Meta lance Muse Wonder, NVIDIA ouvre ses conceptions de baies Vera Rubin, Anthropic mesure la réplication autonome de petits modèles

Meta lance Muse Wonder et Muse Wonder Full, ses modèles les plus performants à ce jour, conçus pour les tâches agentiques : le premier est disponible via la Meta Model API et Muse Code, à 4 dollars par million de tokens en entrée, le second est réservé aux abonnés de Muse Code, et aucun poids ouvert n’est annoncé. À l’OCP Global Summit, NVIDIA verse à l’Open Compute Project ses conceptions de baies Vera Rubin, tandis que la Frontier Red Team d’Anthropic estime que de petits modèles sont à quelques mois de pouvoir se copier seuls sur des objets connectés. Côté code, Artificial Analysis place Claude Opus 5.5 en tête de son classement FrontierCode 1.1, à 52,2 %, et Google consacre sa journée à la santé, du bracelet Fitbit Edge aux enzymes conçues par AlphaProtein Novo.

Meta lance Muse Wonder et Muse Wonder Full, ses modèles de frontière pour les tâches agentiques

12 octobre — Meta présente la série Muse Wonder, composée de Muse Wonder et de Muse Wonder Full, qu’elle décrit comme ses modèles les plus performants à ce jour : deux modèles de frontière (frontier models) conçus pour les tâches agentiques personnelles et professionnelles. Muse Wonder est disponible dès maintenant via la Meta Model API et dans Muse Code ; Muse Wonder Full est réservé aux abonnés de Muse Code. Muse Wonder alimentera « bientôt » l’assistant personnel Muse, d’abord pour les abonnés.

Quatorze mois après une refonte complète de ses travaux en IA, et après Muse Spark 1.3, sorti le 2 septembre, Meta parle de « l’étape suivante » de sa montée en puissance par paliers (scaling ladder). Les deux modèles ont été entraînés dans Prometheus, son centre de données de l’ordre du gigawatt, à partir de modèles de base « plus grands et plus forts » dont la taille n’est pas publiée. Deux capacités sont mises en avant : la mémoire active (Active Memory), qui conserve le contexte important d’une conversation à l’autre, et la concentration active (Active Focus), qui pousse le modèle à changer d’approche face à un blocage, à demander des précisions et à vérifier avant une action importante.

Les résultats ne figurent que dans une image du billet : un tableau mesuré par Meta, en réglage max pour tous les modèles. Un modèle Muse Wonder y arrive en tête sur 7 des 14 lignes, à commencer par le Personal Superintelligence Index, un indice interne de Meta. Claude Opus 5.5 reste toutefois devant sur 6 lignes, dont l’Artificial Analysis Index, et GPT-6 Astra sur GDP.pdf.

Benchmark (extrait, mesures de Meta en réglage max)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (indice interne de Meta)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

Version du modèle	Accès proposé	Tarif annoncé
muse-wonder-1.0	Meta Model API et Muse Code, contexte de 1M de tokens	4 dollars en entrée, 0,20 dollar en entrée mise en cache, 20 dollars en sortie, par million de tokens
muse-wonder-full-1.0	Abonnés Muse Code uniquement, contexte de 1M de tokens	Abonnements Power Usage (50 dollars par mois) et Maximum Usage (200 dollars par mois)

Côté sécurité, Meta revendique ses garde-fous les plus solides à ce jour contre les usages abusifs chimiques, biologiques, radiologiques et nucléaires (CBRN) et cyber, tout en préservant l’accès aux capacités cyber de pointe pour un usage défensif. Elle présente Muse Wonder comme son modèle le plus aligné à ce jour et promet « bientôt » un rapport complet avec des évaluations de sécurité supplémentaires.

🔗 Billet de recherche de Meta · Page du modèle et tarifs

OCP Global Summit : NVIDIA verse ses conceptions de baies Vera Rubin, Meta adopte Spectrum-6

12 octobre — À l’ouverture de l’OCP Global Summit, à San Jose, NVIDIA verse à l’Open Compute Project (OCP) des conceptions clés de baie (rack) et de plateau de calcul (compute tray) Vera Rubin, par l’intermédiaire de son architecture ouverte MGX. Objectif affiché : donner aux constructeurs une base commune pour les usines IA de prochaine génération. La spécification MGX 1.2 ajoute le refroidissement liquide à connexion aveugle (blind-mate) à l’échelle de la baie, une barre omnibus (busbar) refroidie par liquide de 5 000 A, des plateaux de calcul sans ventilateur et des baies jusqu’à 250 kW. NVIDIA publie aussi une spécification de baie CPU Vera, pensée pour le travail des agents (appels d’outils, orchestration, exécution en bac à sable), à côté de Vera Rubin NVL72, qui reste la base de l’entraînement et de l’inférence.

