Google lance Gemini 4 Hydrogen, Inkling 2 Small passe en poids ouverts, OpenAI ouvre Daybreak Red Team

Google lance Gemini 4 Hydrogen, un modèle rapide qui dépasse Gemini 4 Argon sur l’Intelligence Index d’Artificial Analysis, et le déploie le jour même dans Search, l’application Gemini, Antigravity, Cursor et Devin. Thinking Machines publie sous Apache 2.0 les poids d’Inkling 2 Small, OpenAI ouvre deux produits de cyberdéfense, Daybreak Red Team et Daybreak Defense Factory, et Google met en précommande ses lunettes intelligentes avec Gemini. Côté Anthropic, Claude rejoint les réunions Google Meet, Managed Agents peut s’auto-héberger en entier et le site de l’introduction en bourse donne son calendrier.

Gemini 4 Hydrogen : 2,5 fois plus rapide que Gemini 3.8 Flash, devant Argon sur l’Intelligence Index, à 1,50 dollar par million de tokens

12 novembre — Google complète la série Gemini 4 avec Gemini 4 Hydrogen, après Argon et Carbon. Là où ces deux modèles visent le raisonnement long sur les problèmes les plus durs, Hydrogen est pensé pour la vitesse : le code du quotidien, les agents qui enchaînent les outils et la synthèse de documents multimodaux. Google le présente comme la mise à niveau de Gemini 3.8 Flash et des modèles Gemini 3 et 2.5 antérieurs.

Meet Gemini 4 Hydrogen: built for rapid coding, multimodal synthesis, and everyday workflows. It finishes tasks 2.5x faster than 3.8 Flash and surpasses Argon on the @ArtificialAnlys Intelligence Index.

🇫🇷 Voici Gemini 4 Hydrogen, conçu pour le code rapide, la synthèse multimodale et les tâches du quotidien. Il termine les tâches 2,5 fois plus vite que 3.8 Flash et dépasse Argon sur l’Intelligence Index d’@ArtificialAnlys. — @GoogleDeepMind sur X

Sur l’Intelligence Index d’Artificial Analysis, Hydrogen obtient 51 à son réglage par défaut, contre 50 pour Argon, et 54 au niveau de réflexion le plus élevé. Face à 3.8 Flash, Google annonce des tâches terminées 2,5 fois plus vite, un score Terminal-Bench 4.1 plus que triplé et plus de 5 fois moins d’affirmations inventées : le modèle signale le contexte manquant au lieu de deviner.

Benchmark ou mesure (chiffres de Google)	Gemini 4 Hydrogen	Point de comparaison
Artificial Analysis Intelligence Index	51 (high), 54 (xhigh)	Gemini 4 Argon : 50
Terminal-Bench 4.1	57 %	Gemini 3.8 Flash : 18,2 %
Vitesse des tâches (réglage high)	2,5 fois plus rapide	Gemini 3.8 Flash
HLE-Diamond	58,8 %	En tête de sa catégorie
Vals Tax Agent Bench	52,3 %	1er au classement général
Agents’ Last Exam v1.1	71,6 %	Devant les autres modèles, selon Google

Côté développeurs, gemini-4-hydrogen est en disponibilité générale dans l’API Gemini, y compris au palier gratuit, limité en débit. Le tarif payant est le même sur tout le contexte d’un million de tokens : 1,50 dollar par million de tokens en entrée, 7,50 dollars en sortie (réflexion comprise) et 0,075 dollar en entrée mise en cache implicite. C’est le tarif que retrouvera Gemini 3.8 Flash à la fin de sa promotion, qui court jusqu’au 31 décembre (0,75 et 3,75 dollars). Hydrogen ajoute un quatrième niveau de réflexion, xhigh, au-dessus de low, medium et high ; c’est high qui sert de défaut, là où 3.8 Flash utilisait medium. Le contexte unifié atteint 1 048 576 tokens, avec 65 536 tokens de sortie par requête synchrone et jusqu’à un million via l’exécution en arrière-plan. La migration depuis 3.8 Flash demande quelques ajustements : plus de cache explicite, paramètres temperature, top_p et top_k ignorés, niveau de réflexion minimal refusé.

Le modèle arrive le même jour dans l’application Gemini, dans le monde entier (les utilisateurs gratuits y accèdent par la sélection automatique du modèle), dans Google Search pour tous, dans Gemini pour Google Sheets d’abord pour les abonnés Google AI Pro et Ultra, et dans Antigravity pour les abonnés payants Pro et Ultra. Il devient aussi le modèle par défaut de l’agent Antigravity des Gemini Managed Agents. Aucune pull request mentionnant Hydrogen n’avait en revanche été trouvée dans le dépôt de Gemini CLI au moment de notre relevé.

Sur la sécurité, Google annonce jusqu’à 81 % de dépassements de consigne en moins dans les tâches agentiques, des actions désalignées et des raccourcis divisés par 12, 96,7 % sur son évaluation interne d’honnêteté et une résistance plus de 2,3 fois meilleure aux injections de prompt indirectes (Gray Swan). Une fiche de modèle est publiée.

🔗 Annonce de Gemini 4 Hydrogen (blog.google) · Nouveautés de Gemini 4 Hydrogen pour l’API (Google AI Studio) · Tarifs de l’API Gemini · Fiche de modèle (PDF)

Google Search passe à Hydrogen, « la plus grosse mise à jour de modèle » de Search selon Google

12 novembre — Google Search adopte Gemini 4 Hydrogen pour tous ses utilisateurs, dans le monde entier. Robby Stein, vice-président produit de Search, parle de la plus grosse mise à jour de modèle de Search à ce jour. Le moteur doit mieux comprendre l’intention, y compris pour des questions en plusieurs parties, très précises ou écrites avec des fautes de frappe. Il élargit sa technique de requêtes en éventail (query fan-out), qui lance des recherches parallèles sur les sous-thèmes d’une question, et propose donc un éventail de liens plus large. Les réponses deviennent plus visuelles, avec des images, des tableaux comparatifs et des outils créés pour la question, dans toutes les langues prises en charge par le mode IA. Google ne publie aucun chiffre pour ce volet.

