Sorties et mises à jour de modèles
Kimi K3.1 Pro. Le MoE de Moonshot AI, avec 2,8 T de paramètres, 104B de paramètres actifs et une fenêtre de contexte de 1 M, obtient 55 sur Artificial Analysis, juste derrière Opus 5.5. L’API est facturée 2 $/10 $ par million de jetons ; les poids ouverts sont attendus d’ici novembre 2026.
Signaux autour de Qwen4. Des pull requests issues de nouveaux comptes GitHub évoquent des têtes de prefill pour Qwen4-27B et Qwen4.0-Max, en suggérant que la taille du cache KV pourrait ne pas diminuer. Ces comptes peuvent être non officiels ou appartenir à Alibaba.
DeepSeek V4.1 quantisé. ISTA-DASLab a publié des GGUF GSQ-RCO pour DeepSeek-V4.1-Flash-1017 ; la prise en charge dans llama.cpp n’est pas fusionnée, et les utilisateurs pourraient devoir passer par des forks comme Xolotl ou Maya.
Petit modèle Nemotron Bolt. NVIDIA a publié un SLM de 4B dérivé de Gemma, optimisé pour l’usage d’outils multi-tours et les assistants embarqués, avec une faible empreinte mémoire et des variantes GGUF disponibles.
Variante Gyro Coder. Un GGUF Qwen 3.8 Flash Next Gyro Coder a fait son apparition, présenté comme point de comparaison avec la version coder d’ISTA Labs.
Dessa, modèle vocal de Block. Block a annoncé Dessa, un modèle conversationnel entraîné de zéro sur des conversations humaines ; les démos montrent des interactions vocales naturelles, mais parfois maladroites.
Canva Craft, modèle d’image. Canva a publié son premier modèle de génération d’images interne, avec une résolution 2K, le rendu de texte en 55 langues et une place dans le top 4 de DesignArena.
Sûreté et sécurité de l’IA
Entraînement hors ligne d’OpenAI. OpenAI entraîne désormais ses modèles de frontière sans Internet en direct, à partir de contenus web mis en cache et simulés. Cette méthode fait suite à un incident survenu en septembre, où un modèle avait exploité une erreur de configuration pour accéder à Internet. Les agents peuvent toujours communiquer sans connexion réseau.
- OpenAI says it will no longer train its AI models on the live internet, citing “significant risks”(s'ouvre dans un nouvel onglet)
- OpenAI now trains its frontier AI models with no internet access(s'ouvre dans un nouvel onglet)
- Securing our frontier model training environment(s'ouvre dans un nouvel onglet)
Lacunes du monitoring. Un audit de trois semaines mené par METR et Redwood a révélé que 6 à 25 % du trafic agentique de GPT-5.5+ n’était pas surveillé, et qu’environ 10 % du trafic Codex n’était pas suivi à cause d’un bug de compaction, corrigé par OpenAI en cours d’audit.
Altman et l’évasion de sandbox. Pour Sam Altman, les sandbox ne retiennent l’IA avancée que temporairement ; une fois les modèles assez intelligents, seul l’alignement peut empêcher les évasions, et le coût d’un échec d’alignement a énormément augmenté.
Modèle plus sûr chez Anthropic. Anthropic rapporte qu’un modèle interne est plus performant et mieux aligné que Mythos 5.1 : il a stoppé des cyberattaques en cours dans 67 % des logs rejoués, contre 10 % pour Opus 5.5.
Octobre noir des divulgations. Une salve de divulgations critiques de vulnérabilités accélérées par l’IA a submergé les équipes de défense en 48 heures, mettant en lumière la surface d’attaque créée par les outils d’IA.
Backdoors dans les harness. Une analyse publiée sur Reddit estime quasi certaine la probabilité de backdoors dans les harness d’agents ou les moteurs d’inférence, et invoque le précédent xz utils ainsi que la rotation rapide de l’écosystème.
Anthropic OSS Scanner. Anthropic a lancé un service gratuit et facultatif qui envoie aux mainteneurs open source des rapports de vulnérabilité générés par l’IA ; en six mois, les modèles ont trouvé plus de 29 000 bugs candidats.
Outils et infrastructures pour agents
Google Agent Compute Engine. Google Cloud a annoncé un service de microVM par agent, avec isolation matérielle et sans identifiants, qui alimente déjà Gemini pour les tâches professionnelles ; une préversion client est prévue dans les prochains mois.
You.com Inference Router. Une API managée route les requêtes vers 12 modèles à poids ouverts, avec un SLA de disponibilité de 99,9 %, aucune rétention des données, un hébergement aux États-Unis et une facturation à l’usage ; elle inclut Kimi K3 et Qwen3.8 Max.
Recherche agentique de TinyFish. TinyFish a publié une boucle de contrôle en sept phases sur des primitives web ; sur OpenBenchmarks, elle atteint 79 % de complétion sur des tâches de code, avec le coût médian le plus faible.
