Articles
Le pourquoi d’abord — puis l’essentiel du comment (stack, quantification, MCP).
TypeSafe sort Jev, un modèle System One : décisions typées, pas de texte. LangChain en fait un classificateur de harness — routing et auto-mode — à une fraction du coût d’un chat.
PrismML recompresse Qwen3.8-27B en poids ternaires vrais (1,72 bit). 5,95 Go, 98,2 % du FP16, ~47 tok/s sur M5 Max. Le catch : ça ne tourne pas dans llama.cpp stock.
Brooklyn (Nous Research) pose l’agent en overlay sur une session WoW. Le HUD n’est plus une fenêtre à alt-tab : c’est une couche, et sa position devient le contexte.
Inco AI pousse un drafter parallèle pour Qwen3.8-27B : +20 % d’acceptation vs DFlash, 2,7–3,4× le débit autoregressif, sortie identique. Pourquoi ça compte dès qu’un agent boucle.
Caractéristiques de Qwen3.8-27B, scores officiels face à 3.6 et à Opus 4.6 Max, et ce que ça change pour l’IA locale.
Studio, le Desktop et les kernels Unsloth : GGUF / MLX, fine-tune low-VRAM, Data Recipes — et pourquoi le GGUF Qwen3.8-27B tient en 17 Go.
Un site Next.js qui transforme l’activité publique du Hub en carte Pokémon TCG interactive — holo shaders, binder de followers, PNG et page partageable.
Notes sur la session Hugging Face avec Daniel Hanchen (UnslothAI) : Studio, quants dynamiques, benchmarks et fine-tuning low-VRAM sur Mac/Windows/Linux.
Fable 5 vient de sortir et flambe sur le benchmark Cursor : je déporte l’agentique vers Hermes et des modèles abordables.
Des tokens gratuits plutôt que les modèles Cursor — Qwen 3.6 27B servi en vLLM sur AWS (4 bits), Ollama en local pour git-mentor.
Donner à l’agent des actions concrètes sur GitHub plutôt qu’un gros prompt « regarde mon repo ».
Monté très vite quand MCP est sorti — pour que Cursor appelle les vraies APIs Red Bee Media dont j’ai besoin au travail.