← Toutes les actualités

YN : la famille de modèles de décision de HKU, 421 M de paramètres et 37 000 tokens/s sur un seul GPU

Selon Machine Heart du 6 novembre 2026, l'équipe de Luo Ye de l'université de Hong Kong a publié S²-MAS, un cadre de simulation multi-agents à l'échelle sociale, ainsi que la famille de modèles de décision YN (de 421 M à 9 B de paramètres) et le moteur Genese ; le rapport indique que YN-mini, avec 421 millions de paramètres, atteint 37 000 tokens/s sur un seul A100 et que la simulation de 12 millions de foyers a été réalisée en 4 heures environ sur 14 GPU.

Publication Mise à jour

Ce qui change

Selon un article de Machine Heart du 6 novembre 2026, l'équipe du professeur Luo Ye de l'université de Hong Kong a publié S²-MAS, un cadre de simulation multi-agents à l'échelle sociale, et rendu publique la famille de modèles de décision YN. Le cadre comporte trois parties : une base d'environ 500 millions de profils de foyers de consommateurs (36 champs structurés chacun), les modèles de décision YN et le moteur de simulation Genese. Le rapport indique que l'équipe a converti 4,17 millions de questions-réponses d'enquêtes réelles au format « état du foyer + question + options » ; le modèle associe un socle préentraîné à une tête de décision, le contexte étant encodé par un socle ModernBERT ou Qwen, la tête de décision notant les actions candidates et le softmax normalisant ces scores en probabilités de choix, sans génération autorégressive token par token. La famille YN couvre quatre tailles (421 M, 322 M, 4 B et 9 B de paramètres) et 10 variantes d'entraînement ; le modèle principal, YN-mini, compte environ 421 millions de paramètres et associe un socle ModernBERT-large de 395 millions de paramètres à une tête de notation des options, entraînée en deux étapes de SFT puis par RLCD ; la simulation à l'échelle de dizaines de millions de foyers décrite dans l'article utilise sa version MLX FP16. L'équipe publie également le code d'entraînement et d'évaluation, les scripts de reproduction des figures et des résultats agrégés, 2 millions de profils de foyers synthétiques indépendants et 32 000 entrées de tâches non étiquetées, en précisant que les modèles et une partie des données synthétiques sont fournis selon leurs propres conditions d'usage scientifique. Côté évaluation, le rapport indique que sur 240 458 questions à choix unique de finance des consommateurs mises de côté (119 versions de questions, 8 275 groupes de foyers interrogés), YN-mini obtient 74,55 % d'exactitude et un F1 macro de 38,37, soit 9,30 points de plus que Jev 1.13 et 5,68 points de plus que GLM-5.3-Flash ; sur 500 échantillonnages à groupes fixes (14 441 enregistrements), l'évaluation appariée avec GPT-6-Astra donne 74,73 % contre 69,34 %. Le rapport indique aussi que, lors d'un test de déploiement sur un seul A100, YN-mini atteint 37 000 tokens/s, soit 22,72 fois le débit de l'API Jev. L'expérience à grande échelle utilise 14 GPU (8 H100 80 Go et 6 A100 40 Go), découpe la tâche en 2 400 unités de travail exécutées en pipeline parallèle et achève en 3 heures 59 minutes et 17 secondes la simulation de 12 millions de foyers, avec 24 millions de décisions appariées et 288 millions d'états de registres mensuels, soit en moyenne environ 1 672 décisions de foyer par seconde de bout en bout et environ 886 000 tokens/s. Côté moteur, le rapport indique que Genese exécute un tour de 1 000 agents en 6,17 secondes sur un seul T4, soit environ 17 % et 20 % de moins qu'OASIS et OneSim ; à backend de décision fixé, sa vitesse d'exécution serait de 2,12 à 4,10 fois celle d'AgentSociety, OneSim, OASIS et MiroFish. L'équipe a par ailleurs testé la prédiction de consommation sur 1 060 foyers réels : le rapport indique que YN-Master-9B, qui décide indépendamment, obtient une erreur absolue moyenne annuelle de 51 312 yuans, soit 3,42 % de moins qu'une référence entièrement rationnelle de type HANK, et une erreur quadratique moyenne inférieure de 3,15 % ; YN-Lite-4B obtient une distance d'ajustement par groupe de revenus inférieure de 14,26 % à cette référence.

