Samaya AI lance Sterling : un modèle d'agent de recherche financière à 3 milliards de paramètres actifs, plus performant que Claude Fable 5.1 sur FrontierFinance pour un coût 11 fois inférieur
Samaya AI a publié Samaya Sterling, un modèle post-entraîné pour la recherche financière agentique. Il repose sur Nemotron 3.5 Lightning de NVIDIA, un modèle à mélange d'experts de 30 milliards de paramètres dont 3 milliards actifs. Sur FrontierFinance, le benchmark maison de Samaya, Sterling obtient 58,9 %, contre 55,9 % pour Claude Fable 5.1, et atteint 60,6 % en mode haut effort. Le coût par question tombe à 0,61 dollar, contre 6,89 dollars pour Fable 5.1, soit environ onze fois moins, pour un temps de réponse comparable (282 secondes contre 268). Le modèle lui-même ne représente que 0,04 dollar par question, le reste correspondant aux outils et aux modèles auxiliaires. FrontierFinance compte 220 requêtes publiques notées selon des grilles rédigées par des experts et évaluées par un panel de trois modèles juges. Samaya affirme qu'aucune question du benchmark n'a servi à l'entraînement et que les points de contrôle ont été choisis sur 100 questions de validation internes.
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 →
L'entraînement, mené en LoRA sur Tinker, l'API de Thinking Machines Lab, s'est déroulé en quatre étapes. Samaya a d'abord généré 968 questions synthétiques d'analystes, auxquelles le modèle enseignant Kimi K3 a répondu deux fois, un juge LLM retenant la meilleure réponse, ce qui a appris au modèle à appeler 37 outils avec des arguments valides. Une seconde phase de réglage supervisé a utilisé 1 819 questions rédigées par des experts, traitées selon huit stratégies de recherche ; la meilleure réponse notée par question a servi de donnée d'entraînement. Cette sélection couvre 80 % des critères essentiels, contre environ 66 % pour la meilleure stratégie seule, et 1 157 questions subsistent après filtrage. Viennent ensuite deux étapes d'apprentissage par renforcement GRPO, d'abord hors ligne, en comparant les huit réponses du professeur sans nouvelle génération, puis en ligne, avec huit tentatives du modèle par question, un échantillonnage d'importance tronqué corrigeant un écart connu entre échantillonneurs sur les architectures MoE. Chaque étape améliore le score : 42,5 % pour le modèle de base, puis 51,4 %, 54,8 %, 57,5 % et 58,9 %. Le nombre médian d'appels d'outils passe de 3 à 17.
L'enjeu dépasse la finance : un petit modèle entraîné conjointement avec son harnais peut battre un modèle de pointe dans un domaine étroit, à une fraction du prix. Le harnais de production de Samaya a été allégé pour l'occasion, avec des consignes détaillées retirées, des outils fusionnés, un condenseur pour raccourcir les résultats longs, un compacteur pour résumer la trace et un budget de recherche, avant qu'un rédacteur distinct produise le rapport. Les limites sont réelles : sur le tiers le plus difficile des questions, Sterling ne réunit que 45,2 % (contre 31,8 % avant entraînement), et les résultats sont publiés par Samaya elle-même. Aucun poids public ni API n'a été annoncé, et le contexte et le matériel de service ne sont pas précisés.
Cette sortie s'inscrit dans la course aux petits modèles spécialisés, alimentée par l'ouverture de Nemotron 3.5 Lightning sous licence OpenMDW-1.1, qui tient sur un seul H100 80 Go en BF16 avec 256 000 tokens de contexte. Le projet est né, selon Maithra Raghu, d'un effort à deux personnes sur l'efficacité de l'orchestration agentique. Face à lui, le système maison de Samaya en haut effort affiche 56,0 % pour 1,81 dollar, soit 2,9 points de moins que Sterling. Reste à savoir si la méthode sera reproduite par d'autres éditeurs ou si Samaya ouvrira l'accès à son modèle.
Pas d\'impact direct sur la France/UE