Côté logiciel, DSX OS, la couche d’exploitation de sa plateforme d’usine IA, reçoit quatre composants open source issus de l’exploitation de DGX Cloud, dont Cluster Readiness Engine, qui éprouve les grappes GPU sous charge avant l’entraînement, et un Cluster API Provider qui rend des grappes prêtes « en heures au lieu de jours », selon NVIDIA.

Ian Buck, vice-président hyperscale et HPC de NVIDIA, a présenté avec ces contributions une série d’annonces de partenaires. La plus concrète vient de Meta, qui adopte les commutateurs Ethernet Spectrum-6 : son commutateur N-IceCube prend place dans IcePack, sa baie réseau refroidie par liquide, sous FBOSS, son système d’exploitation réseau open source.

Annonce présentée au sommet	Partenaires cités	Point clé annoncé
MGX 1.2 et baie CPU Vera	Communauté OCP	Barre omnibus de 5 000 A, baies jusqu’à 250 kW
Composants open source de DSX OS	Projets NVIDIA	Quatre outils issus de DGX Cloud
Open Data Center Specification v0.7	AMD, Google, Meta	Conception commune des bâtiments d’usines IA
OCP Grid Resilience Specification	Google, Meta, Microsoft	Retour à quasi pleine charge en moins de 2 s après une perturbation du réseau
Plateforme K-1 en 800 VDC	Visionbay, Vertiv	Conçue pour de futurs déploiements Vera Rubin
Spectrum-6 chez Meta	Meta	102,4 Tb/s, jusqu’à 8 plans réseau, plus de 100 000 GPU
Protocole Falcon Transport	Google	Futures SuperNIC ConnectX-10 et DPU BlueField
Format optique USFP	Cisco, TE Connectivity, Amphenol	400 Gb/s par voie (détail ci-dessous)

Aucune de ces annonces n’est assortie d’un prix ou d’une date de disponibilité. Jensen Huang tiendra la keynote de GTC Berlin le mercredi 21 octobre.

🔗 Billet NVIDIA sur l’OCP Global Summit

USFP : NVIDIA et Cisco préparent une optique enfichable à 400 Gb/s par voie

12 octobre — Parmi ces annonces, NVIDIA et Cisco présentent leur projet de format USFP (Ultra-Dense Small Form Factor Pluggable), un module optique enfichable que NVIDIA décrit comme le premier conçu pour des signaux électriques de 400 Gb/s par voie. Les premiers émetteurs-récepteurs (transceivers) prévus réuniront 16 voies bidirectionnelles (full-duplex) dans un encombrement proche de celui de l’OSFP, pour les commutateurs comme pour les SuperNIC, soit jusqu’à 12,8 Tb/s, avec une extension possible à 32 voies et plus. Face aux modules actuels à 200 Gb/s par voie, NVIDIA annonce quatre fois la densité de bande passante en façade et environ 1,3 fois l’efficacité énergétique, et le module peut dissiper jusqu’à 100 W sans refroidissement dédié intégré. L’enjeu : raccorder davantage de points d’extrémité à 1,6 Tb/s sans ajouter d’étage réseau. TE Connectivity et Amphenol préparent cages, connecteurs et modules, mais il ne s’agit encore que d’un projet : le communiqué ne donne ni date ni prix.

🔗 Communiqué de NVIDIA et Cisco

La Frontier Red Team d’Anthropic mesure l’auto-réplication de petits modèles sur des objets connectés

12 octobre — Dans une étude signée William Zhou et Daniel Freeman, la Frontier Red Team d’Anthropic estime que de petits modèles pourraient être à quelques mois de pouvoir se copier seuls sur des objets connectés peu protégés. L’équipe a ainsi réparti Gemma4-26B-A4B sur 15 boîtiers Android TV sans marque, achetés environ 55 dollars pièce : le modèle y tourne à 0,39 token par seconde.

Un modèle de 9B parvient à lancer l’inférence sur 8 des 9 types de matériel testés. Dans un réseau isolé de 8 machines Android émulées, seul GLM-5.2 réussit la réplication de bout en bout (8 nœuds sur 8 dans 4 essais sur 5) ; l’intrusion étant volontairement triviale, Anthropic y voit une borne haute. Au rythme de progrès des modèles ouverts de 30B ou moins, un petit modèle atteindrait ce niveau d’ici fin 2026, une estimation que l’équipe juge elle-même grossière.

Un tel ver serait lent, au plus l’équivalent d’environ 40 H100 sur un parc de plus de 2 millions d’appareils, mais il s’adapterait : en héritant des notes de la génération précédente, Qwen3.5-9B passe de 45 % à 61-84 % de réussite en six générations. Aucun réplicateur incontrôlé complet n’existe encore ; côté défense, l’étude rappelle que face au réseau de machines zombies (botnet) Mirai, la mise en quarantaine, par leur fournisseur d’accès, des abonnés infectés avait nettoyé 92 % des infections en 14 jours.

