignés en ajoutant une voie parallèle au protocole gossip natif, réduisant la latence médiane de 300 ms à 78 ms. Il inclut également des optimisations intégrées comme Fast Shreds et le téléchargement de snapshots. Opérationnel comme alternative directe au client Agave, la couche CDN est facultative, ne modifie pas le consensus et est tolérante aux pannes. Chaque validateur utilisant SolanaCDN améliore la vitesse globale du réseau Solana. Disponible dès maintenant sur GitHub, SolanaCDN est offert comme infrastructure publique pour l'écosystème Solana.

marsbit02/26 14:11

Pipe Network lance SolanaCDN : un client validateur Solana gratuit, open source, avec accélération intégrée

marsbit02/26 14:11

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow