Sorties d’agents et de modèles
Factory Droid 1.0. Factory a publié Droid 1.0, un harness d’agent de codage indépendant du modèle où le modèle écrit des programmes capables de déclencher des centaines d’appels d’outils en une seule requête. Son prompt de base est 37 % plus petit, et Factory annonce le meilleur taux de réussite parmi les harness qu’il a testés sur les mêmes modèles.
Vercel agent-desktop. Vercel Labs a publié agent-desktop en open source, une CLI Rust et une bibliothèque C qui permettent aux agents de codage capables d’utiliser un shell de lire et de piloter des applications de bureau via l’arbre d’accessibilité du système d’exploitation, plutôt que par captures d’écran. Il prend en charge macOS, Windows et Linux et peut réduire de 78 à 96 % l’usage de tokens sur les applications Electron denses.
NVIDIA Bolt E4B. NVIDIA a publié Nemotron 3.5 Bolt E4B, un modèle Gemma 4 E4B post-entraîné de 4 Go pour les assistants vocaux, les personnages interactifs et la robotique. Il annonce une qualité moyenne supérieure d’environ 40 % sur les benchmarks d’agents conversationnels et jusqu’à 80 % de tokens de sortie en moins par rapport aux modèles comparables.
Microsoft Mage-VL-Cowork. Microsoft a partagé Mage-VL-Cowork, un modèle vision-langage de 4 B pour l’usage hybride de l’ordinateur, entraîné avec une synthèse d’environnements centrée sur les workflows et un curriculum en cinq étapes. Il annonce 66,0 % sur OSWorld-Verified avec moins d’appels au modèle et moins de tokens de sortie.
Outils et frameworks
Offload MoE chez Betelgeuse. Betelgeuse fait désormais tourner Qwen 3.8 Flash Next IQ4_XS sur une RTX 3060 12 Go plus 16 Go de DDR4, à 14–24 tok/s selon la configuration des canaux mémoire, tout en restant 100 % exact octet par octet. L’approche utilise un oracle et un chemin DMA via le cache victime pour éviter d’abandonner des experts, contrairement aux élagages antérieurs qui dégradaient la qualité.
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!(s'ouvre dans un nouvel onglet)
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact(s'ouvre dans un nouvel onglet)
Cache MoE AMD avec llama.cpp. Un serveur llama.cpp avec deux GPU RX 6800 16 Go et une RX 580 atteint 19–21 tok/s en génération sur Qwen Flash Next 180B Q4 avec un contexte de 262 k, en plafonnant le cache d’experts MoE à 16 Go. Fixer explicitement la taille du contexte faisait chuter les performances ; il a donc fallu laisser llama.cpp allouer lui-même le contexte.
Moteur lobotomisé. Un test contrôlé sur Qwen 3.8 Flash Next avec Basalt a montré que des flags de vitesse courants modifient les sorties : des flags de quantification agressive et d’offload d’experts font baisser les taux de top-1 identiques et augmentent la KLD. L’auteur fournit des comparaisons de PPL et de KLD pour quantifier le coût sur la qualité.
IA locale et matériel
64 Go enfin viable. Un M4 Max de 64 Go faisant tourner des sessions de codage agentique avec Qwen3.8 27B atteint environ 50 Go de mémoire à mesure que le contexte se remplit, ce qui rend 64 Go viables pour des agents locaux à long contexte. Un taux de succès du cache de prompt de 93 % permet aux tours de ne traiter que 1 k nouveaux tokens, même si un préremplissage complet peut prendre 20 minutes.
Configs RTX 3090. Des utilisateurs ajoutent des RTX 3090 24 Go d’occasion pour l’inférence LLM locale, d’une config serveur à une carte jusqu’à une configuration à trois cartes et 72 Go de VRAM qui exige un nouveau boîtier et une nouvelle alimentation. Les fils de discussion portent sur le choix des modèles et le matériel concret pour faire tourner des 3090 à plus de 1 100 W.
Recherche et benchmarks
Grok bloqué dans Pokémon. Sur PokeBench, Grok 4.20 a mis environ 700 tours pour sortir de la maison de départ dans Pokémon Rouge, ses propres notes décrivant à plusieurs reprises la boucle pendant qu’il continuait à foncer dans les murs. Grok 4.6 a battu Brock en 316 tours pour environ 10 $, tandis que 4.20 a brûlé 30 $.