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇫🇷 Comme pour les agents de code en 2024, nous voyons des signes de vie chez les vers IA. — Frontier Red Team d’Anthropic, billet de recherche

Agents de code : FrontierCode 1.1 classé par Artificial Analysis, Amp à l’écoute de GitHub, ColGrep-Agent-2B de LightOn

Un classement indépendant mesure ce que les agents de code produisent vraiment, tandis qu’Amp et LightOn travaillent sur ce qui se passe autour : le suivi des pull requests et la recherche dans le code.

FrontierCode 1.1 : Artificial Analysis place Claude Opus 5.5 en tête, à 52,2 %

12 octobre — Artificial Analysis publie son propre classement de FrontierCode 1.1, le benchmark que Cognition a construit avec des mainteneurs open source : il vérifie qu’un mainteneur fusionnerait le changement proposé par l’agent, pas seulement qu’il passe les tests, et sanctionne les changements excessifs ou hors périmètre. Artificial Analysis fait tourner l’ensemble principal (Main), 100 tâches privées sur 150, avec son harnais open source Stirrup et trois essais par tâche ; un essai qui échoue à un contrôle bloquant vaut zéro.

Leading models still fail more than 40% of the time

🇫🇷 Les meilleurs modèles échouent encore plus de 40 % du temps. — @ArtificialAnlys sur X

Claude Opus 5.5 ne franchit les contrôles bloquants que dans 58 % de ses essais, et 9 tâches sur 100 n’ont été réussies par aucun des 22 modèles évalués. MiMo-V2.6-Pro, de Xiaomi, est le premier modèle à poids ouverts, à 45 %. L’écart de coût est bien plus large que l’écart de score :

Modèle évalué (réglage)	Score FrontierCode 1.1	Coût par tâche
Claude Opus 5.5 (max, avec repli)	52,2 %	10,15 dollars
GPT-6.1 Sol (max)	49,1 %	0,81 dollar
Claude Fable 5.1 (max, avec repli)	49,0 %	12 dollars
MiMo-V2.6-Pro	45,4 %	0,18 dollar
GPT-6 Luna (max)	41,9 %	0,09 dollar

Selon Artificial Analysis, GPT-6.1 Sol égale ainsi Fable 5.1 pour moins d’un dixième du coût par tâche des meilleurs modèles Anthropic. Ces scores ne se comparent pas à ceux que Cognition publie pour Devin, souvent mesurés sur la variante Extended avec son propre harnais.

🔗 Classement FrontierCode d’Artificial Analysis

Amp suit les pull requests qu’il ouvre et lance une orb par ticket ou PR GitHub

12 octobre — Amp ne lâche plus les pull requests qu’il ouvre : quand l’agent crée une PR sur GitHub, il peut s’abonner à ses commentaires, à ses revues et aux résultats de CI de son dernier commit. Un contrôle en échec ou la question d’un relecteur arrive alors dans le même fil, où Amp a déjà le contexte pour y répondre.

La fonction repose sur une intégration des GitHub Webhooks dite « de première classe » (first-class) : Amp reçoit et traite lui-même les événements, puis l’utilisateur, ou l’agent, choisit de les envoyer à une seule orb, l’environnement distant où tourne un agent Amp, ou à une nouvelle orb à chaque fois. On peut ainsi demander une orb pour chaque nouveau ticket (issue) ou PR d’un dépôt, éventuellement limitée à une étiquette (label) : chaque orb lit le ticket, en prépare un résumé, et les commentaires suivants reviennent dans le même fil. Depuis le 23 juillet, les orbs savaient déjà réagir à des webhooks externes ; la nouveauté est une intégration GitHub dédiée, gérée par Amp, avec un écran de gestion dans Settings → MCP & Integrations → GitHub pour modifier ou mettre en pause chaque abonnement. Il suffit d’installer l’application GitHub d’Amp sur le dépôt ; le billet ne mentionne aucun tarif.

🔗 Billet d’Amp

ColGrep-Agent-2B : LightOn confie la recherche de code de Claude Code à un agent local

12 octobre — LightOn publie ColGrep-Agent-2B, un agent de recherche de code de 2 milliards de paramètres sous licence Apache-2.0, qui tourne en local entre l’agent de code et le dépôt. À partir d’une question, il cherche avec ColGrep, le moteur de recherche sémantique multi-vecteurs de LightOn, lit les fichiers prometteurs, suit les références et renvoie chemins, plages de lignes et code : le modèle de frontière n’a plus à enchaîner lui-même les tours d’exploration.

Branché sur Claude Code avec Sonnet 5.5, pour 52 questions de recherche dans 13 dépôts absents de l’entraînement (624 sessions), il réduit de 34 % les tokens d’API et de 40 % le coût d’API, cache compris, par rapport à grep, sans écart d’exactitude statistiquement significatif. LightOn précise que la mesure porte sur la recherche de code, pas sur des tâches de bout en bout. Affiné à partir de MiniCPM5-2B, le modèle s’installe avec brew install lightonai/tap/colgrep && colgrep --install-agent, qui télécharge une version GGUF d’environ 2,5 Go ; il ne demande ni environnement Python, ni serveur d’inférence, ni clé d’API, et répond en une vingtaine de secondes sur un M3 Pro.