🔗 Gemini 4 Hydrogen dans Search (blog.google)

Antigravity Orchestrator fait alterner Carbon et Hydrogen dans une même session, avec 24 % de quota en moins

12 novembre — Google Antigravity ajoute à son sélecteur de modèles une option Orchestrator. Elle ne choisit pas un modèle pour toute la tâche : elle passe la main entre Gemini 4 Carbon et Gemini 4 Hydrogen au fil d’une même session, dans les deux sens. Carbon explore le code en lecture seule, lève les ambiguïtés et bâtit un plan ; Hydrogen écrit les modifications, met à jour les paquets et lance les tests, puis rend la main à Carbon s’il bute.

Selon le billet d’Antigravity, Orchestrator approche le taux de réussite de Carbon seul en consommant en moyenne 24 % de quota en moins et en finissant 19 % plus vite, sur Terminal-Bench 4.1 ; le billet de blog.google situe les mêmes chiffres sur Terminal-Bench 4.0. Orchestrator est d’abord réservé aux abonnés Google AI Ultra, Hydrogen seul étant ouvert aux abonnés payants Pro et Ultra. Selon Antigravity, « des dizaines de milliers » d’essaims d’agents (swarms) ont aussi été lancés en quelques jours depuis l’arrivée de /swarm.

🔗 Gemini 4 Hydrogen dans Google Antigravity

Cursor : 54,3 % sur CursorBench à l’effort par défaut, contre 39,6 % pour Gemini 3.8 Flash

12 novembre — Gemini 4 Hydrogen arrive dans Cursor le jour de son lancement. Selon le tweet de Cursor, le modèle obtient à son effort par défaut 54,3 % sur CursorBench, le benchmark maison de l’éditeur, contre 39,6 % pour Gemini 3.8 Flash. Un second tweet donne son prix dans Cursor : 1,50 dollar par million de tokens en entrée et 7,50 dollars en sortie. La page d’évaluation de Cursor détaille, elle, trois niveaux d’effort.

Modèle et effort (page d’évaluation de Cursor)	Score CursorBench	Coût par tâche
Gemini 4 Hydrogen, effort High	54,3 %	5,59 dollars
Gemini 4 Hydrogen, effort Medium	46,7 %	1,76 dollar
Gemini 4 Hydrogen, effort Low	27,9 %	0,28 dollar
Gemini 4 Carbon, effort High (repère)	60,4 %	9,22 dollars

🔗 Annonce de @cursor_ai · Page d’évaluation de Cursor

Devin : 38,2 % sur FrontierCode 2.0 pour 2,40 dollars par tâche

12 novembre — Cognition ouvre à son tour Gemini 4 Hydrogen dans Devin Desktop et Devin CLI. Sur FrontierCode 2.0, son benchmark qui note la qualité du code produit sur des tâches réelles et sa capacité à être fusionné, Hydrogen obtient 38,2 %, à moins d’un point de GPT-6.1 Sol et proche de Gemini 4 Carbon. Cognition insiste surtout sur le coût : 2,40 dollars par tâche, environ 40 % de moins que les 4,04 dollars de Carbon. À effort moyen, Hydrogen dépasse déjà le meilleur résultat de Gemini 4 Argon pour moins d’un septième de son coût par tâche.

Modèle évalué (extrait du graphique de Cognition)	Score FrontierCode 2.0
Claude Fable 5.2	49,1 %
Claude Opus 5.5	45,5 %
Gemini 4 Carbon	40,0 %
GPT-6.1 Sol	39,0 %
Gemini 4 Hydrogen	38,2 %
Gemini 4 Argon	26,3 %

🔗 Gemini 4 Hydrogen dans Devin (Cognition)

Inkling 2 Small : Thinking Machines publie sous Apache 2.0 les poids de son MoE multimodal de 594B paramètres, dont 17B actifs

12 novembre — Une semaine après l’avoir lancé en poids fermés, Thinking Machines publie sur Hugging Face les poids d’Inkling 2 Small, sous licence Apache 2.0. Le modèle était disponible depuis le 5 novembre sur Tinker, la plateforme d’affinage du laboratoire, le temps de terminer des tests de sécurité externes et un red-teaming, selon la démarche que Thinking Machines décrivait dans « a safe path to open weights ».

Inkling 2 Small’s weights are now available for download on HuggingFace under an Apache 2.0 license. Make Inkling your own!

🇫🇷 Les poids d’Inkling 2 Small sont désormais téléchargeables sur HuggingFace sous licence Apache 2.0. Faites d’Inkling votre propre modèle ! — @thinkymachines sur X

C’est la deuxième génération de modèles du laboratoire, après Inkling-Small (276B paramètres, dont 12B actifs) : un mélange d’experts (Mixture-of-Experts) de 594 milliards de paramètres, dont 17 milliards actifs, qui accepte des images en entrée, sans audio, et propose un effort réglable. Avec les poids arrive l’écosystème de déploiement : intégration à Unsloth, SGLang, vLLM et TokenSpeed, post-entraînement avec Miles, SkyRL et Snowflake Cortex Training, et API chez NVIDIA, Fireworks, Together, Baseten, Nebius, Modal et Cloudflare. La fiche du modèle sur Hugging Face annonce une fenêtre de contexte allant jusqu’à un million de tokens.

Thinking Machines annonce un score de 31 sur l’Intelligence Index d’Artificial Analysis (30,6 dans son tableau), derrière DeepSeek-V4.1-Flash-1017 (32,6), GLM 5.3 (31,7) et Gemini 3.8 Flash (30,8), et derrière Claude Haiku 5.5 (36,5). Sur ses propres mesures, le modèle reste derrière DeepSeek-V4.1-Flash-1017 sur la plupart des bancs de code, mais devant GLM-5.3-Flash.

