Des chercheurs et des agents au travail dans Hedra Model Factory

Destinée à l’IA physique, Model Factory associe chercheurs et agents pour adapter des modèles et les déployer sur l’infrastructure choisie.

Une équipe de recherche accompagne chaque projet de Hedra Model Factory, depuis la définition du comportement attendu jusqu’à la mise en production du modèle. L’offre réunit post-entraînement, expérimentation et optimisation de l’inférence pour des équipes de robotique, d’industrie manufacturière, de biologie ou de défense. Le client apporte ses données et ses environnements de simulation ; les chercheurs peuvent aussi participer à leur préparation.

L’autonomie revendiquée concerne les expériences confiées aux agents. Sur la page officielle, les chercheurs humains restent chargés de fixer les objectifs et de décider quels changements conserver. Le service associe donc un accompagnement scientifique à une infrastructure de calcul, avec l’ambition de réutiliser les enseignements d’un projet dans les cycles suivants. Une boucle d’amélioration qui inclut les outils de recherche

Dans la présentation de l’auto-amélioration récursive, les changements testés peuvent porter sur le modèle, mais aussi sur les méthodes des agents, le logiciel d’inférence ou l’exécution sur GPU. Chaque expérience doit être évaluée par rapport à l’objectif du projet avant que ses résultats soient repris. L’amélioration de la « fabrique » elle-même demeure un programme de recherche, dont le site présente les priorités.

Pour adapter les modèles, le volet post-entraînement décrit deux méthodes : l’ajustement supervisé à partir d’exemples et l’apprentissage par renforcement, où les sorties reçoivent des scores qui guident les mises à jour. L’évaluation doit vérifier le comportement recherché et repérer les régressions sur d’autres capacités. Un meilleur score de récompense ne suffit donc pas, à lui seul, à établir que le modèle est meilleur pour l’application.

Les GPU Sandboxes donnent accès à des environnements isolés dans lesquels les équipes exécutent leur code, leurs dépendances et leurs boucles d’entraînement. La tarification classe encore l’entraînement et ces sandboxes en préversion de recherche. Sur 𝕏, le laboratoire évoque une infrastructure en construction pour dépasser 100 000 environnements de renforcement et simulateurs simultanés ; ce volume constitue un objectif annoncé, sans mesure publique de capacité retrouvée dans les pages consultées. Le cas Krea 3 documente les arbitrages

Un résultat détaillé figure dans le compte rendu d’optimisation de Krea 3 sur AMD Instinct MI355X. Le temps médian du diffusion transformer, une composante du modèle d’édition d’images, passe de 22,9 à 3,3 secondes. La comparaison porte sur 23 retouches fournies par Krea, avec une référence de 1 MP et une sortie de 4 MP. Elle ne mesure pas le délai complet entre l’envoi d’une requête et la réception de l’image.

Le gain combine des optimisations du modèle apportées par Krea et des modifications de l’exécution réalisées par Hedra. Les chercheurs ont travaillé sur la précision numérique, les routines de calcul et les transferts entre GPU. Le passage à une précision plus faible reste soumis à un contrôle de qualité : le format MXFP4 a été écarté parce qu’il ne respectait pas le seuil retenu. Les agents ont aussi testé des pistes sans gain, dont certains regroupements d’opérations.

Pour les World Models, le fil d’annonce sur 𝕏 indique qu’un réentraînement de H3 a obtenu un score de 34,9 sur Physics-IQ. Le dépôt officiel de Physics-IQ décrit une évaluation de la compréhension physique des modèles vidéo. Ce résultat annoncé ne démontre pas une capacité générale en robotique, et le protocole propre à cette adaptation n’est pas détaillé dans les documents retrouvés. Un engagement défini avec chaque entreprise

Le déploiement peut être effectué sur l’infrastructure du fournisseur ou celle du client. Les résultats de production doivent ensuite aider à choisir les expériences suivantes. Le cadre commercial publié distingue la recherche et le développement, facturés selon le projet, le calcul des expériences et l’inférence en production. Aucun forfait unique ne couvre l’ensemble de Model Factory.

La promesse de travailler sur des modèles détenus par le client se précise dans les conditions d’engagement présentées aux entreprises. Les droits sur les poids entraînés, les versions intermédiaires et les résultats d’évaluation sont définis par accord. Ce contrat doit aussi couvrir l’usage et la conservation des données, les licences des modèles de départ et les conditions d’export.