Sorties de modèles et open source
Qwen4 fuit, open source promis. Le dépôt Qwen Code d'Alibaba mentionne qwen4-max, qwen4-coder-plus et qwen4-omni-120b, ce qui suggère l'arrivée prochaine de nouveaux modèles. La direction de Qwen a écarté les rumeurs d'un passage à une offre API uniquement et réaffirmé que les futurs Qwen 4.0 et 5.0 resteront open source.
Modèle scientifique de 753B. Deep Principle a publié Hydrogen-1.0, un modèle MoE open weight de 753B pour la chimie, les matériaux et les sciences de la vie, construit sur GLM-5.3. Il revendique une victoire sur GPT-6-Astra lors de FrontierScience-Research et est distribué sous licence MIT.
La communauté compresse MiniMax. Le modèle open weight MiniMax M3.1 Flash (428B) a été compressé de 252,4 Go à 93 Go en 10 jours par des développeurs de la communauté, ce qui lui a valu un remerciement de MiniMax. Le modèle utilise un entraînement quantization-aware et une attention sparse, et cible le code et les agents avec un contexte allant jusqu'à 1M.
Rapport de quant 1,7B. Un rapport de quantification sur LFM3-1.7B de Liquid AI montre qu'un quant quasi sans perte tient dans 3,6 Go de VRAM et qu'une version de 2,2 Go subit une dégradation modérée. Le modèle revendique de meilleurs scores que MiniCPM5-2B avec deux fois plus de contexte et moitié moins de VRAM.
Inférence locale et quantification
Avantage vitesse locale. Une comparaison côte à côte de GLM 5.3 Flash via l'abonnement Z.ai et en inférence locale a montré que le même modèle et le même prompt s'exécutaient 4,2 fois plus vite en local. L'auteur estime que le temps gagné, et pas seulement le coût des tokens, rend l'IA locale utile.
Économie d'un GPU 48 Go. Les prix des RTX 8000 48 Go sont tombés à environ 2 100 $, tandis que ceux des 3090 d'occasion ont doublé, ce qui rend la RTX 8000 moins chère au Go et économe en énergie pour les home labs. Elle fait tourner des modèles et des contextes plus grands que deux 3090, avec une consommation plus faible.
Débat sur les quants. Unsloth et ISTA-DASLab se disputent publiquement la qualité de quantification de DeepSeek-V4.1-Flash : Unsloth affirme que ses GGUF dépassent GSQ-RCO de 10 à 20 % sur des benchmarks de code à contexte long, tandis qu'une analyse distincte met en doute la cohérence des graphiques LiveCodeBench d'Unsloth. Cette concurrence produit de meilleurs quants pour la communauté.
Strata plafonne sans le dire. Strata/PolyStrata dispose par défaut d'une fonction answer_room qui plafonne silencieusement le raisonnement à 75 % de max_tokens et injecte une ligne de conclusion dans la réflexion du modèle. Ce comportement caché peut affecter les comparaisons de benchmarks et la qualité des transcriptions.
DeepSeek non censuré, 12 Go. Un quant GSQ-RCO modifié de DeepSeek-V4.1-Flash-1017 supprime les refus (de 85 % à 0 % sur JailbreakBench) tout en gardant des scores GPQA/AIME stables. Il tourne sur 12 Go de VRAM avec Strata + offload SSD, les experts routés restant identiques octet pour octet à la version d'ISTA.
Agents, code et outils
Agent de code growth. The Letter Company a publié Letterpress-1, un agent de code et un IDE qui lit un site web et des signaux de marché, construit des modifications dans une sandbox, puis ouvre des pull requests avec des aperçus en direct. Il expose 760 outils via MCP/REST/CLI, mais aucun benchmark public pour l'instant.
Git à l'échelle des agents. OpenAI a construit Pando, un nouveau backend Git pour son monorepo, afin de gérer des push et des lectures concurrents à l'échelle de Codex. Il a réduit la latence médiane des push de près de 5 fois et traite presque un pétaoctet de données Git par jour, tout en restant compatible avec Git.
Le modèle improvise dans Blender. Un utilisateur a observé Qwen 3.8 27B découvrir son accès MCP à Blender et écrire du Python dans Blender pour accélérer des calculs de physique. La capacité du modèle à se saisir d'outils inattendus souligne la nécessité de contraintes explicites.
Modifier les poids des modèles. GPT-6 Astra aurait modifié les poids de Qwen pour faire passer MATH-500 de 7,9 % à 48,1 %, et un nouveau preprint explore la capacité des LLM à lire et écrire nativement les poids d'un réseau de neurones. Cela suggère que les LLM modifient directement les modèles, un basculement par rapport au prompting ou au fine-tuning.
Claude limite les clones. Anthropic a mis à jour le prompt système de Claude Code pour interdire de recréer des jeux existants précis, tout en autorisant les jeux originaux ou de genre. Ce changement ne devrait pas empêcher le portage assisté par IA, et certains utilisateurs de LLM locaux y voient une raison de plus de s'auto-héberger.
- Anthropic clamps down on Claude’s AI video game clones(s'ouvre dans un nouvel onglet)
- Claude’s new rules against game cloning won’t stop the AI copying boom(s'ouvre dans un nouvel onglet)
- Yet another reason to self host: Anthropic has (again) cut back on reverse engineering tools(s'ouvre dans un nouvel onglet)
Goldman encadre le code IA. Goldman Sachs a coupé l'accès de ses traders et banquiers à Claude Code et GitHub Copilot, réservant ces outils aux ingénieurs. La banque estime que la phase d'expérimentation est terminée et invoque la productivité et la gestion des risques, malgré les éloges passés du « vibe coding » par des salariés non techniques.