Mesure de Thinking Machines	Inkling 2 Small	DeepSeek-V4.1-Flash-1017	GLM-5.3-Flash	Kimi K3	Claude Haiku 5.5
Paramètres actifs / totaux (B)	17 / 594	16 / 552	18 / 320	104 / 2 800	Non indiqué
AA Index v5.0	30,6	32,6	27,8	Non indiqué	36,5
FrontierCode v2.0	25,4 %	28,5 %	17,6 %	17,3 %	34,9 %
DeepSWE v1.1	72,1 %	77,0 %	63,4 %	68,5 %	59,9 %
SWE-Bench Pro v2 (Hard)	86,3 %	89,7 %	82,8 %	88,2 %	52,9 %
MMMU Pro (vision)	81,6 %	80,6 %	79,0 %	80,5 %	79,1 %

Sur l’optimisation de kernels GPU (PMPP-Hard), Inkling 2 Small résout 54,25 tâches sur 69 en dix heures, contre 63 pour GPT-6 Astra et 60 pour Claude Opus 5.5. Le billet détaille la recette : un préentraînement de 8 400 milliards de tokens en 68 heures sur des racks NVIDIA GB300 NVL72, entièrement en NVFP4, puis des phases successives jusqu’à un million de tokens de contexte, nourries surtout de trajectoires échantillonnées sur des modèles antérieurs, dont Kimi K3. Le post-entraînement tient en un seul run d’apprentissage par renforcement : 1 075 pas, plus de 17 millions de rollouts, 2 048 GPU pendant neuf jours. Le modèle a été testé dans OpenCode sous le nom de code Fledge-Alpha.

Thinking Machines liste aussi ses limites : le modèle n’est pas le plus concis, ne choisit pas toujours le bon outil quand les skills sont nombreuses, et il est moins soigné en conversation. Côté sécurité, le laboratoire juge ses capacités en cybersécurité offensive en deçà de la frontière des modèles ouverts, et estime que sa variante « helpful-only » n’apporte qu’un gain marginal en connaissances CBRN.

🔗 Inkling 2 Small (Thinking Machines) · Inkling-2-Small sur Hugging Face

Daybreak Red Team et Daybreak Defense Factory : OpenAI ouvre des tests d’intrusion par agents et un outil qui transforme les failles en correctifs

12 novembre — OpenAI tenait ce jour-là à 10 h PT son keynote Cyber at the Frontier, consacré à ses annonces en cybersécurité. Sa page renvoie vers deux produits réunis sous la marque Daybreak et vers la demande d’accès Daybreak. Au moment de notre relevé, OpenAI n’avait publié ni billet ni tweet sur le keynote : ce qui suit vient des pages produit et de la documentation.

Produit Daybreak	Statut au 12 novembre	Ce qu’il fait
Daybreak Red Team	Accès anticipé, sur inscription	Tests d’intrusion d’applications web par une équipe d’agents
Daybreak Defense Factory	Préversion, plugin pour ChatGPT	Analyse de dépôts GitHub, import Snyk, Endor Labs et Wiz, correctifs à relire

Daybreak Red Team s’appuie sur une équipe coordonnée d’agents qui part du code source et du contexte d’une application web pour explorer les chemins d’attaque et confirmer les failles. Elle valide aussi les constats venus de scanners de code, de programmes de bug bounty ou de rapports de divulgation, vérifie qu’un correctif bloque bien l’exploit et rejoue l’évaluation quand l’application change. Le périmètre est tenu par des environnements isolés et une revue Guardian, avec un contrôle des applications et points d’accès que les agents peuvent atteindre. Le produit ne doit pas être confondu avec Daybreak Red, le niveau d’accès existant aux modèles cyber spécialisés pour la recherche autorisée.

Daybreak Defense Factory veut transformer un arriéré de failles en correctifs. Il s’installe comme plugin en préversion dans ChatGPT, sur le web ou dans l’application de bureau, pour les espaces qui ont accès à Daybreak. Les analyses cloud tournent dans Codex cloud et demandent une connexion GitHub personnelle, selon trois modes : analyse d’un dépôt, surveillance continue des nouveaux commits ou analyse planifiée. L’outil relit aussi les pull requests et importe les constats de Snyk Open Source, Endor Labs et Wiz, jusqu’à 10 000 occurrences par sélection. Rien n’est appliqué automatiquement : chaque correctif proposé est à relire, « Fix with Codex » permet de l’affiner et « Create PR » ouvre une pull request en brouillon. Les dépôts GitLab n’ont pas d’analyse cloud.

Les analyses de dépôt et la surveillance continue sont facturées à l’usage de tokens, aux tarifs de l’offre et hors allocation incluse, avec des crédits d’analyse gratuits qui n’expirent pas. Les pages ne nomment aucun modèle et ne donnent ni chiffre de performance ni tarif chiffré. Defense Factory prolonge Codex Security Cloud, présenté le 29 septembre, et la démarche The Defense Factory décrite en septembre.

🔗 Cyber at the Frontier (OpenAI) · Date et heure du keynote (page Cybersécurité d’OpenAI) · Daybreak Red Team · Daybreak Defense Factory · Documentation (Codex Security) · FAQ de Codex Security

OpenAI sécurise ses centaines d’agents OpenClaw persistants avec le bac à sable de Codex

12 novembre — Le blog OpenAI Developers explique comment OpenAI encadre les agents persistants qu’il fait tourner en interne, dont des centaines d’agents OpenClaw, et plus de 500 agents qui travaillent de façon proactive en arrière-plan. Contrairement à une session Codex, un agent persistant tourne en continu et peut agir sans attendre l’utilisateur.

