Julia 1 de Supersonic Labs : un modèle de décision ouvert de 144,3 millions de paramètres exécutable sur CPU
Supersonic Labs, un petit laboratoire brésilien d'IA, a présenté le 26 septembre 2026 Julia 1, un modèle de décision open source de 144,3 millions de paramètres qui tourne sur un simple CPU. Contrairement à un chatbot, il ne génère pas de texte : il reçoit un contexte, une question et deux à vingt réponses candidates, puis renvoie l'option choisie avec une probabilité pour chacune, selon trois modes possibles, à savoir le choix parmi une liste, la notation sur une échelle ordonnée, ou la probabilité qu'un énoncé oui/non soit vrai. Construit sur mmBERT-small, un encodeur multilingue de 140 millions de paramètres développé par le JHU CLSP et entraîné sur plus de 1800 langues, Julia 1 a reçu une tête de décision entraînée par Supersonic Labs pour un coût total d'environ 540 réais brésiliens, soit 104 dollars. Ses poids, au format FP32 de 550,5 Mio, sont publiés sur Hugging Face sous licence Apache 2.0, fonctionnent en local sous Python 3.11 ou plus sur CPU ou GPU compatible BF16, et existent en version ONNX exécutable dans le navigateur via WebGPU ; une API hébergée est annoncée mais pas encore ouverte.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Cette approche vise les entreprises qui doivent classer, router ou évaluer de gros volumes de requêtes sans dépendre d'une API tierce coûteuse. Les benchmarks publiés le 24 septembre 2026 sur GPU H200, comparés aux valeurs de référence du protocole Jev de TypeSafe, donnent des résultats contrastés : 73,15% sur Typed Decisions contre 72,70% pour Jev, 94 sur 100 sur AG News contre 91%, et 86 sur 100 sur la reconnaissance d'émotions DAIR contre seulement 48%. Mais sur Banking77, qui compte 72 catégories, Julia 1 tombe à 64 sur 100 contre 87% pour Jev, un net échec révélant ses limites face à un grand nombre d'options. Sur le benchmark multilingue MASSIVE, il atteint 71,50% de précision macro sur 52 langues, avec de meilleurs résultats en portugais du Portugal (86,25%) et en anglais américain (86,75%), sur des essais toutefois limités à 100 exemples par catégorie. En rapidité, un Apple M4 traite une décision en 33,15 millisecondes en médiane, contre 203 millisecondes sur une tablette Samsung via ONNX Runtime, et jusqu'à 3713,54 millisecondes sur un Intel Core i5 pour la tâche Banking77.
Julia 1 s'inscrit dans une compétition naissante entre modèles de décision compacts et open source, comme GLiNER2.5 Multi de Fastino, et solutions propriétaires hébergées comme Jev de TypeSafe, qui facture 0,042 dollar par million de tokens contre 0,025 dollar prévu pour l'API de Julia 1. Sur X, Supersonic Labs a revendiqué une vitesse cinq fois supérieure à Jev sur un ordinateur portable équipé d'un i5, une comparaison à nuancer puisque Jev était testé comme service hébergé depuis la France, dans des conditions différentes. Le laboratoire, qui ne publie pas son pipeline d'entraînement, travaille déjà sur Julia 2, doté d'une architecture fondatrice propre.
Pas d'impact direct sur la France/UE