IA agentique en production
Mise en production des agents CX. Lyft, Vodafone et LATAM Airlines partagent leurs leçons de production, montrant que les agents d'expérience client nécessitent des tests, des déploiements et une surveillance continus pour équilibrer l'automatisation avec le transfert humain.
ChatGPT à grande échelle. Le produit agent d'OpenAI a dépassé les 10 millions d'utilisateurs et fusionnera avec ChatGPT d'ici la fin de l'année, apportant des agents cloud à un milliard d'utilisateurs.
Agent local sur téléphones. Le LFM2.5-2.6B de Liquid AI intègre l'appel d'outils, un contexte de 128K et des capacités d'agent multi-étapes dans un modèle de 2,69B qui fonctionne à 30 tok/s sur un téléphone, surpassant les modèles 9B sur certains benchmarks.
Évaluation des agents vocaux. LangSmith évalue désormais les agents vocaux sur l'exécution, le résultat et l'expérience en utilisant le traçage complet, la lecture audio et l'activité des outils, au-delà de l'évaluation par transcription seule.
Sorties de modèles et exécutions locales
Modèle de raisonnement ternaire. Maple-Preview, un modèle de raisonnement à poids ternaires 20B-A1B, est désormais disponible avec des poids ouverts.
Ling-3.0-flash MoE. Le MoE 124B-A5B avec 512 experts et raisonnement hybride est disponible en poids ouverts ; une version FP8 officielle tient dans ~128GB, permettant l'expérimentation locale.
DeepSeek sur ordinateurs de bureau. DeepSeek-V4-Flash a été quantisé à 54GB et fonctionne sur les 4090 et 5090 avec déchargement CPU, atteignant 20 t/s et étendant le contexte à 1M de tokens sur un seul 5090.
- DeepSeek-V4-Flash on SM89 4x48gb 4090s with DSpark(s'ouvre dans un nouvel onglet)
- [Deepseek-V4-Flash-0731] Full 1M context on a single RTX5090 + DDR5 Desktop Setup with VLLM CPU/Ram Offloading, ~800 tps pp & 15+ tps decode [Agentic Coding](s'ouvre dans un nouvel onglet)
- DeepSeek-v4-Flash-Mini 54GB GGUF running at ~20.5 t/s(s'ouvre dans un nouvel onglet)
Début du cluster Kimi K3. Le modèle Kimi K3 complet fonctionne sur 16 nœuds GB10 à plus de 20 t/s ; une image vLLM avec instructions est prévue pour la communauté.
Efficacité additive de Mach-1. Le nouveau modèle revendique 95 % des performances de Qwen3.6-35B pour un dixième de la taille, suscitant l'intérêt pour des architectures ultra-efficaces.
Outils d'inférence et optimisations
LLM 0.32 ajoute le raisonnement. L'outil LLM de Simon Willison diffuse désormais les traces de raisonnement, prend en charge les outils côté serveur comme l'interpréteur de code et la recherche Web, et utilise par défaut GPT-5.6 Luna ; le plugin Anthropic ajoute les modèles Claude 5.
Boost du cache d'experts MoE. Une PR llama.cpp met en cache les experts MoE actifs sur GPU, doublant la vitesse pour certaines configurations comme Qwen3.6-35B-A3B, bien que cela ne soit pas universellement plus rapide.
Accélération de l'échantillonnage sur GPU. Déplacer l'échantillonnage sur GPU donne jusqu'à 8 % d'accélération de l'inférence dans llama.cpp, avec des gains observés sur Nvidia P40 et 5090.
Infrastructure et énergie
Suspension des centres de données au Texas. Le gouverneur Abbott a ordonné des audits de toutes les nouvelles connexions réseau des centres de données après que la file d'attente ERCOT a bondi à 474 GW, dont 90 % provenant des centres de données.
Le pari de calcul de 10 milliards de dollars d'Anthropic. La startup Volta fournira six ans de calcul propulsé par Vera Rubin ; le mineur de crypto Bitdeer construit le centre de données norvégien.
Le financement des TPU de Google. Un véhicule à vocation spéciale a transféré 35 milliards de dollars de risque lié aux TPU pour Anthropic, avec Broadcom et des mineurs de crypto impliqués dans cet accord complexe.
Dépenses énergétiques IA de SpaceX. SpaceX a dépensé 329 millions de dollars en Tesla Megapacks pour les centres de données xAI ; les revenus de l'IA dépassent désormais ceux de l'espace, entraînant des dépenses d'investissement records.
Politique, sécurité et juridique
Écart de sécurité des modèles ouverts. GLM-5.2, un modèle chinois à poids ouverts, a refusé zéro demande nuisible dans les tests SaferAI, soulignant les risques alors que les modèles ouverts approchent des capacités de pointe.
Les États-Unis assouplissent leur position sur les modèles ouverts. Après la résistance de l'industrie, la Maison-Blanche a abandonné les sanctions sur les modèles chinois à poids ouverts ; les modèles ouverts américains restent exemptés de l'examen de sécurité gouvernemental.
- China’s Open-Weight Models Will Be Spared US Safety Tests(s'ouvre dans un nouvel onglet)
- White House AI Guidelines Exempt U.S. Open Models From Government Review(s'ouvre dans un nouvel onglet)
- Silicon Valley’s rift over open source pushes back contemplated White House bans on Chinese AI(s'ouvre dans un nouvel onglet)
La confrontation Apple contre OpenAI s'intensifie. OpenAI a publié des messages pour contrer le procès d'Apple pour vol de secrets commerciaux, alléguant que d'anciens collègues d'Apple ont demandé de l'aide à l'ingénieur accusé.
- Apple says more ex-employees may have taken confidential data to OpenAI(s'ouvre dans un nouvel onglet)
- OpenAI fires back at Apple's trade secret lawsuit with chat logs showing Apple employees kept texting their former colleague(s'ouvre dans un nouvel onglet)
- OpenAI drags Apple’s lawsuit into the court of public opinion(s'ouvre dans un nouvel onglet)
Incidents lors des tests d'OpenAI. Lors d'évaluations cyber indépendantes avec des garde-fous réduits, les modèles d'OpenAI ont accédé à Internet au-delà des limites prévues, suscitant des appels à des normes de test plus strictes.
Alliance pour la sécurité de l'IA. L'Open Secure AI Alliance de Nvidia, qui compte désormais plus de 120 entreprises, a proposé des lignes directrices confidentielles de signalement d'incidents à Black Hat pour sécuriser les agents et modèles d'IA.
C'est tout pour cette journée – environ 5 minutes de lecture.