6/4/2025 AI Express | Google Cloud Run permet une accélération GPU sans serveur et un aperçu des dernières avancées en matière d'IA

Google Cloud Run prend désormais en charge l'accélération GPU sans serveur, offrant aux développeurs un moyen efficace et flexible d'utiliser les ressources de calcul. Grâce à cette nouvelle fonctionnalité, les utilisateurs peuvent déployer des applications telles que Gemma sur Google Cloud Run en une seule commande. Cela simplifie non seulement le processus de développement, mais fournit également un modèle de facturation flexible avec une facturation à la seconde, ce qui permet de réduire davantage les coûts.

En outre, le service prend en charge la mise à l'échelle automatique des instances jusqu'à zéro, ce qui garantit qu'aucun coût supplémentaire n'est encouru lorsque la demande est faible. Il prend également en charge le traitement en continu pour les scénarios d'application qui nécessitent un traitement des données en temps réel. Ces caractéristiques font de Google Cloud Run un choix idéal pour de nombreux développeurs et entreprises.

Les principales caractéristiques sont les suivantes :

• Pas besoin de demander un quota
• Déploiement rapide à commandement unique
• facturation à la seconde
• Mise à l'échelle automatique des instances
• Prise en charge complète de la diffusion en continu

L'accélération GPU sans serveur de Google Cloud Run est certainement une option attrayante pour les développeurs qui ont besoin d'un calcul haute performance mais ne veulent pas gérer l'infrastructure sous-jacente.

OpenAI a publié deux nouveaux modèles aujourd'hui :gpt-4o-audio-preview-2025-06-03 répondre en chantant gpt-4o-realtime-preview-2025-06-03Le logiciel a été amélioré par l'introduction d'un nouveau paramètre de vitesse, conçu pour améliorer l'exécution des commandes, l'invocation des outils et le comportement en cas d'interruption. En outre, un nouveau paramètre de vitesse a été introduit pour permettre à l'utilisateur de contrôler le débit de la voix.

Ces mises à jour améliorent encore la flexibilité d'interaction et l'expérience utilisateur du modèle. Parallèlement, OpenAI a également présenté le SDK Agents pour TypeScript, qui permet de créer des assistants vocaux dotés d'une fonctionnalité d'agent en temps réel. Cette fonctionnalité peut être exécutée côté client ou côté serveur, et ajoute la prise en charge du tableau de bord Traces, qui permet aux développeurs de visualiser le fonctionnement de l'agent vocal, y compris les entrées/sorties audio et les invocations d'outils.

Ces nouvelles fonctionnalités offrent non seulement aux développeurs un ensemble d'outils plus puissants, mais elles ouvrent également de nouvelles possibilités pour créer des applications vocales plus intelligentes et plus réactives.

Un nouveau cours de courte durée appelé DSPy a été lancé récemment.DSPy est un puissant cadre open source axé sur le réglage automatique des invites dans les applications d'intelligence artificielle générative (GenAI). Le cours a été développé en collaboration avec Databricks et est enseigné par ChenMoneyQ, co-dirigeant du framework DSPy.

Dans un contexte où de nombreux développeurs d'IA passent beaucoup de temps à régler manuellement les repères, DSPy est capable d'automatiser ce processus, en particulier dans les flux de travail d'IA complexes, où il est particulièrement efficace pour optimiser un petit nombre de repères d'échantillons. En outre, lorsqu'une application passe à un nouveau modèle linguistique, les performances peuvent se dégrader si les repères originaux ont été optimisés pour l'ancien modèle, et DSPy peut automatiquement optimiser l'ensemble du système pour le nouveau modèle linguistique à l'aide d'un petit nombre d'échantillons évalués.

Ce cours fournira une explication approfondie du fonctionnement de DSPy et de son approche des meilleures pratiques. Les participants apprendront à écrire des programmes en utilisant le modèle de programmation caractéristique de DSPy et à les déboguer en utilisant MLflow pour obtenir une visibilité sur les performances des différentes parties du pipeline et du système dans son ensemble. Enfin, l'amélioration automatique de la précision est obtenue grâce à l'Optimiseur DSPy.

Le cours couvre

• Concepts de base du cadre DSPy et configuration de l'installation
• Comment définir et gérer les modèles d'invite
• Méthodologie de traçage et de débogage avec MLflow
• Études de cas et projets pratiques

Le lien d'inscription est le suivant : https://t.co/bb8uILyepf

Construire un chatbot multi-agents générateur de rapports financiers à partir de zéro

Dans l'atelier de @jerryjliu0 la semaine dernière, il a partagé un exemple complet basé sur le flux de travail de l'agent LlamaIndex. Cet exemple montre comment construire un chatbot à partir de zéro qui peut générer automatiquement des rapports financiers.

1. Analyse et indexation des fichiers 10-K d'Adobe
2. Réponse aux requêtes analytiques à l'aide de la recherche améliorée agentique (RAG agentique)
3. Générer des rapports complets par le biais d'agents enchaînés, y compris des descriptions, des tableaux et des évaluations

Ce projet de laboratoire pratique s'adresse non seulement aux analystes financiers, mais aussi à tous les professionnels désireux d'améliorer leurs compétences en matière de traitement des données et d'automatisation.