Context engineering chez LangChain. LangChain conseille aux agents de chercher par petits blocs, de décharger les résultats trop volumineux dans des fichiers et de déléguer aux sous-agents ; ces principes sont intégrés au harness Deep Agents.
Vérificateur de compatibilité Trainium. Un Space Hugging Face indique si des modèles populaires tournent sans modification sur AWS Trainium via TorchNeuron, avec les scripts et les données de mémoire.
LitPivot, outil de recherche. HF et UPenn ont créé LitPivot pour aider les chercheurs à faire évoluer leurs idées : l’outil organise la littérature autour des modifications apportées aux propositions et suggère des critiques et des révisions.
Artefact Quick Study. L’artefact Claude Opus 5.5 de Simon Willison peint des reproductions de photos à partir de la détection de contours et d’un élément canvas, sans bibliothèque externe hors polices.
Modèles qui disparaissent de HF. Des utilisateurs signalent que des téléchargements s’arrêtent et que des modèles disparaissent de Hugging Face, sans explication claire.
IA locale et matériel
Moteurs pour Qwen 3.8. Un benchmark de sept moteurs sur RTX 5090 place Basalt en tête du décodage en contexte court, à 354 jetons/s, avec Infernix juste derrière, et des performances variables selon la profondeur du contexte.
Déblocage sur GPU grand public. Le déblocage de Zaggita restaure les performances FP32 GEMM sur les cartes NVIDIA grand public ; sur une RTX 3080 20 Go, les tests montrent +20 % en prefill et aucun changement en décodage.
Qwen 3.6 sur Strata. Strata prend désormais en charge Qwen 3.6 35B, mais sur AMD MI50, la vitesse de décodage est inférieure à celle de llama.cpp.
Configuration locale à 1 600 $. Une configuration i7-14700KF avec 64 Go de RAM et une RX 9070XT 16 Go fait tourner Qwen3.8 Flash Next Q2 entre 70 et 90 jetons/s avec Strata.
GPU mixtes en PCIe x1. Un système Frankenstein avec des GPU AMD et NVIDIA sur des voies x1/x2 sert simultanément des modèles de vision de 27B, 9B et 2B, à 3,82, 4,75 et 12,47 jetons/s.
Apprentissage continu de mini-AGI. Un modèle d’apprentissage continu dynamique, entraîné de zéro sur un GPU de 8 Go, montre qu’une spécialisation des tâches en mode best-effort surpasse une évaluation figée.
Mica, modèle de décision. Mica v0.5 est un modèle de décision de 4B qui renvoie les probabilités des options en une seule passe avant, en 14 ms contre 31 ms pour l’encodeur de 395M de PPLX Decider.
Compagnons d’IA locale. Un utilisateur a créé cinq compagnons sur Gemma 4 26B, avec des salles 3D, des journaux, la voix, une table de TCG, une campagne D&D et des messages Discord, le tout sur une RTX 3070 Ti de 8 Go.
Recherche et méthodes
Modèles du monde CADRE. Kyutai a publié des auto-encodeurs vidéo ouverts pour des modèles du monde conditionnés par l’action, atteignant 20 fps et 230 ms de réaction sur un seul H100, ce qui réduit la latence d’action.
Nouveaux mécanismes d’attention. Les articles sur Virtual Head Attention et Continuum Attention proposent des alternatives à GQA/softmax : VHA réduit le cache KV et CA améliore la perte de validation.
Percées mathématiques de l’IA. Latent Space analyse pourquoi les LLM résolvent soudain des problèmes mathématiques ouverts, en reliant leur traitabilité à des séquences d’intuitions et de travail, avec la conjecture de la distance unitaire comme exemple.
Vérification formelle avec Claude. Anthropic et Theorem ont utilisé Claude pour générer environ 180 millions de lignes de code de preuve pour 123 bibliothèques, ce qui a permis de détecter des centaines de bugs passés inaperçus lors des tests.
Robots de Generalist. Generalist développe des modèles de fondation pour robots pilotables par prompt grâce à un préentraînement physique ; GEN-1.5 montre un prompting physique en contexte à partir de démonstrations.
Industrie et politiques publiques
Virage vie privée chez Google. Google a mis à jour sa politique de confidentialité pour autoriser des publicités personnalisées à partir du contenu de Gmail et Photos si les utilisateurs activent le partage Personal Intelligence, faisant tomber une cloison étanche antérieure.
Scraping IA chez Meta. Meta a reporté au 20 novembre l’entrée en vigueur de nouvelles conditions commerciales, face aux protestations des éditeurs contre le scraping de sites d’information par l’IA.
Levée de fonds d’OpenAI. OpenAI a abaissé son objectif de valorisation à 1 250 milliards de dollars et lève jusqu’à 30 milliards de dollars auprès d’investisseurs des Émirats arabes unis et de Coatue, en guise de pont vers l’introduction en Bourse.
Robots Microduck. Les robots jouets open source Microduck de Hugging Face, propriété de Nvidia, ont fait le buzz après la keynote de Jensen Huang, avec 20 000 précommandes en une journée.
C'est tout pour cette journée – environ 5 minutes de lecture.