Fermisense
Un cabinet de conseil qui a publié un résultat largement lu pour 2026 montrant un modèle ouvert affiné de 9 milliards de paramètres battant les modèles frontières sur une tâche commerciale étroite.
Fermisense a formé un petit modèle ouvert sur l’examen des catalogues de commerce électronique à l’aide de l’apprentissage par renforcement et a signalé une précision de 87,3 % contre 76,9 pour la meilleure configuration de frontière testée. L’article a bien fonctionné sur Hacker News car il soutenait quelque chose que les gens voulaient entendre : vous n’avez pas toujours besoin du plus gros modèle.
La mise en garde réside dans le mot étroit. Le résultat tient à une tâche bien définie et répétitive avec de nombreux exemples dont on peut tirer des leçons, ce qui est exactement la situation dans laquelle un petit modèle spécialisé gagne. Cela ne prouve pas que les petits modèles surpassent les modèles frontières en général.