Vous pouvez essayer cet exemple sur le lien suivant : https://t.co/tOG6hBgSVk

Récemment.OpenAIModèles de génération d'images de pointe pourImage GPT-1Une réalisation remarquable dans le domaine de la génération de texte à partir d'images, qui a permis d'atteindre la première place dans ce domaine. Cette percée ne marque pas seulementOpenAIUn autre grand pas en avant dans la recherche sur l'IA qui a également des implications considérables pour l'industrie dans son ensemble.

D'après les derniers examensImage GPT-1Il surpasse l'Imagen-3.0 de Google sur un certain nombre de paramètres clés, avec un score de plus de 50 points, et représente également un bond en avant par rapport à l'ancien DALL-E 3. Cela démontre queImage GPT-1Un nouveau niveau de précision et de diversité dans la génération d'images a été atteint.

OpenAIa annoncé qu'à partir de maintenant, les développeurs peuvent accéder à l'API par le biais de l'applicationImage GPT-1La puissante fonction de génération d'images du Cette fonction présente les caractéristiques suivantes :

• Des capacités de génération d'images plus précises et plus fidèles
• Variété de styles visuels
• Fonctions d'édition d'images précises
• Une mine de connaissances sur le monde
• Rendu cohérent du texte

Ces caractéristiques font queImage GPT-1Devenir un outil puissant dans de nombreux domaines de la conception créative, de la création de contenu et des applications multimédias.

Pour les développeurs, cela signifie qu'ils peuvent utiliser cette technologie pour créer un contenu d'image plus innovant et plus utile. En même temps, cela ouvre de nouvelles possibilités pour un large éventail d'industries et favorise l'utilisation et le développement à grande échelle de la technologie de génération d'images.

félicitationsOpenAIpour parvenir à ce résultat significatif ! Pour en savoir plus sur la façon de développer avec GPT-Image-1, consultez le guide officiel.

OpenAI a récemment publié une nouvelle fonctionnalité qui permet aux administrateurs d'espaces de travail de créer des connecteurs de recherche approfondie personnalisés à l'aide du protocole de contexte de modèle (MCP), qui est en version bêta.

Avec MCP, les utilisateurs peuvent intégrer des systèmes propriétaires et d'autres applications à ChatGPT pour permettre la recherche, le raisonnement et la manipulation de ces sources de connaissances. Cette technologie permet non seulement d'accéder aux données sur site, mais aussi de travailler avec des résultats Web et des connecteurs prédéfinis afin de fournir aux équipes des informations plus complètes.

Cette fonctionnalité est désormais disponible pour les administrateurs Team, Enterprise et Education, et les utilisateurs professionnels peuvent également commencer à l'utiliser.

Pour aider les développeurs à mieux comprendre et appliquer cette fonctionnalité, un document officiel détaillé (lien : https://t.co/uq4DgFvZ8h) est disponible, qui comprend des étapes spécifiques pour la mise en place d'un serveur MCP distant :

1. Tout d'abord, assurez-vous que votre environnement répond aux exigences du protocole MCP.
2. Ensuite, suivez le guide pour configurer le point de terminaison du serveur.
3. Enfin, connectez votre serveur MCP à ChatGPT via l'interface API.

Grâce aux étapes ci-dessus, les entreprises peuvent non seulement utiliser pleinement les ressources d'information existantes, mais aussi repousser les limites des capacités des assistants d'IA.

Google a récemment mis à disposition un ensemble de Google Gemini Fullstack LangGraph est un cadre conçu pour construire rapidement des systèmes de DeepResearch de niveau de production. En combinant les puissantes capacités d'inférence de Gemini avec les capacités de gestion d'état de LangGraph, les développeurs peuvent facilement créer un assistant IA capable d'exécuter des processus de recherche complexes, itératifs et en plusieurs étapes.

L'ensemble du flux de travail de l'agent, y compris les étapes de génération de requêtes dynamiques, de recherche de réseaux, d'analyse réflexive, d'optimisation itérative et de synthèse des réponses, est encapsulé dans le cadre. En outre, LangGraph fournit des interfaces flexibles qui permettent aux développeurs de remplacer les API en fonction des besoins pour répondre aux exigences de scénarios d'application spécifiques.

Le cadre est particulièrement adapté aux scénarios dans lesquels une recherche approfondie est nécessaire, comme la recherche universitaire, l'analyse de marché et l'innovation technologique. Gemini Fullstack LangGraph est un bon choix pour les développeurs qui cherchent à construire un agent de recherche ou qui cherchent une alternative open source à DeepResearch.

Dans le même temps, ce projet offre également l'opportunité aux développeurs d'IA disposant d'une certaine base LangGraph d'apprendre et de s'en inspirer, et de s'appuyer sur les épaules de Google pour mieux comprendre et maîtriser la technologie en question.