🔗 Billet de LightOn sur Hugging Face

Santé chez Google : Health Guardian et le bracelet Fitbit Edge, AlphaProtein Novo conçoit des enzymes inédites

Google consacre sa journée à la santé : des fonctions grand public pour Google Health et Fitbit d’un côté, de l’autre un bilan de sa recherche qui met en avant un travail de Google DeepMind passé inaperçu.

Google Health : Health Guardian, plus de 100 activités détectées et le bracelet Fitbit Edge

12 octobre — Google Health regroupe ses annonces d’automne dans une série de billets. Health Guardian surveille en arrière-plan des évolutions lentes de la santé, comme la tension artérielle et la résistance à l’insuline ; avec l’abonnement Google Health Premium, Health Coach, le coach de l’application, aide à interpréter ces changements et prépare le contexte à partager avec son médecin. La détection automatique des séances, fondée selon Google sur un raisonnement contextuel (contextual reasoning), devient près de 2 fois plus précise.

Nouveauté annoncée	Détail chiffré	Disponibilité annoncée
Health Guardian	Tendances de tension artérielle et de résistance à l’insuline, rapport mensuel	Plus tard ce mois-ci sur Fitbit Air et Fitbit Edge, abonnés Premium
Détection automatique des activités	De 10 à plus de 100 activités, séances manquées réduites de plus de moitié	Plus tard ce mois-ci sur Fitbit Air, Fitbit Edge et Pixel Watch 3 à 5
Bracelet Fitbit Edge	179,99 dollars, 11,5 mm, jusqu’à 7 jours d’autonomie, batterie remplaçable	En précommande, en rayon le 27 octobre
Partenariat avec Flo Health	Données de cycle synchronisées, plus de 80 millions d’utilisatrices par mois chez Flo	Début de l’an prochain

Le Fitbit Edge, présenté comme une fenêtre au poignet sur Health Coach, est le premier bracelet d’activité réparable de Google. Abbott (capteur de glucose Lingo), MyFitnessPal et Function Health complètent les intégrations.

🔗 Les nouveautés de Google Health · Fitbit Edge · Partenariat avec Flo Health

Bilan de la recherche santé de Google : AlphaProtein Novo conçoit des enzymes qui n’existent pas dans la nature

12 octobre — Yossi Matias (Google Research) et Pushmeet Kohli (Google DeepMind) dressent le bilan des travaux de Google en santé : 90 articles évalués par les pairs en cinq ans, plus de 90 000 citations et plus de 60 millions de dollars versés en 2026 par Google.org à des équipes qui appliquent ces modèles. Le billet reprend surtout des résultats déjà connus, mais il met en avant AlphaProtein Novo, une chaîne de traitement (pipeline) d’apprentissage automatique de Google DeepMind qui conçoit des enzymes de zéro (de novo), sans partir d’une enzyme naturelle.

Dans une prépublication mise en ligne sur bioRxiv le 5 octobre, avec le California Institute of Technology et l’université de Pittsburgh, les équipes ont créé des nitrène transférases inédites pour synthétiser la pipéridine, un motif clé de médicaments, avec une sélectivité qu’elles qualifient de sans précédent, ainsi que des enzymes qui dégradent le DEHP, une toxine environnementale, dans des conditions où les enzymes naturelles se dénaturent. Le billet cite aussi deux nouveaux usages : à Barcelone, l’Institut de santé globale a criblé virtuellement 30 000 composés avec AlphaFold contre la maladie de Chagas et repéré deux médicaments déjà approuvés par la FDA qui pourraient être repositionnés ; au Children’s Mercy Hospital, DeepSomatic a détecté 10 mutations manquées dans des leucémies d’enfants déjà séquencées.

🔗 Le bilan de Google sur l’IA en santé · La prépublication AlphaProtein Novo sur bioRxiv

Modèles spécialisés par métier : GLM-Legal de Z.ai pour le droit, Apex 2.0 de Fin pour le service client

Deux éditeurs partent d’un modèle existant et le post-entraînent pour un métier précis, chiffres à l’appui.

GLM-Legal : Z.ai spécialise GLM-5.3-Flash dans le travail juridique

12 octobre — Z.ai présente GLM-Legal, un modèle juridique bâti sur GLM-5.3-Flash et conçu pour des flux de travail réels : revue de contrats, analyse de preuves, conformité. Après un entraînement intermédiaire (mid-training) sur un corpus juridique élargi, il a été post-entraîné par apprentissage par renforcement dans des dizaines de milliers d’environnements juridiques réalistes. Sur Harvey LAB, le banc d’essai d’agents juridiques de Harvey, qui couvre 24 domaines de pratique, GLM-Legal atteint 19,2 % de réussite intégrale (all-pass rate), 12,5 points de plus que son modèle de base.