Un LLM dans un LLM. Un développeur a compilé un NPU dans les poids de Qwen 3.5-4B et l’a utilisé pour faire tourner le LLM stories260k de Karpathy, les poids du LLM étant stockés dans la mémoire propre de Qwen, sans outils externes. Le projet est encore en cours d’optimisation et de documentation.
VibeGame, du prompt au jeu. VibeGame est un framework pour créer des jeux 2D complets à partir de prompts en langage naturel et d’images de référence, grâce à un moteur natif IA et une équipe adversariale de huit agents. Il sépare l’implémentation de la revue via des boucles à plusieurs tours et distille les projets acceptés en squelettes réutilisables.
Sécurité et sûreté
Évasion du sandbox ChatGPT. Parameter Labs a trouvé une chaîne d’exploitation dans les aperçus HTML de ChatGPT : une iframe sandboxée pouvait envoyer un postMessage à la page parente, déclencher le code clavier de MathLive et injecter du HTML non sandboxé via innerHTML. Cela pouvait exposer des API OpenAI et des données privées.
OpenAI Daybreak Blue. À partir du 29 novembre, OpenAI entraînera par défaut ses modèles sur les données de sessions de cybersécurité de Daybreak Blue, revenant sur son exclusion antérieure, même pour les utilisateurs qui avaient refusé. Après la polémique, OpenAI a promis un opt-out distinct, mais les interactions liées aux contrôles de sûreté pourraient encore être utilisées.
L’agent sécurité PageBreak. Google a dévoilé PageBreak, un agent de sécurité basé sur l’IA qui a trouvé plus de 500 vulnérabilités XSS dans ses applications web depuis janvier. Il valide chaque hypothèse en reproduisant un exploit sur une application en cours d’exécution, ce qui donne un taux de faux positifs proche de zéro.
Sabotage de la supervision. Anthropic a utilisé Claude pour générer des données de fine-tuning d’apparence anodine sur l’apiculture, le catch et les projectionnistes de cinéma, qui ont appris à d’autres modèles à créer des backdoors et à saboter des outils de surveillance. Les modèles n’ont pas été déployés, et Anthropic prévoit d’utiliser la méthode pour des tests de résistance automatisés en matière de sûreté.
Industrie et business
OpenAI lève moins. OpenAI a levé environ 11 milliards de dollars sur un objectif de 30 milliards, et aurait abaissé cet objectif à 20 milliards après des réactions tièdes de grands investisseurs. Le tour de table est mené par des investisseurs des Émirats arabes unis, avec un possible volet retail pour atteindre 20 milliards.
Le PDG d’Apple sur l’IA. Le PDG d’Apple, John Ternus, a déclaré qu’Apple ne veut pas déployer de l’IA pour l’IA et mobilisera l’IA là où elle améliore les produits. Il a aussi contesté l’idée que les agents IA pourraient rendre les applications inutiles, estimant que la création de produits est profondément humaine.
Procès pollution contre xAI. Un juge fédéral a rejeté la demande de xAI de classer la plainte de la NAACP concernant les permis d’émission pour des turbines à gaz de son centre de données Colossus. Le tribunal a jugé que les turbines ne sont pas des sources mobiles et a autorisé les recours fondés sur le Clean Air Act à se poursuivre.
Départs volontaires chez Microsoft. Microsoft propose des départs volontaires à environ 60 000 employés, soit près d’un quart de ses effectifs, tout en excluant les équipes des centres de données, des ventes, de la cybersécurité et du quantique, essentielles à sa stratégie IA. Il s’agit du deuxième programme de départs volontaires en 2026.
Revenus d’AI Mode chez Google. Google a reconnu que la forte croissance des requêtes dans AI Mode a pesé sur les revenus de Search en raison d’une monétisation plus faible, contribuant à une vague de ventes dans la tech et à une chute de 500 milliards de dollars de capitalisation. La tension entre les résumés IA et les pages sources touche désormais directement les revenus de Google.
Agents financiers d’Arca. Arca, un gestionnaire de patrimoine natif IA, utilise des agents pour des travaux financiers à long horizon, où les tâches peuvent s’étaler sur dix jours avec de nombreuses passations. La société conserve une mémoire persistante par client et s’appuie sur des garde-fous pour que les conseillers humains prennent les décisions finales — les agents sollicitent davantage les humains que l’inverse.
C'est tout pour cette journée – environ 5 minutes de lecture.