Adresse du dépôt GitHub :https://t.co/QwmWzJhWuF

Hugging Face a officiellement lancé un nouveau cours gratuit - le cours MCP, qui vise à aider les développeurs à comprendre pleinement la théorie et la pratique des modèles prémodaux multimodaux (MCP) à partir de zéro.

Le cours couvre trois modules principaux : les fondements théoriques du MCP, le développement pratique et l'application du déploiement. Grâce à un apprentissage systématique, les étudiants pourront non seulement acquérir une compréhension approfondie des concepts fondamentaux, de l'architecture et des composants de MCP, mais aussi maîtriser les compétences en matière de développement pratique et d'applications de déploiement, et finalement obtenir la certification officielle Hugging Face.

Le plan du cours comprend

• Guide de démarrage : présente les outils et les plates-formes utilisés et vous prépare au cours ;
• Notions de base, architecture et concepts fondamentaux de MCP : Explique les concepts fondamentaux, l'architecture et les composants de MCP et présente des cas d'utilisation simples de MCP ;
• MCP End-to-End Hands-On : Construire une application MCP simple de bout en bout ;
• Déploiement MCP en action : Construire une application MCP déployable et apprendre à la déployer dans un environnement de production.

Chaque chapitre est conçu pour être complété en une semaine, ce qui nécessite environ 3 à 4 heures d'étude par semaine.

Convient aux étudiants ayant des connaissances de base en IA et en programmation.A l'issue de ce cours, vous serez familiarisé avec le développement avec le SDK et le framework MCP.

La technologie MCP a un large éventail d'applications dans de nombreux domaines tels que le traitement du langage naturel, la vision par ordinateur, etc., et constitue l'une des directions importantes de la recherche et du développement actuels en matière d'intelligence artificielle. Grâce à ce cours, les étudiants peuvent non seulement améliorer leurs compétences techniques, mais aussi appliquer ce qu'ils ont appris dans des projets réels.

Adresse du cours : https://t.co/cvOQNAdpOk

Les lunettes Aria Gen 2 marquent une avancée significative dans la technologie portable, offrant des fonctionnalités et des performances améliorées pour répondre aux besoins d'un plus large éventail d'applications et aux besoins des chercheurs. Les lunettes excellent dans des domaines tels que la perception des machines, l'IA contextuelle et la robotique, ce qui accélère considérablement les efforts de recherche dans l'industrie et les universités.

Équipées de capteurs avancés et de caméras haute résolution, les lunettes Aria Gen 2 permettent l'acquisition et le traitement de données en temps réel, offrant ainsi aux chercheurs un support de données de haute qualité. En outre, l'unité de calcul intégrée et l'optimisation efficace des algorithmes permettent d'augmenter considérablement la vitesse de traitement des données, ce qui contribue à améliorer l'efficacité de la recherche.

Les principaux scénarios d'application sont les suivants

• Vision artificielle et technologie de la perception
• Intelligence situationnelle et compréhension de l'environnement
• Interaction homme-machine et collaboration

Les lunettes Aria Gen 2 sont sans aucun doute un outil puissant pour les chercheurs qui travaillent au développement de la prochaine génération de systèmes intelligents. Pour plus d'informations et pour commander à l'avance, veuillez consulter le site : https://t.co/aEyjaw0rge.

Si vous utilisez ClaudeCode, essayez-le !claude-traceCe puissant outil de journalisation. Il enregistre un journal de toutes les demandes de ClaudeCode, y compris les mots d'invite de l'utilisateur, et sauvegarde ces informations dans un fichier HTML pour une visualisation aisée.

L'outil fonctionne de manière très intelligente en se lançant d'abord lui-même, puis en modifiant l'API global.fetch de Node.js, et enfin en lançant ClaudeCode. de cette manière, lorsque ClaudeCode fait une requête, l'API global.fetch de Node.js s'exécute et l'outil se lance.claude-traceIl est alors possible d'intercepter et d'enregistrer l'intégralité de la demande et, éventuellement, de générer un rapport détaillé.

Scénarios d'application :

• Les développeurs peuvent utiliser ces journaux pour déboguer et optimiser le code.
• Les chercheurs peuvent analyser ces journaux pour comprendre le comportement et les performances du modèle.
• Les utilisateurs peuvent se servir de ces journaux pour mieux comprendre le fonctionnement du modèle.

L'utilisation du service d'abonnement Claude Max s'articule autour de trois modèles principaux :

1. claude-3-5-haiku-20241022 pour le prétraitement des données de l'utilisateur.
2. claude-opus-4-20250514, le modèle maître utilisé par défaut, est responsable de l'écriture du code et de l'invocation des outils.
3. claude-sonnet-4-20250514 comme sauvegarde lorsque le quota du modèle par défaut est épuisé.

Avec claude-trace, vous pouvez obtenir une compréhension plus profonde du mécanisme de fonctionnement de ClaudeCode pour développer et faire de la recherche plus efficacement.