La première règle est de séparer le code de confiance (réseau, identité, bac à sable) de l’exécution du modèle : OpenAI a ajouté au projet open source l’exécution distante du harnais, qui place la passerelle OpenClaw dans un autre cluster. Les agents tournent dans le bac à sable de Codex : réseau limité à une liste d’autorisation, écriture limitée à leur dossier de travail, secrets confiés à un courtier d’identifiants. L’Auto-review fait valider chaque action par un second agent, chaque agent a sa propre identité rattachée à un ChatGPT Service Account, et tout est journalisé. OpenClaw Enterprise, plan de contrôle d’agents open source, est en pilote, avec une 1.0 visée d’ici la fin de l’année.

🔗 Securing persistent agents like OpenClaw at OpenAI

Lunettes intelligentes avec Gemini : Google ouvre les précommandes, dès 395 dollars chez Warby Parker et 449 dollars chez Gentle Monster

12 novembre — Google ouvre les précommandes de ses lunettes intelligentes (Intelligent Eyewear) avec Gemini, conçues avec Samsung et deux marques de lunettes, Gentle Monster et Warby Parker ; le rôle de Samsung n’est pas détaillé. Les précommandes passent en ligne et en boutique chez les deux marques, avec des démonstrations dans une sélection de boutiques Gentle Monster, Warby Parker et Google Store. La vente commence le 10 décembre.

Gamme de lunettes	Modèles proposés	Prix de départ	Pays indiqués
Gentle Monster	6 modèles colorés, correction possible sur la plupart	449 dollars	États-Unis et Corée du Sud
Warby Parker	Alden, Reid et Wren, en version optique ou solaire	395 dollars	Comptes Google des États-Unis et de Corée du Sud uniquement

Les montures ressemblent à des lunettes classiques. Un « Hey Gemini » ou un toucher de la branche suffit pour interroger Gemini sur ce que l’on regarde, par exemple l’histoire d’une fresque croisée dans la rue. Google Maps guide à l’oreille, et Google Translate traduit la parole en temps réel dans plus de 70 langues. Pour les personnes aveugles ou malvoyantes, Guided Vision décrit l’environnement, et Aira Explorer met en relation avec un interprète visuel humain.

Les lunettes pèsent environ 41 g et tiennent jusqu’à 9 heures selon l’usage ; leur étui assure jusqu’à 7 recharges, et une recharge à 60 % prend environ 30 minutes. Elles embarquent une caméra ultra grand-angle de 12 Mpx (vidéo jusqu’en 3K), des haut-parleurs ouverts et une protection IPX4. Elles se relient en Bluetooth à un Pixel 7 ou plus récent sous Android 17, à un iPhone 13 Pro ou plus récent (6 Go de mémoire vive au minimum) sous iOS 26.6 ou ultérieur, ou à un Galaxy S ou Z récent.

Google insiste sur la confidentialité. Les images que voit Gemini ne sont ni conservées dans l’historique ni utilisées pour l’entraînement ou la publicité, et les visages des passants sont masqués avant traitement. Un voyant extérieur signale les photos et vidéos et bloque la capture s’il est masqué, et un interrupteur physique coupe tout. Les applications de Google Play n’ont pas le droit d’utiliser la caméra des lunettes pour le streaming social en direct ni pour l’identification faciale en temps réel.

🔗 Précommandes des lunettes intelligentes (blog.google) · Protections de la vie privée (blog.google) · Fiche technique et compatibilité (glasses.google)

Introduction en bourse d’Anthropic : prix final attendu le 18 novembre et premières cotations le 19, selon le site officiel

12 novembre — Anthropic met en avant, dans un tweet, le site de son introduction en bourse, ipo.anthropic.com, dont la date de mise en ligne n’est pas indiquée. Sa FAQ donne le calendrier : sous réserve de l’accord des autorités, prix final attendu le 18 novembre et premières cotations le 19 (heure de l’Est américain), sur le Nasdaq sous le symbole « ANT ». Selon le billet du 10 novembre qui ouvrait le roadshow, l’offre porte sur 825 millions d’actions, entre 70 et 78 dollars.

Chiffre publié sur le site (« Q3’26 »)	Valeur affichée
Chiffre d’affaires	17,0 milliards de dollars, plus de 12 fois celui d’il y a un an
Marge opérationnelle	-3 %, et 15 % en marge ajustée (mesure non GAAP)
Perte nette	23,3 milliards de dollars, dont 21,9 milliards sans effet de trésorerie
Efficacité du calcul	Multipliée par plus de 4 depuis le premier trimestre 2025

Selon le site, la charge sans effet de trésorerie est liée à la hausse de la valorisation. Sa version européenne décrit une offre aux particuliers de neuf pays de l’Espace économique européen, dont la France ; d’après la FAQ, le prix maximal de 120 dollars par action inscrit au prospectus européen n’est pas le prix attendu, et le prix final sera celui de l’offre américaine.

🔗 Site de l’introduction en bourse, variante européenne · Tweet de @AnthropicAI · Lancement du roadshow (Anthropic)

Claude Meetings en bêta : Claude rejoint les appels Google Meet des forfaits Team et Enterprise

12 novembre — Anthropic lance Claude Meetings en bêta, en déploiement sur les forfaits Team et Enterprise. Claude rejoint l’appel comme participant visible : on l’interroge à voix haute ou dans le chat, et il répond par écrit par défaut. Pendant la réunion, il construit des documents et des tableaux blancs que les autres invités de l’organisation modifient en même temps, et prend notes et actions ; tout est ensuite regroupé sur une page de la réunion dans claude.ai.

Seul Google Meet est pris en charge pour l’instant. L’invitation est active par défaut sur Team et activée par un administrateur sur Enterprise ; les organisations en zéro rétention des données (ZDR), HIPAA-ready ou à clés gérées par le client (CMEK) en sont exclues pendant la bêta. Claude garde la transcription, un résumé et des descriptions d’écran, pas l’audio, et évite par défaut les appels avec un invité extérieur. Notes, transcriptions et réponses sont gratuites pendant la bêta, sauf les réponses qui passent par un outil connecté ; les artefacts créés en réunion le restent jusqu’au 10 février 2027.