Conséquences pour les développeurs

Pour les développeurs qui envisagent une intégration, le changement le plus direct concerne la forme de l'appel. Le dispositif décrit est un socle préentraîné avec une tête de décision : une passe avant note des actions candidates prédéfinies et le softmax fournit une distribution de probabilités, sans génération token par token ; l'appelant n'a plus à analyser du texte libre et ne paie pas de tokens pour une génération complète. En contrepartie, les actions candidates doivent être énumérées à l'avance, la tâche reste confinée à des options fermées, et les questions ouvertes ou les sorties en texte libre ne conviennent pas. Les critères d'évaluation doivent changer aussi : les grandeurs comparables sont l'exactitude question par question, le F1 macro, la stabilité de l'option la plus probable lorsque l'ordre des options est permuté, et le nombre de décisions par seconde sur son propre matériel et avec sa propre taille de lot, plutôt que la qualité de génération ou les préférences humaines. Les 37 000 tokens/s et le facteur 22,72 proviennent d'un test de déploiement sur un seul A100, mais la source ne précise ni la précision ni la configuration du socle utilisées, et la version MLX FP16 n'est associée qu'à la simulation à l'échelle de dizaines de millions de foyers de l'article : ce ne sont pas les mêmes conditions, ces chiffres varient avec la précision, la taille de lot et le moteur, et ne valent que comme ordre de grandeur. L'intérêt de Genese se concentre sur la cohérence des registres : mise à jour par lots de tableaux entité-composant, validation de l'état du monde et des événements dans la même frontière transactionnelle, retour à un instantané du tour en cas d'anomalie ; ces mécanismes répondent au risque, à l'échelle de dizaines de millions d'acteurs, de « registres modifiés sans trace ». Si la simulation n'exige pas de traçabilité par écriture ni de retour arrière, ce bénéfice est bien moindre. En outre, l'architecture de notation par tête de décision impose de nouvelles interfaces à toute la pile de simulation : génération de l'ensemble des candidats, lecture des probabilités et règlement des registres doivent être des modules remplaçables indépendamment, sinon changer de modèle oblige à réécrire l'expérience. Il faut souligner que ces chiffres d'exactitude, de débit et d'accélération proviennent de l'article et de l'équipe, sans reproduction indépendante à ce jour.

Intégration et évaluation

Voici des recommandations conditionnelles, qui ne sont pas des faits rapportés. Décision un, face au changement décrit dans le rapport (socle préentraîné plus tête de décision, sortie directe de probabilités d'options) : si votre charge consiste en questions à choix fermé, par exemple la prédiction de préférences par questionnaire ou le choix d'actions dans un cadre de règles, le modèle à tête de décision peut être un candidat de remplacement pour les appels génératifs. La condition est que l'ensemble des candidats soit énumérable et fixe avant chaque appel ; si la tâche exige du texte libre ou un raisonnement ouvert, ce remplacement ne tient pas et il faut continuer avec un modèle génératif. Le critère est de savoir si l'exactitude par question et le F1 macro sur votre propre jeu de validation dépassent la référence existante, en ajoutant un test de permutation de l'ordre des options pour voir si l'option la plus probable change ; sans gain d'exactitude, le bénéfice se réduit au coût d'inférence, à chiffrer séparément. Décision deux, face à la conception de Genese décrite dans le rapport (mises à jour par lots, validation atomique, retour à un instantané) : si vous voulez simuler plus de cent mille agents, commencez par reproduire le moteur plutôt que par changer de modèle. La condition est que la simulation exige un rapprochement écriture par écriture ; si une moyenne globale approximative suffit, sans retour arrière en cas d'anomalie, un simple script de traitement par lots peut suffire. Concrètement, exécutez un tour de 1 000 agents sur votre matériel avec le même backend de décision, mesurez la durée et vérifiez si les registres se rapprochent écriture par écriture et si l'on peut revenir à l'instantané du tour en cas d'anomalie ; le critère de réussite est la reproductibilité des comptes et l'efficacité du retour arrière, avant de comparer le nombre de décisions par seconde. Le rapport compare Genese à OASIS, OneSim, AgentSociety et MiroFish, mais ces chiffres viennent d'un banc d'essai contrôlé défini par l'équipe ; pour être comparables, vos propres mesures doivent fixer le même backend de décision. Décision trois, préalable aux deux précédentes, face à la mention du rapport selon laquelle les modèles et une partie des données synthétiques sont fournis selon leurs propres conditions d'usage scientifique : si vous voulez l'intégrer à un produit commercial, vérifiez dépôt par dépôt que le texte de licence et l'étendue des autorisations couvrent votre mode de distribution avant d'écrire du code ; une reproduction de recherche interne ne déclenche généralement pas ce point. Par ailleurs, GLM-5.3-Flash et DeepSeek-V4.1-Flash, cités comme références dans le rapport, ont des entrées correspondantes dans le catalogue KimiSeek et peuvent servir de candidats pour une base d'évaluation interne, le choix de la base restant à déterminer selon votre propre tâche.