Modèle évalué sur Harvey LAB	Réussite intégrale (chiffres de Z.ai)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

Seul le score de GLM-Legal figure dans le texte du billet ; les autres viennent du graphique du tweet d’annonce. Sur LegalBench et PLawBench (droit chinois), Z.ai revendique la parité avec les meilleurs modèles fermés, sans publier de score. GLM-Legal est en bêta : cabinets, éditeurs de logiciels juridiques (legal tech), directions juridiques et praticiens indépendants peuvent demander un accès API par formulaire, et le modèle doit arriver « bientôt » dans AutoClaw, sa plateforme d’agents de bureau. Ni prix ni poids ouverts ne sont annoncés.

🔗 Billet de Z.ai sur GLM-Legal · Annonce de Z.ai sur X

Apex 2.0 et Apex Flash 2.0 : Fin bâtit ses modèles de service client sur Nemotron 3

7 octobre — Fin, l’agent IA de service client, a lancé Apex 2.0, la nouvelle version de son modèle de génération de réponses, bâti cette fois sur Nemotron 3 Super ; NVIDIA a salué ce lancement le 12 octobre. Comme pour Apex 1.0, que Fin disait déjà meilleur en production que Claude Sonnet 4.6, l’équipe part d’un modèle de base à poids ouverts qu’elle adapte par son propre post-entraînement : ajustement par instructions et par préférences, modèles de récompense revus, exemples ciblés pour arbitrer entre répondre et demander une précision, chasse aux promesses non fondées. Fin dit aussi avoir réduit son coût de déploiement par quantification, sans perte de qualité mesurable.

Modèle de Fin	Modèle de base NVIDIA	Gains annoncés face à la version 1.0
Apex 2.0	Nemotron 3 Super	+8,6 % de résolutions confirmées par l’utilisateur, -16,5 % d’hallucinations
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	Réponses 24 % plus rapides, -46 % d’hallucinations, 9 langues au lieu de l’anglais seul

Apex 2.0 est en service pour tous les clients de Fin, plus de 12 000 ; le billet ne donne aucun tarif.

🔗 Billet de Fin sur Apex 2.0

Entraîner et servir les modèles : QwenGyre, ReplaySSM et le point d’accès /v1/systemone de Transformers

Trois travaux portent sur l’infrastructure logicielle des modèles : l’entraînement d’agents à très long horizon, le décodage des modèles hybrides et le service des modèles de décision.

QwenGyre : Qwen rend élastique l’apprentissage par renforcement des agents à très long horizon

12 octobre — L’équipe Qwen présente QwenGyre, un cadre d’apprentissage par renforcement en ligne pour des agents dont une seule exécution peut durer des heures, enchaîner des centaines d’interactions avec l’environnement et approcher le million de tokens par trajectoire générée (rollout). Deux problèmes en découlent : des GPU inactifs pendant les longues générations, et des trajectoires redondantes dès que l’exécution se ramifie (compaction du contexte, sous-agents, nouvelles tentatives). L’ordonnanceur élastique (Elastic Scheduler) réattribue les GPU entre la génération des trajectoires et l’entraînement sans interrompre les exécutions : jusqu’à 1,85 fois plus rapide que l’approche Colocate et 1,78 fois plus que l’approche asynchrone (Async). Le processeur de trajectoires (Trajectory Processor) range les historiques ramifiés en arbres à préfixes partagés, dédoublonnés.

Appliqué à Qwen3.8-2.4T-A95B, avec environ 700 000 tokens par trajectoire, QwenGyre fait passer NL2RepoBench de 52,5 % à 58,5 % en 48 étapes et, selon le tweet d’annonce, réduit d’environ 44 % le temps d’entraînement de bout en bout face à l’approche asynchrone. Le papier est sur arXiv depuis le 27 septembre ; aucun dépôt de code n’est annoncé.

🔗 Annonce de Qwen sur X · Le papier QwenGyre sur arXiv

ReplaySSM : NVIDIA et le Dao AI Lab accélèrent le décodage des modèles hybrides

12 octobre — NVIDIA et le Dao AI Lab de l’université de Princeton présentent ReplaySSM, une nouvelle façon de stocker l’état des couches SSM pendant le décodage des modèles hybrides, qui alternent couches d’espace d’états et couches d’attention, comme Nemotron 3, Qwen3.5 à Qwen3.8, Kimi-K3 ou GLM-5.3-Flash. Aux tailles de lot de production, ce sont ces couches SSM, et non l’attention, qui pèsent le plus sur la latence du décodage jusqu’à 100K tokens de contexte. ReplaySSM représente l’état par un point de contrôle et un petit tampon des entrées récentes : la sortie est calculée à chaque token, mais le point de contrôle n’est réécrit en mémoire que tous les 16 tokens, ce qui divise environ par deux le trafic mémoire dominant.