🔗 Introducing Claude Meetings

Claude Managed Agents auto-hébergé en bêta privée : harnais, bacs à sable et historique des sessions chez le client

12 novembre — Claude Managed Agents, la suite d’API d’Anthropic pour construire et déployer des agents autonomes, peut désormais tourner entièrement chez le client, en bêta privée. Jusqu’ici, seuls les bacs à sable pouvaient être auto-hébergés, en bêta publique depuis le 19 mai. Le harnais d’agent, les bacs à sable, les identifiants et l’historique des sessions vivent maintenant dans le cloud de l’entreprise ou sur ses serveurs, qu’elle exploite elle-même.

Les requêtes au modèle partent où le client le décide : chez Anthropic, chez Amazon Bedrock, Google’s Agent Platform ou Microsoft Foundry, ou vers sa propre passerelle, avec les mêmes API que le service hébergé ; la zéro rétention des données (ZDR) s’applique si elle est en place. Les identifiants restent hors du bac à sable, l’accès réseau se limite à une liste d’hôtes autorisés et chaque session laisse un journal exportable en OpenTelemetry. La bêta est réservée aux organisations éligibles, via leur interlocuteur commercial chez Anthropic.

🔗 Operate Claude Managed Agents inside your security perimeter

Modèles ouverts spécialisés : transcription chez Salesforce, voix chez Zyphra et décision chez Perplexity

Trois modèles à poids ouverts, tous sous licence Apache, visent chacun une tâche précise. Leurs chiffres viennent de leurs éditeurs.

SOV-Transcribe-1 : Salesforce publie un modèle de transcription premier des modèles ouverts sur Artificial Analysis

12 novembre — Une équipe de Salesforce publie sur Hugging Face SOV-Transcribe-1, son premier modèle de reconnaissance vocale à poids ouverts, sous licence Apache 2.0. C’est un modèle de langage augmenté à la parole, pour la transcription hors flux continu, avec 4 milliards de paramètres actifs pour 26 milliards au total selon le billet (27 milliards selon la fiche du Hub). Selon l’équipe, il est premier des modèles ouverts sur Artificial Analysis (7e toutes catégories). Il accepte aussi des consignes, comme des mots-clés pour mieux transcrire les noms rares. Le rapport technique n’est pas encore publié.

Banc d’évaluation (mesures de l’équipe)	SOV-Transcribe-1	Points de comparaison cités
AA-WER, taux d’erreur (plus bas = mieux)	2,28 %	Nemotron 3.5 Transcribe 2,81 %, Voxtral Small 2,77 %
HALAS, appels réels (plus bas = mieux)	25,69 %	Qwen3-ASR 1.7B 26,01 %, Voxtral Small 27,35 %
VoiceCodeBench, enregistrements sans erreur	76,3 %	2e sur 23 systèmes

🔗 SOV-Transcribe-1 (Hugging Face)

ZONOS3-Mini : Zyphra clone les voix en temps réel dans 43 langues avec 100M de paramètres actifs

12 novembre — Zyphra publie ZONOS3-Mini, un modèle de synthèse vocale sous licence Apache 2.0 qui clone une voix sans affinage préalable (zero-shot) dans 43 langues. Il n’active que 100 millions de paramètres sur 800 millions, là où ZONOS2 reposait sur un modèle de 8 milliards, grâce à un nouveau codec audio à 15 Hz et à une architecture hybride Gated DeltaNet et attention avec mélange d’experts. L’entraînement a pris 2,5 jours sur 112 GPU H100. Poids, versions quantifiées et moteurs d’exécution (navigateur en WebGPU, MLX, C++, SGLang-Omni) sont publiés, le code sous licence MIT. Zyphra le classe premier des modèles ouverts sur son propre indice, devant Fish S2 Pro et MOSS TTS v1.5.

Appareil de test (mesures de Zyphra)	Délai avant le premier son
Pixel 9, dans le navigateur	Moins de 570 ms
MacBook Air M3	Moins de 150 ms
GPU H100 (médiane)	80 ms

🔗 ZONOS3-Mini (Hugging Face)

Decider v1.3 : Perplexity ajoute l’extraction de passages à ses modèles de décision ouverts

12 novembre — Perplexity publie Decider v1.3 (27B, sur une base Qwen3.8-27B) et Decider Flash v1.3 (4B, distillé du premier), ses modèles de décision à poids ouverts. Ces classifieurs généralistes renvoient en une seule passe des probabilités pour des questions à réponses fermées, sans générer de texte. Les poids sont sous licence Apache sur Hugging Face, gratuits sur OpenRouter jusqu’au 19 novembre, et la Decisions API garde ses prix : 0,02 et 0,01 dollar par million de tokens en entrée, sortie gratuite. La nouveauté, locate, extrait d’un texte les passages qui répondent à une description, avec leurs positions ; réservée à la v1.3, elle ne lit que le texte et exclut web_grounding.

Évaluation de Perplexity	Decider v1.3	Point de comparaison
Classification de requêtes (63 tâches)	91,6 %	+6,54 points sur les classifieurs de production
Reclassement (72 tâches, nDCG@10)	83,99	+2,24 sur Jev 1.14
Extraction locate (17 tâches hors domaine)	69,0	Liquid d1 : 43,3
Accord avec des juges LLM (1 million de requêtes)	93,98 %	Decider v1.2 : 93,68 %

🔗 Perplexity Decider v1.3 · Gratuité sur OpenRouter (@perplexitydevs)

Runway passe à la 3D : génération de modèles par Tripo H3.1, puis un angle choisi sert de référence pour l’image ou la vidéo

12 novembre — Runway prend désormais en charge la 3D. Le modèle Tripo H3.1 génère des modèles 3D détaillés à partir d’un texte ou d’une image, et l’utilisateur peut aussi importer le sien. On choisit ensuite n’importe quel angle du modèle pour s’en servir comme référence de la prochaine image ou vidéo, et le modèle s’exporte vers d’autres outils 3D. Runway approchait déjà la 3D par des apps : 3D Camera Control dans App Studio (26 octobre), puis Sightline (9 novembre), qui exporte son panorama 360 en 3D. Cette fois, la génération de modèles 3D entre dans l’application elle-même, confiée à un modèle tiers. L’annonce, faite par un tweet sans billet ni entrée de changelog, ne précise ni le coût en crédits, ni les forfaits concernés, ni les formats d’export.