Limites et points à confirmer

Plusieurs incertitudes doivent être conservées. Premièrement, les chiffres d'exactitude, de débit et d'accélération sont déclarés par l'équipe ; le jeu d'évaluation est un ensemble de questions à choix fermé d'un seul domaine, la finance des consommateurs, et le rapport précise lui-même que cet avantage ne préjuge ni de la généralisation ni du raisonnement ouvert ; les 74,55 % de l'article et les 74,73 % de l'échantillonnage à groupes fixes proviennent de bases d'échantillons différentes et ne doivent pas être mélangés. Deuxièmement, la configuration du test à 37 000 tokens/s sur un seul A100 (précision, socle, taille de lot) n'est pas précisée par la source, qui n'associe la version MLX FP16 qu'à la simulation à l'échelle de dizaines de millions de foyers de l'article : ce ne sont pas les mêmes conditions et ces résultats ne se généralisent pas l'un à l'autre. Troisièmement, les poids sont publiés, mais selon des conditions d'usage scientifique ; des poids ouverts ne valent pas licence open source reconnue par l'OSI, et l'étendue commerciale doit être vérifiée soi-même. Quatrièmement, la famille YN et ses versions YN-mini, YN-Lite-4B et YN-Master-9B n'ont aucune entrée exactement correspondante dans le catalogue actuel de KimiSeek ; le site ne couvre pas cette famille, et le rapport ne mentionne ni API officielle ni service hébergé pour la série YN ; si un fournisseur en proposait un plus tard, sa disponibilité, ses prix et ses quotas relèveraient du fournisseur ou de l'hébergeur et ne signifieraient pas que le site l'a intégré. Cinquièmement, la notation humaine de la qualité des profils porte sur 100 profils d'enquête réels traités, l'expérience de prédiction de consommation utilise les relevés de 1 060 foyers réels décrits dans le rapport, et les questions d'évaluation proviennent de questions-réponses d'enquêtes réelles : ces sources de preuve ne sont pas des données synthétiques, mais elles relèvent d'un processus d'évaluation conçu et exécuté par l'équipe, avec des références (comme la référence entièrement rationnelle de type HANK) et des indicateurs fixés par elle, sans reproduction par un tiers. Ce qui est réellement synthétique, ce sont la base de 500 millions de profils et l'expérience de simulation de 12 millions de foyers, dont les conclusions agrégées dépendent du calibrage statistique du processus de génération. Sixièmement, le test de mémoire avec réécriture de l'année en 2031 ne compte que 12 variantes de formulation par modèle et ne constitue qu'une preuve préliminaire. Septièmement, pour les foyers de plus de 65 ans, la distribution extrême où tous choisissent de reporter l'achat dans les deux conditions correspond-elle à la réalité ? Le rapport ne fournit pas de validation par des données comportementales externes ; ce point est une inférence fondée sur le rapport, non une conclusion de la source.

Trois minutes jusqu’au premier appel

Créez un compte et une clé API. Le coût des appels est déduit de votre solde. 30 % de réduction sur la première recharge. Rechargez ¥500, payez ¥350, recevez ¥500 de crédit. Rechargez ¥1000, payez ¥850, recevez ¥1000 de crédit Vous pouvez toujours commencer par une recharge d’essai de ¥10.

Sources et méthode éditoriale

3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型

L’IA a assisté l’analyse et la traduction des sources citées, suivies de contrôles automatiques. Les conseils ne sont pas des résultats de tests. Consultez le catalogue actuel pour les prix et la disponibilité.