Configuration mesurée dans vLLM	Gain annoncé face à vLLM
Étape de décodage, lot de 1	Aucun
Noyau SSM, lot de 256	1,46 à 1,80 fois plus rapide
Étape de décodage complète, lot de 256	1,20 à 1,47 fois plus rapide
Décodage spéculatif, lot de 512, modèles de classe 120B	1,85 et 2,10 fois le débit

La technique est intégrée à TensorRT-LLM, vLLM et FlashInfer et tourne en production dans GLM-5.3-Flash et Kimi-K3, selon NVIDIA ; l’article est sur arXiv et le code sur GitHub.

🔗 Billet technique de NVIDIA sur ReplaySSM · L’article ReplaySSM sur arXiv

/v1/systemone : transformers serve transforme un LLM ou un VLM en modèle de décision

12 octobre — Hugging Face a fusionné dans Transformers un point d’accès /v1/systemone pour transformers serve, le serveur intégré à la bibliothèque. Au lieu de générer une réponse, le serveur note un ensemble de décisions possibles à partir des logits du modèle : selon Lysandre, n’importe lequel des 250 LLM et VLM pris en charge peut ainsi devenir un modèle de décision « à la JEV », sans générer de texte. La PR 49322 de Marc Sun prend en charge pour l’instant tous les modèles autorégressifs et ajoute un decision_config transmis au serveur, car chaque modèle de décision formule son prompt et règle sa température à sa manière ; Marc Sun annonce une standardisation des modèles de décision « bientôt » dans Transformers. La fonction n’est encore dans aucune version publiée, la dernière, v5.19.0, datant du 6 octobre. llama.cpp servait déjà ce format depuis le 2 octobre.

🔗 Annonce de Lysandre sur X · PR 49322 sur GitHub

Pages web et fichiers repensés pour les agents : la Browser Annotation API d’OpenAI, la forge Git de Perplexity Projects

OpenAI et Perplexity reprennent deux environnements familiers, la page web et le système de fichiers, pour qu’un agent y trouve plus de contexte.

Browser Annotation API : les sites personnalisent les annotations du navigateur de ChatGPT

12 octobre — OpenAI Developers présente la Browser Annotation API, décrite dans le guide Annotations Extensibility de ChatGPT Learn. Sans modification de code, le mode Annotation du navigateur intégré de l’application de bureau ChatGPT fonctionne déjà sur n’importe quel site : on sélectionne une partie de la page, on la commente et on l’envoie comme contexte à Codex ou à ChatGPT Work. L’API, exposée par document.oai.annotation sur les pages sécurisées (HTTPS ou localhost), permet au site de choisir ce qui se sélectionne, le contexte qui accompagne la sélection et les contrôles qui prévisualisent une modification avant l’envoi.

Le guide détaille neuf intégrations : une carte peut devenir un seul objet sélectionnable (oai-annotation-container, oai-annotatable), un bouton du site peut ouvrir une annotation avec un commentaire suggéré, des contrôles personnalisés (registerControls()) prévisualisent par exemple un jeton d’espacement, et les objets dessinés dans un canvas deviennent sélectionnables. Le guide vise la version DevDay 2026 de l’application et les suivantes ; dans ChatGPT Enterprise et Edu, un administrateur doit autoriser ces personnalisations. Les annotations complètent les outils de site WebMCP, qui exposent les actions que ChatGPT peut effectuer sur un site.

🔗 Annonce de @OpenAIDevs · Guide Annotations Extensibility

Perplexity Projects : un système de fichiers bâti comme une forge Git pour agents

12 octobre — Perplexity publie un billet d’ingénierie sur le système de fichiers de Projects, l’espace de travail de Perplexity Computer où personnes et agents mènent ensemble des tâches de longue durée. Chaque agent travaille dans son propre bac à sable et enregistre ses changements dans un dépôt Git partagé, servi par cinq composants : une CLI dans chaque bac à sable, un plan de contrôle, un service Git, un stockage adossé à AWS S3 (S3Files) et une extraction du texte des documents. Le service n’accepte un envoi que s’il part du dernier commit accepté ; sinon, l’agent rejoue sa modification et renvoie, sans demande de fusion (pull request). Un système de fichiers virtuel FUSE, environ 400 fois plus lent sur les charges intensives en fichiers, a été écarté.

Mesure publiée par Perplexity	Valeur annoncée
Envois rejetés comme périmés en production	Moins de 2 %
Latence médiane d’un envoi	Moins de 1,7 s
Latence p99 d’un envoi	Moins de 8 s
Réponses correctes avec grep, sur 150 questions financières internes	0,627
Réponses correctes avec une recherche sémantique sur index	Environ 0,37

Le billet ne lance aucun produit : Projects existe depuis juillet, et Brain, le wiki de connaissances de Computer, repose sur la même infrastructure.