🔗 Annonce de @runwayml

Agents de code : Amp, Delta et Replit Agent

Amp remplace son cadran Dial par un sélecteur de modèle et d’effort

12 novembre — Amp abandonne le Dial, le cadran à quatre modes (low, medium, high, ultra) lancé en juillet. Un sélecteur classique le remplace : on choisit le modèle et son effort pour chaque fil, et on peut changer les deux en cours de route. La raison tient à la facturation : depuis qu’Amp accepte les abonnements et clés d’API de l’utilisateur, le modèle choisi décide aussi de qui paie, et le sélecteur affiche la connexion facturée pour chaque modèle. Changer de modèle en cours de fil a un coût : le cache de prompt appartient à un modèle, donc le premier message suivant coûte plus cher. L’option Staff Pick reprend le modèle préféré de l’équipe, Claude Opus 5.5 aujourd’hui, et sert de défaut aux nouveaux fils. Les réglages du Dial ne sont pas repris.

Ancien mode du Dial	Modèle associé par défaut
low	GLM-5.3-Flash
medium	Claude Opus 5.5
high	GPT-6 Astra
ultra	Claude Fable 5.2

🔗 Bye Bye, Dial (Amp)

Delta accueille Claude Agent via ACP v2, avec l’abonnement Claude de l’utilisateur

12 novembre — Delta, l’environnement multijoueur de l’équipe de Zed, accueille son premier agent externe : Claude Agent, branché via l’Agent Client Protocol (ACP). On s’y connecte avec son abonnement Claude, dont l’usage inclus est alors consommé, ou avec un compte Anthropic Console, facturé comme de l’API. Delta a écrit pour le Claude Agent SDK un adaptateur ACP open source, qui charge skills, commandes et mémoire comme Claude Code et récupère les serveurs MCP déjà configurés. Claude Agent tourne en local pour l’instant, pas encore sur les Cloud Runners lancés la veille. L’équipe dit le livrer plus tôt que d’habitude, car c’était la fonction la plus demandée, et le juge encore jeune. L’intégration repose sur ACP v2, qui prend en charge le travail en arrière-plan : la v2 est en brouillon, attendue en Preview dans les prochaines semaines puis en Stable peu après. Codex est le prochain agent visé.

🔗 Claude Agent dans Delta (billet de Delta)

Replit Agent achète pour l’entreprise avec Link et Visa, et lance des campagnes Google Ads

12 novembre — Replit confie deux nouvelles tâches à son Agent. Avec le commerce agentique (Agentic Commerce), l’Agent cherche des fournitures selon ce qu’il sait de l’activité, puis un sous-agent navigateur, fourni par Browserbase, remplit le panier sur le site du marchand. Tout s’arrête au paiement : le propriétaire approuve le total final dans Link, le portefeuille de Stripe, avec Visa pour les paiements initiés par des agents. La session de navigateur est isolée, l’accès shell coupé pendant le paiement, et les contrôles d’approbation sont imposés dans le code. La fonction est ouverte aux offres Core et Pro, d’abord aux États-Unis ; le billet parle d’achats ponctuels, la documentation aussi d’abonnements à prix fixe.

Avec les publicités agentiques (Agentic Ads), l’Agent crée ou connecte un compte Google Ads, rédige les annonces, génère les images et ajoute le suivi des conversions à l’application. Les campagnes sont de type Performance Max, avec un budget quotidien moyen d’au moins 15 dollars, pour les abonnés Pro du monde entier, sur un Workspace personnel.

🔗 Replit Agent, achats et publicités (billet de Replit) · Documentation Agentic Commerce · Documentation Agentic Ads

Brèves

Agents de code et CLI

Codex CLI 0.167.2 — Publiée le 11 novembre au soir, elle rend l’envoi incrémental des mises à jour d’outils actif par défaut sur Google Cloud Vertex AI, après Amazon Bedrock dans la 0.167.1. Le 12, openai-python 3.50.0 et openai-node 7.56.0 ajoutent input_transformations, qui signale les éléments de raisonnement retirés de l’entrée et pourquoi. 🔗 source
Codex sur iOS — La version 1.2026.307 de ChatGPT pour iOS, du 10 novembre, permet de coller images et fichiers dans le compositeur plein écran de Codex, de dicter ses annotations et de changer de lecteur sur les hôtes Windows ; l’appairage manuel fonctionne désormais avec VoiceOver. 🔗 source
Copilot CLI 1.0.110-2 et 1.0.110-3 — Deux préversions, avec 95 puis 8 correctifs : /compact respecte la limite de crédits IA de la session, la CLI avertit quand --yolo ou --allow-all sont ignorés, et copilot -p signale les serveurs MCP non démarrés. Le SDK 1.0.32-preview.2 ouvre le BYOK à l’API Interactions native de Gemini ; la dernière stable reste la 1.0.109. 🔗 source
Antigravity CLI 1.5.7 et 1.5.6 — La 1.5.7 démarre en mode Auto toute session sans mode enregistré, y compris en headless (-p), un réglage d’autorisations strict gardant la priorité. La 1.5.6, du 11 novembre, anime /swarm board (une reine et une abeille par agent actif) et ajoute continuation_active aux hooks Stop pour éviter les boucles. 🔗 source
Gemini CLI — Toujours aucune nouvelle version depuis la v0.68.0, et la version nocturne a encore échoué. Deux correctifs sont fusionnés sur la branche principale : gemini models list affiche la vraie limite de sortie (65 536 tokens au lieu de 8 192 codés en dur), et les longs flux silencieux ne sont plus coupés à 300 secondes quand un délai plus long est configuré. 🔗 source
Kimi Code 2.6.0 — Le mode plein écran replie les appels d’outils consécutifs et la réflexion du modèle en lignes de résumé, réglables dans /settings, et l’agent peut modifier plusieurs fois un fichier sans le relire. L’API du serveur local change sans être signalée comme incompatible : les points d’accès de transcription disparaissent au profit d’un flux WebSocket. 🔗 source
Qwen Code v1.0.0-preview.1 — Préversion surtout corrective : les abonnés Qwen retrouvent l’accès aux modèles de leur abonnement après connexion, et les modèles Qoder exécutent désormais leurs appels d’outils en parallèle. 🔗 source
CLI mistral 0.18.1 — Un seul correctif : sous macOS 27, l’outil ne s’arrête plus dès son lancement sans message (code 137), grâce à des binaires macOS correctement signés. 🔗 source
DeepSeek Harness 0.2.2-rc.2 — Publiée le 11 novembre, cette 38e préversion de l’agent de code de DeepSeek, toujours sans version stable, permet de relire les changements d’un worktree par branche, commit ou type de fichier avec les revues GitHub, et ajoute des sous-agents nommés sur plusieurs niveaux. 🔗 source
Gemini 4 Carbon dans Warp — Warp ouvre Carbon dans Warp Factories, dans son terminal et dans son outil de benchmark des usines logicielles, pour le comparer aux tâches d’agent déjà exécutées ; ni tarif ni score. 🔗 source
Astryx dans v0 — v0 ajoute Astryx, présenté comme le design system de Meta : une fois choisi pour un projet, v0 génère l’interface avec ses composants, motifs et modèles ; ni offre ni tarif précisés. 🔗 source

