Goodfire a lancé publiquement Silico, une plateforme de recherche autonome conçue pour planifier, exécuter et surveiller des expériences IA à long terme à l'échelle de la frontière technologique. La plateforme automatise les flux de travail expérimentaux sur une infrastructure de calcul distribuée, dans le but de réduire la charge opérationnelle traditionnellement associée à l'interprétation et à l'entraînement de modèles à grande échelle.

Silico fonctionne comme un agent de recherche autonome : elle accepte un objectif de recherche, élabore un plan expérimental détaillé, exécute les charges de travail en parallèle sur des clusters GPU, surveille chaque cycle d'entraînement et renvoie des résultats consultables. En coordonnant les ressources de calcul sans nécessiter de supervision humaine constante, la plateforme permet aux chercheurs de gérer des projets complexes à plusieurs étapes qui exigeaient auparavant une intervention manuelle approfondie.

Goodfire souligne que Silico est construite sur la recherche propriétaire de l'entreprise en matière d'interprétabilité de pointe, ce qui lui permet de remonter les comportements nuisibles ou inattendus des modèles jusqu'à leurs mécanismes sous-jacents et d'intervenir si nécessaire. Cette approche mécaniste de la compréhension des modèles est devenue une priorité dans le domaine de l'IA à mesure que les modèles de pointe deviennent plus vastes et plus performants, avec des laboratoires tels qu'Anthropic et OpenAI investissant dans des programmes d'interprétabilité pour mieux anticiper les modes de défaillance et les risques d'alignement. La plateforme a déjà démontré sa capacité à opérer à une échelle substantielle, ayant été utilisée pour interpréter Kimi K3, un modèle de 2,8 billions de paramètres.

Silico, the platform for ambitious AI research, is publicly available today. AI is advancing fast. The tools to understand it need to advance even faster. Silico lets you interpret and train your models at frontier scale. Learn more + get access pic.twitter.com/RT3lsbdGvy
— Goodfire (@GoodfireAI) August 4, 2026

(Source : publication X)

Applications, tarification et adoption précoce

La nouvelle plateforme de recherche prend en charge un éventail de tâches allant de la compréhension des modèles au diagnostic de défaillances et à l'amélioration des modèles. Les chercheurs peuvent visualiser l'architecture des modèles, entraîner des autoencodeurs parcimonieux et des sondes, cartographier la géométrie neuronale et tester des hypothèses causales sur les représentations apprises. La plateforme permet également un travail de diagnostic pour remonter les régressions et les comportements inattendus à leurs causes fondamentales, telles qu'un sous-entraînement, des goulots d'étranglement informationnels, un effondrement des caractéristiques ou des artefacts de jeu de données.

Pour le développement de modèles, Silico prend en charge le fine-tuning supervisé, l'optimisation directe des préférences et les expériences d'apprentissage par renforcement. Les utilisateurs peuvent comparer des points de contrôle, tester des interventions ciblées et mesurer les résultats. De plus, la plateforme peut reproduire ou prolonger des articles de recherche existants en planifiant et en exécutant de manière autonome les expériences correspondantes.

Goodfire reconnaît que les expériences à long terme restent coûteuses et indique que la tarification de Silico reflète les coûts de calcul actuels, bien que l'entreprise ait l'intention de les réduire au fil du temps. Pour encourager une adoption précoce, Goodfire propose une remise de 50 pour cent pour les inscriptions anticipées, ainsi que des subventions pour les chercheurs travaillant dans des domaines critiques tels que la sécurité de l'IA et les sciences du vivant.

La plateforme est actuellement disponible sur macOS, avec des options d'infrastructure entreprise disponibles sur demande. Les premiers partenaires, dont Prime Intellect, Valinor et Basecamp Research, ont signalé utiliser Silico pour accélérer la conception de l'apprentissage par renforcement, faire émerger un raisonnement biologique dans des modèles spécialisés et obtenir une visibilité mécaniste sur le comportement des modèles fondamentaux. Ce lancement positionne Goodfire aux côtés d'un nombre croissant d'entreprises développant des outils pour l'évaluation et la gouvernance de l'IA, un marché qui s'est étendu à mesure que les régulateurs et les entreprises recherchent de plus grandes garanties que les grands modèles sont sûrs, fiables et auditables avant leur déploiement.