🔗 Billet d’ingénierie de Perplexity

Brèves

Copilot CLI 1.0.96 — Passée en stable, elle reprend sans rien d’inédit les neuf entrées des préversions des 9 et 10 octobre, dont l’auteur de chaque décision de permission dans la chronologie et des identifiants de modèle insensibles à la casse. 🔗 source
Attribution des pushes sur GitHub — En préversion publique limitée pour les clients GitHub Enterprise, sur demande, chaque commit poussé garde l’identité authentifiée de la personne qui l’a poussé ; une condition de jeu de règles, Committer must match pusher, bloque les pushes dont le committer ne correspond à aucune adresse e-mail vérifiée de cet utilisateur. 🔗 source
Copilot app for Beginners — Un nouvel épisode de la série du GitHub Blog montre comment loger dans le dépôt les règles d’un projet pour que Copilot les applique seul : instructions personnalisées, agent skills dans .github/skills, agents personnalisés et serveurs MCP comme Playwright ; un tutoriel, sans nouveauté produit. 🔗 source
Zed 1.23.3 et 1.24.2 — La version stable et la préversion ne contiennent que des correctifs (aperçu Markdown, prédictions d’édition, sélecteur de projets distants), le passage à Node.js v24 et une télémétrie optionnelle sur les points de sauvegarde (checkpoints) du panneau d’agent. 🔗 source
Codex Ambassadors — OpenAI rouvre les candidatures à ce programme de six mois, qui demande une contribution par mois (événement ou contenu) en échange d’un abonnement Pro, de crédits Codex et API et d’un soutien aux événements approuvés ; priorité à l’Amérique du Nord, à l’Amérique centrale, à l’Afrique, au Moyen-Orient et à l’Europe de l’Est. 🔗 source
L’API Decisions chez Hypha — Serhii Shchoholiev, responsable de l’ingénierie des agents chez Hypha, mesure l’API Decisions d’OpenAI à 98,1 % de F1 en classification multi-étiquettes, contre 93,5 % pour un agent GPT-6.1 Sol, pour environ un septième du coût et une latence p90 28 fois plus faible ; des chiffres de client, sans méthodologie publiée, relayés par @OpenAIDevs. 🔗 source
Gemini 3.5 Flash déprécié — Rattrapage du 8 octobre : la même entrée des notes de version de l’API Gemini déprécie aussi gemini-3.5-flash, qui n’est plus sélectionnable dans Google AI Studio ; ses requêtes sont redirigées vers gemini-3.6-flash, sans date d’arrêt annoncée. 🔗 source
Kimi Work 3.2.16 — Version de maintenance : moteur d’aperçu PDF mis à niveau, navigateur intégré qui n’est plus interrompu par les tâches en arrière-plan, et huit correctifs détaillés, dont les discussions annexes envoyées deux fois. 🔗 source
Panne chez Genspark — Une partie des utilisateurs n’a pas pu se connecter lundi à cause d’une panne d’un service de Microsoft que Genspark ne nomme pas ; Genspark a annoncé le retour du service à 16 h 20 UTC et prépare une compensation pour les utilisateurs touchés. 🔗 source
TutorMoments — Ai2 a soumis des modèles récents à son évaluation des tuteurs IA : avec une consigne explicite, GPT-6 Astra arrive en tête (0,938 en échafaudage approprié, 0,915 en exigence appropriée) devant Claude Sonnet 5.5 et Claude Opus 5.5, et un nouvel explorateur compare leurs réponses à celles de tuteurs humains. 🔗 source
UIBK-Embedding-v1 — Abdelrahman Abdallah publie sous Apache 2.0 un modèle de recherche anglais de 179 millions de paramètres qui réunit dans un même encodeur une recherche dense et une recherche à interaction tardive (ColBERT) ; il revendique 59,79 de nDCG@10 sur BEIR, le meilleur score sous un milliard de paramètres parmi les modèles aux résultats MTEB officiels complets. 🔗 source
Sparseup-fr — Loïck Bourdois reproduit en français le modèle d’embeddings creux de 150 millions de paramètres de Linkup, entraîné en environ 55 heures sur une seule RTX 6000 Pro : 56,37 et 56,50 sur NanoBEIR-fr nettoyé, contre 52,40 et 51,66 pour la version anglaise, un nouvel état de l’art parmi les modèles creux ouverts selon l’auteur. 🔗 source
Model Pulse — Un outil communautaire de Tardelli Stekel reconstitue jour par jour, depuis juillet 2024, les téléchargements et les mentions « j’aime » de 1,64 million de modèles du Hub, publiés en environ 1,15 milliard de lignes Parquet sous Apache 2.0 et mis à jour quotidiennement. 🔗 source
Permission contributor sur le Hub — Les jetons d’accès à granularité fine et ceux des comptes de service de Hugging Face peuvent recevoir une permission contributor : ils créent des dépôts et n’écrivent que dans ceux qu’ils ont créés, pour les chaînes CI/CD, les tâches d’entraînement et les agents. 🔗 source
Microduck Arena — Pollen Robotics ouvre un Space Hugging Face où l’on entraîne par apprentissage par renforcement une politique pour son petit robot bipède, puis la fait courir dans quatre épreuves, dont 2 m Sprint et Hill Climb, sans robot physique. 🔗 source
Relight Studio — Luma met en avant cette fonction qui change la direction de la lumière d’un plan déjà réussi sans repartir de zéro ; le tweet ne donne ni modèle, ni tarif, ni date de mise en service. 🔗 source
HeyGen Lessons — HeyGen présente une offre pour l’éducation : Dots d’OpenAI repère ce qui accroche une classe et adapte la leçon, puis le MCP de HeyGen la met en vidéo avec l’avatar et la voix de l’enseignant ; le tweet ne donne ni lien, ni tarif, ni date. 🔗 source
Un agent immobilier et son avatar — Selon une étude de cas de HeyGen, un agent immobilier de Vancouver privé de son lieu de tournage par un incendie publie deux Reels par jour avec son avatar et a multiplié par quatre ses abonnés Instagram en dix mois. 🔗 source
x.ai passe à SpaceXSI — Constaté au scan du 12 octobre, sans annonce ni date à la source : la page d’accueil de x.ai, ses actualités et la documentation de l’API (« SpaceXSI Docs ») portent désormais la marque SpaceXSI, jusque dans la fiche de Grok 4.7 ; le site affichait encore SpaceXAI le 10 octobre. 🔗 source