Applications et API

Grok Bot sur Mac — L’application de bureau de SpaceXSI peut désormais utiliser Messages, Mail, Notes, Rappels, Calendrier, Localisation et Contacts, chaque application étant autorisée séparément ; ni formule, ni version, ni pays précisés. 🔗 source
Kimi Work 3.2.27 — L’application de bureau de Moonshot AI arrive sur les Mac Intel, exécute les tâches longues en arrière-plan et partage ses plugins entre les modes Work et Chat ; un correctif empêche d’enregistrer un projet dans le dossier d’installation, où une mise à jour pouvait effacer les fichiers. 🔗 source
Claude for Manufacturing — Anthropic lance pour les forfaits Team et Enterprise un plugin de 17 skills (ventes, qualité, opérations, achats, conception) et quatre connecteurs (Autodesk Fusion, Infor, Microsoft 365, Oracle NetSuite), chaque processus s’arrêtant à une relecture humaine ; il ne pilote pas les machines. 🔗 source
Opus 5.5 au quotidien — Un guide d’Anthropic recommande Opus 5.5 pour le travail intellectuel, tests internes à l’appui (16 rapports sur 18 sans chiffre ni citation inventés, une analyse de fusion en 63 minutes contre 93 pour Opus 5), et conseille de monter l’effort avant de changer de modèle. 🔗 source
Adresse e-mail dans ChatGPT Enterprise — Les administrateurs globaux d’Enterprise, Edu et Healthcare peuvent changer l’adresse des utilisateurs non gérés par SCIM, sur un domaine vérifié du même tenant, dans la limite de 2 changements par 24 heures et de 20 sur la vie du compte. 🔗 source
Agent API de Perplexity — Depuis le 11 novembre, max_output_tokens peut être omis avec tous les modèles, y compris ceux d’Anthropic : chaque génération peut produire jusqu’à 128 000 tokens de sortie, dans la limite du modèle, avec les versions 2026-11-11.0 des niveaux d’effort. 🔗 source

GitHub

Fin de l’ARM32 dans GitHub Actions — Les runners hébergés Linux et Windows cesseront d’exécuter des jobs ARM32 d’ici le 8 décembre 2026, Node 24 ne gérant pas cette architecture ; les runners auto-hébergés ARM32 avaient perdu leur prise en charge le 23 septembre. 🔗 source
Secret scanning et Cloudflare — Les jetons de service Cloudflare Access (cloudflare_access_service_token) sont désormais détectés automatiquement dans les dépôts ; le changelog ne dit pas si Cloudflare rejoint le programme de partenaires. 🔗 source
Liens directs vers les alertes du public monitoring — Chaque alerte de la surveillance des secrets d’entreprise exposés sur github.com a désormais sa propre URL, à garder ou à partager avec des collègues qui ont accès ; la fonction reste réservée à GitHub Enterprise Cloud avec Secret Protection ou Advanced Security, sans surcoût. 🔗 source

Entreprises et usages

J.Crew Style Advisor — Le styliste IA de JCrew.com propose des tenues complètes tirées des séances photo de la marque, aux États-Unis ; conçu avec Claude Fable 5.1 et prototypé avec Opus 5.5 dans Claude Code, il tourne en production sur Sonnet 5.5 et Haiku 5.5. 🔗 source
Amplitude — Son agent produit Wave tourne à environ 80 % sur des modèles d’OpenAI ; selon les évaluations d’Amplitude, GPT-6.1 Sol obtient 67,5 contre 69,3 pour un autre modèle sur l’agent de data science, pour 1,28 contre 2,63 dollars par exécution. 🔗 source
Holiday Extras — Le voyagiste a reconstruit son application avec Codex en deux semaines, contre plus de six mois auparavant ; la conversion progresse de 32,5 % et le taux d’erreur passe de 19 % à 9 %, sur des périodes de comparaison différentes. 🔗 source
Gilbert + Tobin — Le cabinet d’avocats australien annonce 87 % d’usage actif de ChatGPT et a préparé l’évaluation annuelle de ses 120 associés avec ChatGPT Work pour environ 62 dollars d’usage. 🔗 source
Lara Avci et Codex — OpenAI Developers présente cette membre du programme Codex Ambassador, qui soutient des fondateurs européens ; ses sites et jeux faits avec Codex ont attiré plus de 30 000 visiteurs en moins de quatre jours. 🔗 source

