Dernière mise à jour 06-28-2026
Catégorie:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Magic
Magic est une entreprise de recherche en intelligence artificielle qui construit des modèles de pointe pour automatiser l'ingénierie logicielle et la recherche. L'équipe croit que la voie la plus prometteuse vers une IA générale sécurisée passe par l'automatisation de la recherche en IA et la génération de code, afin que les modèles puissent s'améliorer eux-mêmes et que le travail d'alignement puisse s'étendre au-delà de ce que les humains peuvent réaliser seuls. Leur site présente ce travail comme une recherche fondamentale sur un chemin direct vers une IA générale, et non comme un produit SaaS prêt à l'emploi.
Le pari technique combine une pré-formation à l'échelle de la frontière, un apprentissage par renforcement spécifique au domaine, un contexte ultra-long, et une puissance de calcul au moment de l'inférence. L'architecture LTM (Mémoire à Long Terme) de Magic vise spécifiquement le développement logiciel : des modèles capables de contenir en contexte l'ensemble des bases de code, documentation et bibliothèques privées pendant l'inférence, plutôt que de se baser uniquement sur une mémorisation approximative issue de la formation.
Magic a levé 515 millions de dollars, exploite des milliers de GPU NVIDIA GB200 sur des supercalculateurs Google Cloud, et publie des engagements de sécurité via une Politique de Préparation à l'IA Générale élaborée avec METR. La société se compose d'un petit groupe d'ingénieurs et de chercheurs basé à San Francisco, en ce moment en recrutement dans les domaines des noyaux, des systèmes de pré-formation, de l'inférence, de l'apprentissage par renforcement (RL) et de la sécurité.
Les raisons de LTM-2-mini à travers 100 millions de tokens, soit environ 10 millions de lignes de code
Le benchmark HashHop teste la récupération en stress sans raccourcis sémantiques faciles
Pile personnalisée CUDA pour entraînement et inférence construite sans autograd de torch
Le cluster Google Cloud GB200 NVL72 s'étend à des dizaines de milliers de GPUs Blackwell
La politique de préparation à l'AGI suit les capacités dangereuses avec les recommandations METR
Les modèles prototypes ont modifié de véritables dépôts open source comme Documenso sans aide humaine
L'architecture LTM vise un contexte de 100 millions de tokens à une fraction du coût mémoire de l'attention standard.
Publication de la politique de préparation à l'AGI avec contribution METR et seuils explicites de capacités dangereuses.
515 millions de dollars de financement et superordinateurs Google Cloud GB200 pour l'entraînement à grande échelle.
Édits de code non assistés démontrés sur de vrais dépôts open source dans des prototypes de recherche.
Le benchmark HashHop traite les faiblesses connues des évaluations populaires à long contexte.
Aucune page publique de produit, de tarification ou d'accès en libre-service sur magic.dev à la date de la recherche.
Les modèles Frontier restent en phase de recherche ; le blog note que la qualité de synthèse du prototype n'était pas encore compétitive.
Le site dédié aux carrières donne peu de détails sur les calendriers de disponibilité pour les consommateurs ou les entreprises.
Que construit Magic ?
Magic construit des modèles de code de pointe et des agents autonomes destinés à automatiser l'ingénierie logicielle et la recherche en IA. Ses modèles LTM (Mémoire à Long Terme) se concentrent sur des fenêtres de contexte ultra-longues afin que la synthèse de code puisse analyser des dépôts complets, des documents et des bibliothèques lors de l'inférence, et pas seulement ce qui a été mémorisé durant l'entraînement.
Quelle est la taille de la fenêtre de contexte de Magic ?
Le modèle LTM-2-mini de Magic supporte jusqu'à 100 millions de tokens de contexte lors de l'inférence, ce que Magic équivaut à environ 10 millions de lignes de code ou 750 romans. Un modèle antérieur, LTM-1, annoncé sur le blog de Magic, avait une fenêtre de contexte de 5 millions de tokens.
Quel montant Magic a-t-il levé ?
Magic a levé un total de 515 millions de dollars, selon sa page d'accueil et la mise à jour de recherche d'août 2024. Parmi les investisseurs figurent Nat Friedman, Daniel Gross, CapitalG, Elad Gil, Sequoia, Jane Street, Eric Schmidt, et Atlassian.
Magic propose-t-il des tarifs publics ou une inscription ?
Le site web de Magic ne présente pas de tarification produit ni d'inscription en libre-service publique. Le site se concentre sur les mises à jour de recherche, la politique de sécurité et les carrières. Il n’y a pas de page de tarifs dans la navigation du site récupérée.
Comment Magic aborde-t-il la sécurité en IA ?
Magic publie une Politique de Préparation à l’AGI (version 1.0, juillet 2024) créée avec l’aide de METR. Elle s'engage à réaliser des évaluations des capacités dangereuses avant de déployer des modèles de codage de pointe, couvrant des modèles de menace tels que la cyberattaque, l’accélération de la R&D en IA, la réplication autonome, et l’assistance aux armes biologiques. Les questions de sécurité sont adressées à [email protected].
Où est situé Magic ?
Magic est basé à San Francisco. Les offres d'emploi sur magic.dev placent la plupart des postes d'ingénierie et de recherche à San Francisco, avec certains postes dans le noyau et l’infrastructure ouverts au télétravail.
Qu’est-ce que HashHop ?
HashHop est le benchmark d’évaluation à contexte long de Magic qui utilise des paires de hash aléatoires au lieu d’aiguilles sémantiquement évidentes. Magic l’a conçu parce que les benchmarks existants comme Needle In A Haystack permettent aux modèles de tricher en repérant les textes inhabituels, et Magic a publié HashHop sur GitHub pour que d'autres puissent l'utiliser.