Two Delta, une startup israélienne d’intelligence artificielle fondée en 2025, a levé « des dizaines de millions » de dollars lors d’un tour de seed soutenu par des investisseurs dont Bill Ackman, fondateur et PDG de Pershing Square, et l’ancien président de Google Eric Schmidt. L’entreprise, cofondée par Dvir Zeltzer et le Dr. Eli David, opère dans une grande discrétion et publie peu d’informations sur son activité en dehors de papiers de recherche disponibles sur son site.
Two Delta et sa stratégie discrète
Two Delta se présente comme développeuse de technologies visant à accélérer les modèles d’IA et à améliorer l’efficacité de leur utilisation des ressources de calcul. Le cofondateur Dr. Eli David est décrit comme un chercheur et entrepreneur vétéran en IA, tandis que Dvir Zeltzer apporte une expérience en gestion, incluant un poste senior chez Google. La société a communiqué des résultats techniques via des publications plutôt que par des annonces commerciales détaillées.
DCOCO : méthode et résultats revendiqués
En octobre 2026, Two Delta a publié les résultats d’une collaboration avec Nvidia montrant l’utilisation de sa technologie DCOCO pour accélérer l’inférence du modèle Nemotron 3.5 Super VL de Nvidia. DCOCO s’appuie sur le principe du speculative decoding, où un modèle plus petit et plus rapide propose une séquence de tokens qu’un modèle plus grand vérifie ensuite en une seule passe. La technique améliore les propositions en combinant les embeddings des tokens candidats avec des informations contextuelles issues des états cachés du modèle rédacteur, ces états étant informés par les activations du modèle cible. DCOCO évalue en parallèle des combinaisons possibles de tokens voisins afin de sélectionner des séquences plus cohérentes avant la vérification par le modèle plus grand.
Sur dix jeux de données couvrant les mathématiques, le code et des tâches générales, Two Delta rapporte que DCOCO a atteint un débit moyen 2,03 fois supérieur à celui du décodage autorégressif standard lorsque le raisonnement était désactivé et que le décodage glouton (greedy) était utilisé. Dans la même configuration, la méthode aurait amélioré le débit de 19,8 % par rapport à la méthode concurrente DFlash. La société indique également des gains de débit sous d’autres réglages de décodage et pour des charges allant jusqu’à 32 requêtes concurrentes. Les évaluations ont été réalisées sur du matériel Nvidia DGX B200 avec le framework d’inférence vLLM. Ces résultats sont ceux communiqués par Two Delta et non issus d’une évaluation indépendante. Two Delta affirme que DCOCO améliore l’efficacité de la génération de tokens tout en préservant la qualité de sortie du modèle cible.
EvoWeb : évaluer la maintenance d’applications web par des agents
Two Delta a aussi publié EvoWeb, un benchmark destiné à mesurer la capacité des agents de codage IA à construire et maintenir des applications web au fil de demandes successives. Contrairement aux benchmarks qui testent un agent sur une seule requête, EvoWeb évalue une application sur dix requêtes consécutives : une construction initiale suivie de neuf modifications demandées par l’utilisateur. L’étude a porté sur 32 applications web et conclut qu’aucun des modèles évalués n’a maintenu une fonctionnalité complète tout au long du processus. Les meilleurs performeurs, Fable 5 et Kimi K3, ont obtenu des scores de 0,694 et 0,684 sur une échelle de zéro à un. Le principal enjeu identifié est l’intégration des nouvelles fonctionnalités avec celles existantes : si les échecs de construction restent rares, le taux d’erreurs à l’exécution est passé de 2 % au début du processus à 12 % après dix requêtes, selon l’étude.