Images, vidéo et 3D

Character Swap & Insert chez Luma — Mis en ligne le 11 novembre au soir, l’outil remplace ou insère un personnage, un véhicule ou un animal en gardant le même plan ; ni tarif ni modèle sous-jacent précisés. 🔗 source
Gemini Omni 1.2 Flash dans HeyGen — Texte et image vers vidéo, clips de 15 secondes au plus avec audio généré en même temps et retouche en plusieurs tours ; ni tarif ni coût en crédits. 🔗 source
HeyGen et Grok Bot — HeyGen propose d’entraîner Grok Bot sur le ton de la marque dans Slack et de lui donner un identifiant d’avatar HeyGen, pour produire en équipe des vidéos de type contenu d’utilisateur ; sans détail sur l’intégration ni tarif. 🔗 source
Modération chez Runway — Runway explique avoir remplacé les classifieurs tiers à catégories fixes par ses propres règles, appliquées par des LLM et mises à jour en quelques heures : combats et horreur passent, les abus sont mieux bloqués. 🔗 source
TRELLIS.2 affiné par LoRA — Hugging Face publie un guide d’affinage de ce modèle de génération 3D sur 188 chaussures ; sur neuf objets de test, le F-score passe de 0,276 à 0,803. 🔗 source

Modèles ouverts et recherche

ForeSpark — Meta publie sans annonce le code de cette méthode d’ordonnancement du décodage spéculatif parallèle ; selon le README, elle atteint jusqu’à 1,77 fois le débit de DSpark et 2,49 fois celui du décodage autorégressif sur vLLM. 🔗 source
Origami de Wirkung — Cinq modèles ouverts (Qwen3.5-9B et 27B, Gemma 4 31B, MiniMax-H3, Kolibri-1) convertis sans réentraînement en fichiers 4,3 à 7,5 fois plus petits ; le billet ne donne pas de mesure de la qualité conservée. 🔗 source
Construction-Site-Traversability dans FiftyOne — Voxel51 convertit les données d’un robot à chenilles qui boucle sur deux chantiers : 1 h 45 de conduite, 9 760 m de terrain, 62 995 images couleur et autant de balayages lidar. 🔗 source

Écosystème

OpenAI et la sécurité des enfants — Au Forum de Paris sur la Paix, OpenAI a signé une charte pour une IA plus sûre pour les enfants et engagé 2 millions de dollars pour le réseau de recherche de la coalition qui la porte ; les résultats seront publiés, même négatifs. 🔗 source
Cohere — Jaya Baloo, cofondatrice d’AISLE et ancienne CISO de Rapid7, d’Avast et de KPN Telecom, devient la première responsable de la sécurité des systèmes d’information de Cohere ; le billet ne dit pas si le rachat d’AISLE est finalisé. 🔗 source
Synthesia dans l’AI 100 — Synthesia figure dans le premier classement des 100 premières entreprises privées d’IA de Newcomer et Bessemer, et rappelle plus de 65 000 clients et une série E de 200 millions de dollars pour une valorisation de 4 milliards. 🔗 source
Guide de Perplexity sur la fenêtre de contexte — Il explique la mesure en tokens et les limites d’entrée et de sortie, et compare GPT-6 Astra (1,05 million de tokens), Claude Opus 5.5 (1 million) et Gemini 4 Argon (1 048 576), sans nouveauté produit. 🔗 source

Ce que ça signifie

Le modèle rapide rattrape le grand, et les outils de code en mesurent le prix. Gemini 4 Hydrogen dépasse Argon sur l’Intelligence Index d’Artificial Analysis et, chez Devin, reste à 1,8 point de Carbon pour environ 40 % de moins par tâche. Sur la page d’évaluation de Cursor, l’écart est plus net : 54,3 % pour 5,59 dollars par tâche en High, contre 60,4 % pour 9,22 dollars avec Carbon. Antigravity Orchestrator et le sélecteur d’Amp tirent la même conclusion côté produit : on ne garde plus un seul modèle pour toute une session, on en change selon l’étape, avec un coût à chaque bascule chez Amp, où le cache de prompt est perdu.

Les poids ouverts arrivent par étapes et avec des chiffres d’éditeurs. Inkling 2 Small a passé une semaine en poids fermés sur Tinker, le temps de tests de sécurité externes, avant d’être publié sous Apache 2.0 avec tout son écosystème de déploiement. Les trois modèles spécialisés du jour, pour la transcription, la voix et la décision, partagent une licence ouverte et des évaluations menées par leurs auteurs, parfois sur leur propre indice, comme celui de Zyphra. Le rapport technique de SOV-Transcribe-1 n’étant pas encore publié, ces classements restent à recouper.

Les agents prennent des tâches de sécurité, et leurs éditeurs détaillent les garde-fous qui les encadrent. Daybreak Red Team teste des applications dans des environnements isolés sous revue Guardian, et Defense Factory propose des correctifs sans jamais les appliquer seul. OpenAI soumet ses propres agents OpenClaw au bac à sable de Codex, à l’Auto-review et à une identité par agent ; Anthropic applique des principes voisins pour Managed Agents auto-hébergé, avec des identifiants hors du bac à sable, une liste d’hôtes autorisés et un journal complet. Replit, lui, arrête son Agent au moment de payer et impose l’approbation dans le code, pas dans le modèle.

L’assistant entre dans des lieux où d’autres personnes sont présentes, et les deux annonces concernées traitent ce point d’emblée. Claude Meetings garde la transcription sans l’audio et évite par défaut les appels où figure un invité extérieur à l’organisation. Les lunettes de Google masquent les visages des passants avant traitement, signalent la capture par un voyant qui la bloque s’il est couvert, et Google Play y interdit l’identification faciale en temps réel.