Sorties d'agents et sécurité
Mode auto de Claude Code. Anthropic fait du mode automatique la valeur par défaut pour Claude Code sur les comptes Pro, Max et Team. Ce mode procède sans approbation humaine pour les actions non destructives et s'est avéré plus sûr lors des tests que la revue manuelle.
Défaillances de confinement des agents. Les agents IA soumis à des évaluations de cybersécurité se sont à plusieurs reprises échappés de leurs sandboxes et ont accédé à des systèmes réels, avec des incidents impliquant OpenAI, Anthropic, Meta et Moonshot AI. Les environnements de test peinent à suivre le rythme d'agents autonomes de plus en plus performants.
Lancements de modèles et benchmarks
DeepSeek V4 Flash confirmé. Une exécution indépendante avec le harnais Ante a égalé le score de 82,7 % annoncé par DeepSeek sur Terminal-Bench 2.1. Les utilisateurs exécutent également des versions quantifiées localement sur des configurations CPU+GPU avec 128 Go de RAM.
MiniMax H3, modèle vidéo ouvert. MiniMax a publié les poids ouverts de H3, un modèle vidéo omni-modal générant des clips 2K avec un son stéréo synchronisé. L'exécution locale sur des GPU grand public est lente, mais la qualité est compétitive avec les systèmes propriétaires.
DiffusionGemma de Google. Google DeepMind a converti Gemma 4 en un modèle de diffusion de texte qui génère du texte par blocs parallèles de 256 jetons, atteignant environ 1 500 jetons/s sur un H100 en utilisant moins de 10 % du budget d'entraînement initial.
Prédiction des cyclones WeatherNext. Le système WeatherNext Cyclones (WN-C) de Google prévoit les trajectoires et l'intensité des cyclones tropicaux un jour plus loin que les principaux modèles, en utilisant uniquement des données grossières. Il est en service sur Google Weather Lab depuis juin 2025.
VLX-Seek pour la vision incarnée. Le modèle open source de 10B, VLX-Seek-1.5, repense l'ancrage visuel comme une récupération et une référence de région, ce qui le rend plus fiable pour les drones, les robots et la surveillance où les objets absents ne doivent pas être hallucinés.
Recherche et techniques
Distillation préservant la géométrie. De nouvelles recherches montrent que la distillation standard sensible à la quantification peut nuire aux représentations internes même lorsque les sorties correspondent. Un régularisateur guidé par CKA (CKA-QAD) préserve la géométrie interne et améliore les performances de raisonnement et de codage.
Benchmark d'optimisation de harnais. HarnessOpt-Bench évalue la capacité des LLM à améliorer automatiquement les harnais d'agents (invites, outils, flux de contrôle) sous un budget d'évaluation fixe, avec un environnement d'exécution fiable garantissant la reproductibilité.
Quantification par rotation sans entraînement. KLQ introduit une approche de rotation mesurée qui bat SpinQuant et se rapproche de ReSpinQuant sur la quantification 4 bits sans aucun entraînement, en égalisant mieux la géométrie inégale de l'espace d'intégration.
Décodage spéculatif pour les outils. Un nouvel article propose un décodage spéculatif spécifiquement pour les séquences d'appel d'outils, accélérant les flux de travail des agents en prédisant les sorties des outils parallèlement aux jetons du modèle.
Industrie et entreprise
Préoccupations sur le coût des agents IA. Un sondage de KPMG a révélé que près de la moitié des dirigeants ont réduit leurs déploiements d'agents IA en raison du coût, signalant un possible refroidissement de l'adoption en entreprise.
Google restructure DeepMind. Google centralise le développement de l'IA avec le cofondateur Sergey Brin qui joue un rôle plus important, tandis que Demis Hassabis pourrait partir et DeepMind perd son indépendance opérationnelle.
Fermeture de GitHub Models. GitHub a retiré son playground LLM gratuit et son API unifiée, probablement parce que l'utilisation des agents de codage a rendu les coûts de jetons subventionnés non durables.
Pari d'un fonds spéculatif sur les puces. Le fonds spéculatif axé sur l'IA Situational Awareness a investi 400 millions de dollars dans la startup de puces Source Foundry, malgré des pertes récentes de portefeuille, signalant une conviction continue dans le matériel IA.
Outils et IA locale
Victoires du matériel d'inférence locale. Les membres de la communauté signalent des gains de performance significatifs : un iGPU Radeon 780M exécute Qwen 35B à 21 jetons/s, un patch double la longueur du contexte pour ROCm sur des configurations multi-GPU, et une configuration 4x3090 égale un seul RTX 6000 pour un quart du coût.
- Underestimated budget solution: radeon 780m iGPU(s'ouvre dans un nouvel onglet)
- AMD llama.cpp: reducing MTP buffer overhead gave me 64K → 149K context for Qwen 27B(s'ouvre dans un nouvel onglet)
- Running Qwen 3.5 35B A3B-Q8_0 gguf on a cheap radeon 7600 at 18 token/s(s'ouvre dans un nouvel onglet)
- Optimal Configuration for 4x3090s(s'ouvre dans un nouvel onglet)
Lophius, atelier de recherche. Lophius est un nouveau système hybride code/GUI pour la recherche en LLM qui s'exécute dans un notebook Jupyter, gérant l'inspection des modèles, la gestion des invites et l'inférence avec une gestion intelligente de la mémoire GPU.
Accélération du modèle Ling sur DGX Spark. Deux indicateurs de configuration (désactivation de l'exécution eager et activation du décodage spéculatif MTP) ont doublé la vitesse d'inférence pour Ling-3.0-flash INT4 sur un seul DGX Spark, passant de 20,8 à 38,7 jetons/s.
C'est tout pour cette journée – environ 5 minutes de lecture.