Akro AI, basée à Singapour, aurait levé un tour de financement pré-amorçage de 700 000 $, selon la couverture des transactions de Tech in Asia et DealStreetAsia. Les preuves disponibles publiquement sont minces, laissant flous des détails clés tels que les investisseurs, le périmètre du produit et le calendrier. Même ainsi, cette opération se distingue comme un autre point de données sur le marché du financement de l’IA à un stade précoce en Asie du Sud-Est, où les tours de moindre taille prennent de plus en plus d’importance pour les fondateurs qui testent des cas d’usage d’entreprise ciblés avant l’arrivée d’engagements en capital plus importants.

Nous Research a lancé NousCoder-14B, un modèle de codage open source de 14 milliards de paramètres que l’entreprise dit atteindre 67,87 % sur LiveCodeBench v6 après une session d’apprentissage par renforcement de quatre jours sur 48 GPU Nvidia B200. Ce lancement intervient alors que l’attention des développeurs se déplace vers des outils de codage plus autonomes, soulevant des questions sur la capacité des modèles ouverts à suivre le rythme des systèmes propriétaires et sur l’importance, peut-être aussi grande que celle des scores de benchmark, des piles d’entraînement reproductibles.

Arena, la start-up née à Berkeley à l’origine de l’un des classements de modèles d’IA collaboratifs les plus suivis, a déclaré à TechCrunch avoir atteint 100 millions de dollars de revenus annualisés en rythme de croisière environ huit mois après le lancement de son produit d’évaluation commercial. Cette étape suggère que les benchmarks de l’IA et les retours post-entraînement deviennent une activité à part entière, et non plus seulement un exercice de recherche, même si l’entreprise précise que ses revenus sont basés sur l’usage plutôt que sur un ARR récurrent contractuel.

Omen AI a levé 31 millions de dollars lors d’un tour de série A afin d’étendre un système de capteurs qui surveille l’état des fluides de refroidissement liquide dans les centres de données, avec pour objectif de détecter une contamination bactérienne et l’usure des composants avant qu’elles n’entraînent des arrêts coûteux de baies. La startup se repositionne du suivi des fluides pour engins lourds vers l’infrastructure IA à un moment où des déploiements de GPU plus chauds et plus denses font de la fiabilité du refroidissement un risque opérationnel plus important.

TechCrunch rapporte des inquiétudes selon lesquelles la richesse liée à l’IA se concentre entre les mains d’un petit groupe, tandis que les travailleurs du logiciel font face à l’incertitude.