Hedra lance Model Factory pour entraîner, déployer et améliorer des systèmes d’IA dans le monde réel

Hedra lance Model Factory, une plateforme qui réunit dans un même flux de travail l’infrastructure GPU, le post-entraînement des modèles, l’optimisation de l’inférence et les retours de la production. Cette entreprise de recherche soutenue par a16z s’adresse aux équipes de robotique, de fabrication, de biologie et de défense qui ont besoin d’adapter les modèles à leurs propres données et conditions opérationnelles.

Cette proposition répond à un besoin concret de l’IA en entreprise : un modèle généraliste performant n’est souvent qu’un point de départ. En faire un système fiable pour la vidéo, les données de capteurs ou les actions physiques peut nécessiter des environnements d’entraînement sur mesure, des logiciels de déploiement spécialisés et un moyen d’évaluer chaque nouvelle version au regard de la tâche qu’elle doit accomplir.

Relier l’entraînement, le déploiement et les retours de la production

Model Factory associe des environnements GPU flexibles au post-entraînement réalisé par les chercheurs de Hedra, qui travaillent avec des agents d’IA autonomes. Les clients apportent leurs données et leurs moteurs de simulation ; Hedra les aide à créer des environnements d’apprentissage par renforcement et des jeux de données, puis optimise l’exécution des modèles obtenus.

« L’auto-amélioration récursive transforme déjà la manière dont les modèles de pointe sont conçus », a déclaré Michael Lingelbach, fondateur et PDG de Hedra. « La prochaine étape, c’est le monde réel, où les données sont des vidéos, des données de capteurs et des simulations. Hedra Model Factory fournit aux équipes de robotique, de fabrication, de biologie et de défense l’infrastructure nécessaire pour effectuer le post-entraînement, déployer leurs propres modèles et continuer à les améliorer. »

Après le déploiement, les chercheurs analysent les performances en production, réentraînent le modèle et ne publient de nouvelles versions que si elles réussissent les évaluations du client. Les critères d’évaluation sont donc au cœur du service : même plus rapide, un modèle doit toujours satisfaire aux exigences de l’application qui l’utilise.

Hedra emploie l’expression « auto-amélioration récursive » pour décrire les chercheurs et les scientifiques en IA autonomes qui font évoluer les expériences, les cycles d’entraînement et les méthodes d’optimisation. Le processus annoncé prévoit l’intervention de chercheurs et des étapes de validation par le client, et non des modifications automatiques sans restriction des modèles en production.

Pourquoi l’IA physique a besoin de plus qu’une pile logicielle de mise en service pour les modèles de langage

Le moteur d’exécution des modèles du monde, ou WMR de Hedra apporte des précisions sur ce lancement. L’entreprise le décrit comme un moteur d’inférence à cœur ouvert pour les modèles d’images, de vidéo, du monde et de texte, compatible avec les GPU NVIDIA et AMD. Ses optimisations portent sur les étapes de diffusion, l’attention entre les images, ainsi que les opérations d’encodage et de décodage, qui peuvent mobiliser les GPU pendant une durée importante dans les charges de travail visuelles.

Pour un modèle vision-langage-action, l’inférence produit des actions tout en interprétant les entrées. Dans un environnement simulé, le modèle et l’environnement qui génère ses expériences d’entraînement peuvent tous deux nécessiter des accélérateurs. Améliorer le flux de travail ne consiste donc pas seulement à choisir un modèle : cela peut aussi vouloir dire réduire les transferts de données, adapter la précision numérique aux exigences de qualité et coordonner l’entraînement avec la mise en service.

L’offre d’environnements GPU isolés de l’entreprise permet aux équipes d’utiliser des conteneurs, des dépendances et du code de modèle dans des environnements cloisonnés, tandis que Hedra gère le placement, la mise à l’échelle et la récupération du matériel. Les équipes peuvent modifier leur environnement d’exécution, lancer des entraînements ou des évaluations et exporter des points de contrôle et des artefacts. Sa plateforme d’entraînement prend en charge le réglage fin supervisé, les adaptateurs LoRA légers et l’apprentissage par renforcement, avec une évaluation des points de contrôle avant la mise en service.