Fusion des onglets ChatGPT. OpenAI va fusionner les onglets Chat et Work de ChatGPT pour que les utilisateurs passent de l'exploration d'idées à la création de sites web ou de présentations au même endroit. Codex reste séparé, et les deux partagent désormais le même pool de tokens.
Le tournant du context engineering. LangChain estime que l'architecture standard des agents LLM à boucle et outils converge, mais que de nouveaux défis émergent autour de la gestion du contexte à long terme, de la divulgation progressive et de l'usage d'outils en sandbox. Le billet décrit les pratiques émergentes pour les agents de fin 2026.
Industrie et business
Chiffres d'Anthropic avant IPO. Le chiffre d'affaires trimestriel d'Anthropic a été multiplié par 12 pour atteindre près de 17 milliards de dollars, mais un coût d'exploitation de 17,5 milliards de dollars a entraîné une perte nette de 23,3 milliards, sous l'effet d'engagements de calcul et de matching de dons. Son S-1 avertit aussi qu'Anthropic est proche d'une capacité d'auto-amélioration récursive, qualifiée à la fois de prometteuse et de risque de sûreté.
Garry Tan et ses agents. Garry Tan, CEO de Y Combinator, dit dépenser entre 100 000 et 200 000 dollars par an en tokens d'IA, et utiliser des agents pour le code, la recherche et des tâches personnelles. Son gstack de 23 skills Claude Code est sur GitHub.
Trajectory lève 45 M$. La startup Trajectory a levé 45 M$ en série A, menée par Sequoia, sur une valorisation de 300 M$, pour automatiser le fine-tuning et l'apprentissage continu dans des domaines spécialisés comme le droit et la finance. Elle veut remplacer le conseil coûteux des forward-deployed engineers.
Un modèle du monde comportemental. La startup israélienne 42AI est sortie de stealth avec 62,5 M$, revendiquant un modèle du monde comportemental capable de prédire les décisions humaines individuelles dans des situations inédites. Il est d'abord déployé chez des courtiers financiers pour prévoir le comportement des traders.
Grok Bot limité. SpaceX a réduit les quotas hebdomadaires de Grok Bot après que Musk a déclaré que le coût du service était « insoutenablement élevé par rapport aux revenus ». Certains utilisateurs ont vu leurs limites atteintes du jour au lendemain, alors que Grok Bot est présenté comme le produit à la croissance la plus rapide.
Campus IA, soutien au réseau. OpenAI a lancé le Grid Protectors Program, promettant que ses futurs centres de données pourront réduire la demande d'électricité jusqu'à 1 000 MW pendant les urgences du réseau. Le projet pilote en Géorgie est présenté comme un moyen de faire des campus IA des protecteurs plutôt que des pollueurs.
Les éditeurs attaquent Brave. The New York Times et d'autres médias ont poursuivi Brave, l'accusant d'avoir aspiré des contenus protégés par le droit d'auteur via son navigateur et de vendre l'accès à un index utilisé par des sociétés d'IA comme Anthropic, Mistral et xAI. La plainte vise aussi la fonction de contournement des paywalls de Brave.
Un constructeur d'agents juridiques. Le CTO de Legora explique sur le podcast Latent Space comment construire des agents IA pour les avocats. Legora a atteint 100 M$ d'ARR en moins de 18 mois, compte désormais 1 800 clients et est valorisée à 8,8 Md$ ; comme elle ne peut pas voir les données clients, elle construit des environnements de test simulés.
Apple vise les revenus IA. Apple a laissé entendre qu'elle pourrait chercher à tirer des revenus d'applications IA tierces et de partenariats, en distribuant éventuellement des agents IA via l'App Store moyennant commission. Aucun détail n'a été fourni lors de la conférence de résultats.
Recherche et infrastructure
Percée de l'attention sparse. Zyphra a publié ZHA, une attention sparse arborescente qui peut être distillée dans des modèles gelés comme Qwen3.6-35B avec peu de paramètres et reste proche du dense sur le raisonnement et le code. Une initiative open source connexe étend l'attention sparse à 10 millions de tokens, avec une précision préservée sur la plupart des tâches.
PyTorch natif sur TPU. Google et Meta ont publié en open source TorchTPU, un backend PyTorch natif pour TPU avec exécution eager et un minimum de modifications du code. Il répond à la latence de compilation de PyTorch/XLA et à ses contraintes intrusives sur le code.
Benchmark IA temps réel. Des chercheurs ont présenté Realtime-Bench, un benchmark de 50 tâches qui évalue si une IA peut agir dans des environnements web et de jeu soumis à des contraintes de temps. Les premiers résultats montrent que les LLM ont encore du mal avec les décisions à faible latence.
Le déficit de l'analytique agentique. Un rapport de MIT Technology Review Insights constate que moins de la moitié des insights générés par des agents se traduisent par une amélioration métier, les insights prescriptifs étant particulièrement faibles. Les organisations cherchent à améliorer la qualité des insights dans l'analytique agentique.
C'est tout pour cette journée – environ 5 minutes de lecture.