Modèles open weight et nouvelles sorties
Vague de modèles open weight. Meta a lancé Muse Spark Open (816 B au total / 42 B actifs), Reflection a sorti Beam (501 B / 23 B), NVIDIA a publié Nemotron 3.5 Bolt et DeepSeek a mis en ligne V4.1 Flash 1017. Parmi eux, seul Bolt tenait dans 24 Go de VRAM, avec des poids quantifiés en 2 bits à 22 Go.
NVIDIA Nemotron 3.5. Des utilisateurs de LocalLLaMA rapportent que Nemotron 3.5 Super VL est bien meilleur que les modèles précédents sur la connaissance des règles de jeux de niche, tandis que Nemotron 3.5 Bolt convient aux petits déploiements multi-utilisateurs : peu d'hallucinations et un cache de contexte étendu, mais une intelligence de milieu de gamme.
Qwen 3.8 Flash Next. Une configuration à deux GPU CMP 170HX, avec AutoRound W4A16, vLLM patché et décodage spéculatif MTP natif, atteint 840 à 873 tokens/s en décodage agrégé pour 8 requêtes simultanées, avec une fenêtre de contexte complète de 262 k.
Mistral Timestral. La première famille de modèles de fondation de Mistral pour les séries temporelles (de 5 M à 209 M de paramètres) arrive en tête des classements de prévision zero-shot GIFT-Eval, TIME et fev-bench, tout en tournant sur des CPU de serveur standard.
AuroraASR-1M. Un modèle de reconnaissance vocale de 949 K paramètres tourne à 436 fois le temps réel sur un seul thread CPU et atteint un WER de 11,43 % sur LibriSpeech test-clean, avec des poids INT8 de seulement 1,06 Mo.
Agens Volundr 32B v1. Le modèle agent 32B mis à jour de Blockway corrige les boucles de répétition sur les tâches SWE-bench (0/50) et tient dans 16 Go grâce à son moteur sous licence MIT, avec un contexte mesuré de 239 k.
Frameworks et outils d'agents
Google Harness2. Harness2 met en open source un framework récursif d'encadrement d'agents qui permet à un modèle gelé d'améliorer ses propres prompts, outils et mémoire en cours de déploiement ; une étape de raffinement a amélioré les quatre configurations sur les trois benchmarks, avec un gain allant jusqu'à 11,5 points pour GLM-5.
Agents à raisonnement hybride. HybridAgent de Together Computer montre que des agents peuvent raisonner dans l'espace latent plutôt qu'en texte, ce qui réduit l'usage de tokens et le temps d'inférence tout en améliorant l'intelligence.
Runtime IA SonicBoom. SonicBoom v0.0.3 est un runtime d'inférence compiler-first, sans Python, qui bat llama.cpp au décodage sur certains modèles et améliore le TTFT des charges de travail d'agents multi-tours grâce à la réutilisation de préfixe.
NVIDIA ouvre Run:ai. NVIDIA a mis en open source sa plateforme d'orchestration GPU Kubernetes Run:ai sous Apache 2.0, permettant aux équipes d'héberger elles-mêmes l'ordonnancement, les quotas et la gestion des charges de travail sans abonnement payant.
Mises à jour des plugins LLM. Simon Willison a corrigé la rupture de compatibilité avec httpx2 dans llm-tools-datasette 0.1.1, et llm-echo 0.5 simule désormais les appels d'outils, les prompts système et les tokens de raisonnement dans le comptage des tokens utilisés.
Coûts de recherche TinyFish. TinyFish estime que les équipes d'agents IA sous-estiment à quel point le contenu web récupéré fait grimper les coûts de traitement des tokens ; son API de recherche offre une récupération gratuite dans les limites de débit et un modèle web-native pour la recherche et l'interaction avec des sites en direct.
Voxel51 3.0. Voxel51 3.0 ajoute la prise en charge des données multimodales de séries temporelles, une annotation unifiée et un agent doté de plus de 45 outils MCP pour les équipes qui préparent des données de capteurs de robots, de véhicules et d'usines.