Une accélération par six de la retouche d’images, sous certaines conditions

Le communiqué de lancement met en avant la retouche d’images avec Krea 3 comme exemple du processus d’optimisation. Hedra affirme avoir réduit le temps de retouche d’une image 2K d’environ 22 secondes à 3,6 secondes, en moins d’une semaine et sur les mêmes quatre GPU AMD Instinct MI355X. La comparaison associe l’optimisation de l’inférence à la distillation : la référence utilisait le modèle bf16 d’origine avec 30 étapes d’échantillonnage, tandis que la version plus rapide reposait sur un modèle distillé à 14 étapes.

Cette distinction est importante, car le résultat tient à des changements à la fois dans les calculs du modèle et dans le logiciel qui les exécute. Il s’agit d’un résultat rapporté pour une charge de travail et une configuration précises, et non d’une accélération générale par six pour tous les modèles exécutés sur la plateforme.

Le compte rendu technique de Krea 3 publié séparément par Hedra décrit des opérations matricielles en précision réduite, une attention personnalisée, des opérations fusionnées et des transferts entre GPU déportés vers des moteurs de copie dédiés. Sa comparaison de 22,9 secondes à 3,3 secondes mesure le temps de traitement du transformeur de diffusion, et non la latence totale d’une requête. Ces chiffres doivent donc être considérés séparément du résultat sur la retouche d’images présenté dans le communiqué de lancement.

Physique de la vidéo et adaptation du matériel robotique

Hedra indique également avoir réentraîné H3 pour améliorer sa cohérence physique. Le modèle réentraîné a obtenu un score de 34,9 au banc d’essai Physics-IQ de Google DeepMind, contre 30,3 pour H3 Max, avec une qualité visuelle que Hedra décrit comme comparable. Selon l’entreprise, une version distillée de manière autonome a généré un clip de cinq secondes en moins de trois secondes sur des GPU MI355X.

Dans un autre exemple, une étude de simulation a remplacé la pince d’un robot exécutant une politique entraînée. Selon Hedra, ajuster la portée de la pince de remplacement et son point de préhension dans l’image de la caméra au poignet a permis de faire remonter le taux de réussite de la tâche, presque nul, à près de 100 %, sans réentraînement. Ce résultat concerne le dispositif de simulation décrit ; il ne démontre pas que des modifications matérielles arbitraires peuvent être prises en charge sans entraînement supplémentaire sur des robots déployés.

Ces exemples mettent en lumière différents aspects d’un même problème d’ingénierie : préserver les comportements utiles tout en modifiant le fonctionnement d’un modèle ou le système dans lequel il est utilisé.

Un service de recherche conçu autour des modèles appartenant aux clients

Model Factory est disponible depuis le 10 novembre. Les équipes peuvent collaborer avec les chercheurs de Hedra à la création de modèles personnalisés, commencer avec une capacité flexible de bac à sable GPU sans engagement à long terme, ou intégrer un modèle existant à son moteur d’inférence. Les options de déploiement comprennent une infrastructure sur site ou un centre de données partenaire à proximité. Les objectifs d’optimisation vont des modèles d’action dans le monde réel plus rapides que le temps réel aux modèles vision-langage-action qui tiennent sur des appareils en périphérie.

L’entreprise affirme que son chiffre d’affaires a été multiplié par 15 au cours des 12 mois précédents, sans toutefois préciser son montant de départ dans l’annonce. Son présentation de l’entreprise positionne la plateforme comme le prolongement de son expérience dans la création et l’exploitation de ses propres modèles visuels.

Pour les clients, la proposition de fond repose sur une boucle d’ingénierie intégrée : utiliser les données du domaine pour améliorer un modèle, l’optimiser en fonction du matériel et du budget de latence, évaluer le résultat, puis intégrer l’expérience acquise en production à l’itération suivante. L’efficacité de cette approche dépendra autant des évaluations propres à chaque tâche et des contraintes de déploiement que de la vitesse des GPU sous-jacents.