Une étude publiée par Nvidia le 30 septembre 2026 révèle que la précision moyenne des modèles d’IA chute de 62,8 % lorsque la longueur du contexte passe de 4 000 à 128 000 jetons. Les chercheurs ont testé sept modèles open-weight sur des tâches simples comme l’arithmétique, le tri d’UUID et la transformation de tableaux. DeepSeek a vu son score passer de 0,909 à 0,554, tandis que le Nemotron Super de Nvidia chutait de 0,711 à 0,138. L’absence d’identifiants stables pour les éléments a provoqué des baisses relatives de performance allant jusqu’à 64,3 %. Le texte de l’article indique que ces travaux montrent que la capacité à traiter un long contexte et celle à travailler fiablement à travers ce contexte sont deux capacités distinctes.
Source: Lire l’article original