Ce que ça signifie

Les chiffres du jour obligent à regarder qui mesure. Meta publie ses résultats dans une image, mesurés par ses soins, et place Muse Wonder Full en tête de son propre indice (59,1 contre 55,2 pour Claude Opus 5.5), alors que sur l’Artificial Analysis Index du même tableau, Opus 5.5 garde l’avantage (58 contre 56). Z.ai compare GLM-Legal à ses concurrents dans le graphique d’un tweet et revendique la parité sur LegalBench sans publier de score, et Fin mesure Apex 2.0 face à sa propre version précédente. Le classement indépendant de FrontierCode remet les ordres de grandeur en place : le meilleur modèle plafonne à 52,2 %, et l’écart de coût, de 0,81 dollar par tâche pour GPT-6.1 Sol à 10,15 dollars pour Opus 5.5, devient un critère aussi visible que le rang.

Dans l’infrastructure, les gains viennent de tout ce qui entoure les puces. Les contributions de NVIDIA à l’OCP portent sur l’alimentation (baies jusqu’à 250 kW, barre omnibus de 5 000 A, retour à quasi pleine charge en moins de deux secondes après une perturbation du réseau électrique) et sur le réseau, avec Spectrum-6 à 102,4 Tb/s chez Meta et USFP à 400 Gb/s par voie. Le logiciel suit la même logique : ReplaySSM divise environ par deux le trafic mémoire des couches SSM, et QwenGyre remet au travail les GPU qui attendaient la fin des longues trajectoires. En versant ses conceptions à l’OCP, avec des standards cosignés par AMD, Google, Meta et Microsoft, NVIDIA affiche l’objectif de donner aux constructeurs une base commune pour les usines IA.

Les agents reçoivent des environnements pensés pour eux. Une page web peut désormais choisir ce que l’utilisateur sélectionne dans le navigateur de ChatGPT et le contexte transmis avec sa sélection à l’agent, un projet Perplexity donne à chaque agent un bac à sable et un dépôt Git partagé, et Amp ramène dans le fil de l’agent les revues et les résultats de CI de ses propres pull requests. La manière d’explorer pèse aussi sur le résultat : chez Perplexity, un agent qui fouille sa copie de travail avec grep obtient 0,627 de réponses correctes contre environ 0,37 pour la recherche sémantique, et chez LightOn, confier la recherche à un petit agent local réduit de 34 % les tokens d’API de Claude Code par rapport à grep, sans perte d’exactitude significative.

L’étude de la Frontier Red Team montre le revers de cette autonomie. Les capacités qui rendent un agent utile, installer un modèle sur un matériel inconnu ou transmettre ses notes à l’agent suivant, sont aussi celles qui permettraient à un ver de s’adapter : un modèle de 9B lance l’inférence sur 8 types de matériel sur 9, et l’héritage des notes fait passer la réussite de 45 % à 61-84 %. Anthropic ne décrit encore aucun réplicateur complet et mise sur la surveillance des fournisseurs d’accès pour qu’un appareil infecté en contamine en moyenne moins d’un autre. Meta, de son côté, revendique pour Muse Wonder ses garde-fous les plus solides contre les usages cyber et CBRN, mais renvoie à un rapport de sécurité complet encore à venir.