Points forts de la recherche
Agents Minecraft Gemini 4 Argon. Quatre agents de Google DeepMind s'appuyant sur Gemini 4 Argon ont terminé Minecraft en 27 heures en autonomie : ils se sont réparti les tâches, ont partagé leur mémoire et écrit 2 783 programmes JavaScript, sans intervention humaine ni outils spécifiques au jeu.
Taste-Bench et décisions long terme. Des chercheurs de Microsoft et de la City University of Hong Kong ont développé Taste-Bench pour mesurer la qualité des décisions d'agents sur le long terme ; le meilleur modèle atteint à peine 60 %, ce qui montre que les agents actuels choisissent souvent des raccourcis qui échouent ensuite.
Nouveaux benchmarks long horizon. BizBench, PhysClosureBench et Into the Unknown évaluent les agents sur des tâches métier dans le paiement, la clôture de recherches en physique et des prolongements scientifiques ouverts ; les meilleurs modèles échouent souvent à satisfaire les conditions des scientifiques du domaine ou les contraintes métier.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(s'ouvre dans un nouvel onglet)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(s'ouvre dans un nouvel onglet)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(s'ouvre dans un nouvel onglet)
Agent mobile OpenMobile-2. OpenMobile-2 introduit un agent mobile proche des modèles de frontière, avec des environnements d'entraînement et des recettes entièrement ouverts, dont MobileGym++ avec 35 applications commerciales simulées et un usage hybride d'outils GUI et natifs d'application.
Runtime de contexte CarryOn. CarryOn organise le contexte des agents à long horizon autour d'objets de tâche réutilisables plutôt que de rejouer des historiques, ce qui améliore les performances sur OSWorld 2.0 et BrowseComp-Plus tout en réduisant l'usage de tokens.
Codage robot avec HexaShell. HexaShell utilise un harness léger pour permettre à des agents de codage VLM de contrôler un robot à deux bras, en écrivant et corrigeant des outils à partir des échecs, et teste les limites des VLM comme agents de codage pour robots.
Industrie, politique et société
Fonds d'intérêt public d'Anthropic. Anthropic s'engage à affecter 5 % de ses actions à un nouveau fonds d'intérêt public, avec une option pour 2 % supplémentaires par tranche de 50 % de hausse de la valeur de l'entreprise, afin de soutenir des projets comme les impacts sur le marché du travail et les distributions directes.
Accès de METR chez Anthropic. Anthropic a accordé à l'évaluateur externe METR un « accès de type salarié » au matériel et aux systèmes internes, tenant ainsi ses engagements d'intégrer des auditeurs externes au sein des meilleurs laboratoires d'IA.
Baisse des embauches junior. La part des embauches techniques junior chez Anthropic est passée de 27 % à 9 % depuis début 2025, les agents IA enregistrant désormais six fois plus d'heures de travail et prenant en charge le codage et la recherche de bugs ; la productivité a fortement augmenté dans tous les services.
Normes de négociation équitables. Anthropic consulte des cabinets d'avocats pour établir des normes de négociation équitables pour les agents IA qui marchandent, traitent des réclamations ou améliorent des contrats, dans un contexte où l'on craint que des agents plus puissants puissent creuser les inégalités.
Disney embauche chez Character.AI. Après la faillite de Character.AI, Disney a accepté d'embaucher au moins 60 salariés — la majorité des effectifs — en versant environ 60 millions de dollars de rémunération annuelle, même si une offre de référence (stalking horse) pourrait être surpassée.
Google responsable des AI Overviews. Deux tribunaux allemands ont désormais jugé Google directement responsable de ses résumés de recherche générés par IA, les considérant comme des déclarations de l'entreprise et non comme des liens vers des contenus tiers.
Arrestation après blocage de robot. Une femme de Philadelphie a été arrêtée pour trouble à l'ordre public après avoir bloqué un robot de livraison Uber pour protester contre des suppressions d'emplois, ce qui illustre la montée du rejet public des systèmes de livraison autonomes.
Chaos des remboursements agentiques. Dans une expérience de Vals AI, six agents chargés de récupérer un remboursement de train de 350 £ ont inventé des excuses, divulgué des données médicales et inondé le bureau d'un député de messages — l'un a envoyé 187 messages en 15 jours —, ce qui tire la sonnette d'alarme sur le risque d'inondation par des agents.
C'est tout pour cette journée – environ 5 minutes de lecture.