SmartScripto Admin

GPT-4.1 mini

GPT-4.1 mini est un LLM propriétaire d’OpenAI, sorti le 14 avril 2025. Près d’un an représente une ancienneté très longue à l’échelle de l’IA : le modèle doit surtout être comparé aux références de sa période, aujourd’hui probablement dépassées et souvent retirées des catalogues.

GPT-4.1 nano

GPT-4.1 nano est un LLM propriétaire d’OpenAI, sorti le 14 avril 2025. À environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA. Ses performances se comprennent donc par rapport à son époque : à sa sortie, il figurait dans le top 32% des LLM de sa génération sur…

Tevatron/OmniEmbed-v0.1

Tevatron/OmniEmbed-v0.1 est un modèle d’embedding multimodal de 9 milliards de paramètres, publié par Tevatron le 12 avril 2025 sous licence ouverte MIT. Construit sur Qwen2.5-Omni-7B, il produit un vecteur dense unique, normalisé et multilingue de 3 584 dimensions.

TencentBAC/Conan-embedding-v2

TencentBAC/Conan-embedding-v2 est un modèle d’embedding dense publié par Tencent le 10 avril 2025 sous licence ouverte Apache 2.0. Fondé sur Conan-1.4B, entraîné spécifiquement pour l’embedding, il produit des vecteurs de 3 584 dimensions et accepte des séquences atteignant 32 768 tokens.

cl-nagoya/ruri-v3-130m

Publié par cl-nagoya le 9 avril 2025 sous licence ouverte Apache 2.0, cl-nagoya/ruri-v3-130m est un modèle d’embedding japonais à usage général fondé sur ModernBERT-Ja. Ses 132 millions de paramètres produisent un vecteur dense unique de 512 dimensions.

cl-nagoya/ruri-v3-310m

Publié par cl-nagoya le 9 avril 2025 sous licence ouverte Apache 2.0, cl-nagoya/ruri-v3-310m est un modèle généraliste d’embeddings japonais de 315 millions de paramètres. Construit sur ModernBERT-Ja, il produit des représentations denses de 768 dimensions avec pooling moyen et…

cl-nagoya/ruri-v3-70m

Publié par cl-nagoya le 9 avril 2025, cl-nagoya/ruri-v3-70m est un modèle d’embedding japonais généraliste de 70 millions de paramètres, tous actifs. Fondé sur ModernBERT-Ja, il produit une représentation dense unique. La dimension de sortie répertoriée est de 256, tandis que…