Modèles

SpAItial, la start-up londonienne de Matthias Niessner, lance Echo-3, un modèle qui traite la reconstruction comme une génération conditionnelle : il garde ce que la vidéo a vu et comble ce qui manque. La sortie est du 3DGS photoréaliste, un nuage de points ou un maillage à l'échelle métrique, d'une pièce à un immeuble de plusieurs étages. Il est accessible par une application iPhone et, pour les entreprises, par une API. Les performances annoncées viennent de l'éditeur ; je ne les ai pas vérifiées.

ArtiFixer corrige les zones mal observées d'une reconstruction 3D (par exemple en Gaussian splatting) avec un modèle de diffusion vidéo auto-régressif. La page du projet, pour SIGGRAPH 2026, annonce 1 à 3 dB de PSNR de mieux que les méthodes antérieures sur des jeux de vues éparses, avec la version d'origine. Le message ne présente que la variante plus petite : 8 milliards de paramètres pour la génération, une qualité « presque » égale à celle de la version fondée sur Wan 2.1 14B, une inférence 3 à 4 fois plus rapide et environ moitié moins de mémoire GPU. Je n'ai vu aucun chiffre de qualité propre à cette variante. Mesures des auteurs.

Selon la page du projet, la version 0.1 est précoce et son interface changera. Elle suit la caméra à partir de points ORB, en monoculaire ou en stéréo, avec ou sans centrale inertielle, affine la carte par ajustement de faisceaux, corrige la dérive par reconnaissance de lieux et lit les jeux EuRoC et Hilti ou des caméras OAK-D en direct. La licence est Apache-2.0. Dans un simulateur de drone, un décalage de 16 ms dans l'horodatage a rendu la stéréo avec centrale pire que la stéréo seule (9,7 m d'erreur sur 440 m contre 5,7 m) ; corrigé, il tombe à 2,1 m. Je n'ai vu aucun score sur les jeux publics. Mesures du projet, qui vend aussi des audits d'intégration.

Roboflow publie ce banc, mis à jour le 13 octobre : Gemini 4 Argon y a 87,5 %, pour 0,0058 $ par échantillon, GPT-6 Astra 83,4 % pour 0,034 $, Muse Wonder 78,8 % (9ᵉ) et GPT-6 Luna 69,7 % (21ᵉ). Le score est la moyenne de cinq tâches (détection, comptage, identification, texte, raisonnement) au réglage d'effort faible ; l'écart de coût de 4 fois annoncé vaut pour l'effort élevé, que je n'ai pas vérifié. Comptage, identification et raisonnement sont jugés par un modèle Gemini, et la page ne dit ni les jeux d'images ni leur nombre. Mesures d'un éditeur qui vend de la vision.

D'après la fiche Hugging Face, le modèle, d'environ 36 milliards de paramètres, a été entraîné par SFT sur un jeu synthétique puis par apprentissage par renforcement. Il renvoie un JSON : description générale, arbre d'objets avec boîtes, couleurs et relations, points clés du corps, masques polygonaux, lecture de texte. Il demande environ 70 Go de mémoire GPU. La licence est CC-BY-NC-4.0, donc non commerciale. La fiche ne donne aucun score : l'affirmation « très détaillé » n'est pas mesurée. Un champ comme l'âge ou le genre n'est qu'une estimation visuelle.

Selon SDxCentral, l'opération vaut environ 8,2 milliards de dollars, payés entièrement en actions, et doit se conclure d'ici la fin de 2026, sous réserve d'autorisations réglementaires. Fei-Fei Li, cofondatrice de World Labs, deviendrait vice-présidente exécutive et directrice scientifique d'AMD, sous l'autorité de Lisa Su. AMD justifie l'achat par le besoin de mieux comprendre l'évolution des modèles pour orienter ses puces, ses logiciels et ses systèmes. World Labs, fondée en 2024, développe des modèles qui génèrent, reconstruisent et simulent des environnements 3D à partir de texte, d'images ou de vidéos. Le montant vient de la presse ; le message de Johnson n'en parle pas.