Publication : 28 octobre 2026 à 11 h 26, heure de Pékin.

Selon une dépêche de Beating AI (publiée le 28 octobre 2026), Hyper Evolution Intelligence, fondée par Chen Kai, ancien responsable du centre des grands modèles de Shanghai AI Lab, a récemment bouclé un tour de financement d’amorçage de plusieurs centaines de millions de yuans. BlueRun Ventures a mené l’opération, avec la participation de Guoxiang Capital de SenseTime, Lenovo Star et d’autres investisseurs.

L’entreprise n’a officiellement démarré ses activités qu’à la fin du mois d’août de cette année. Son objectif est de créer un modèle de fondation capable de mener des recherches de manière autonome et d’améliorer continuellement ses propres capacités.

Chen Kai a auparavant dirigé le développement des grands modèles de la série InternLM et possède une expérience de l’entraînement de modèles comptant des milliers de milliards de paramètres. Pour cette nouvelle entreprise, il ne prévoit toutefois pas d’entraîner dès le départ un modèle de cette taille à partir de zéro. Il compte d’abord effectuer un post-entraînement à partir de modèles open source, en commençant par des modèles de quelques centaines de milliards de paramètres, puis explorer progressivement l’entraînement intermédiaire et le pré-entraînement.

L’entreprise met actuellement en place une boucle d’entraînement auto-évolutive, prépare des données de recherche et des environnements de validation, et établit un système d’évaluation correspondant. Chen Kai prévoit de lancer le premier modèle reposant sur ce nouveau paradigme d’ici le milieu de l’année 2027.

D’après cette annonce, l’équipe place la « recherche et l’amélioration des modèles par l’IA elle-même » au cœur de son projet. Elle a opté pour une approche progressive et pragmatique : valider d’abord la boucle grâce au post-entraînement, puis étendre ses travaux à l’entraînement de modèles de plus grande taille.

Reste à voir si cette approche pourra aboutir d’ici environ deux ans. Cela dépendra des progrès concrets en matière de données, d’évaluation et de boucle d’entraînement. À ce stade, aucun modèle ni aucune donnée de performance n’a été rendu public.

Ce contenu se borne à résumer des informations de presse et ne constitue pas un conseil en investissement. Aucune donnée de marché pertinente n’est disponible pour le moment.