OpenAI met fin à son contrat avec Cursor, Claude Code baisse ses limites hebdomadaires de 17 %, Copilot CLI passe au Rust natif

Vingt-deux annonces sur huit domaines pour la journée du 29 août : un samedi calme, moitié moins fourni que la veille. La nouvelle dominante est contractuelle plutôt que technique. OpenAI a notifié à SpaceX son intention de cesser de fournir ses modèles à Cursor, avec une date d’arrêt proposée au 12 novembre, en invoquant explicitement le comportement passé des entreprises d’Elon Musk. Anthropic, de son côté, annonce une hausse permanente de 25 % des limites hebdomadaires de Claude Code qui se traduit — de son propre aveu — par une baisse de 17 % par rapport à aujourd’hui. GitHub fait passer Copilot CLI sur un moteur d’exécution natif en Rust, Together AI met GLM-5.3 en ligne le jour même de sa disponibilité, et une passerelle d’inférence publie des chiffres de production qui situent enfin la place réelle des poids ouverts.

OpenAI met fin à son contrat avec Cursor après le rachat par SpaceX

28 août — OpenAI a notifié à SpaceX son intention de mettre fin au contrat qui donne à Cursor un accès direct à ses modèles. La date d’arrêt proposée est le 12 novembre 2026 : l’entreprise précise avoir retenu le préavis le plus long que le contrat autorise, afin que les développeurs conservent l’accès aux modèles aussi longtemps que possible.

Le motif tient au rachat de Cursor par SpaceX. OpenAI explique travailler avec ses grands partenaires par contrats sur mesure, qui garantissent le respect des conditions d’utilisation et la sûreté de l’intégration à grande échelle, et dit ne pas pouvoir avoir confiance dans le fait que SpaceX utilisera sa technologie dans ce cadre. Deux précédents sont cités nommément : après le rachat de Twitter par Elon Musk, société désormais rattachée à SpaceX, les termes du contrat qui liait les deux entreprises ont été rompus ; et, sous serment plus tôt cette année, Musk a admis que xAI, également passée sous SpaceX, avait violé les conditions d’utilisation d’OpenAI. L’accord signé avec Cursor prévoyait une fenêtre de résiliation limitée dans le temps après un changement de contrôle, ce qui explique le calendrier.

S’y ajoute un second argument, plus inhabituel : OpenAI dit assumer un nouveau niveau de responsabilité à mesure que les capacités progressent, et cite son modèle à venir Astra — celui dont elle a annoncé le 7 août ne plus pouvoir exclure un niveau de cybercapacités qualifié de Critique par son cadre de préparation. Conséquence pratique : le contrat court jusqu’à la date la plus tardive possible, mais aucun modèle futur ne sera fourni à Cursor.

Élément du dossier	Valeur
Date de notification à SpaceX	28 août 2026
Date d’arrêt proposée	12 novembre 2026
Durée du partenariat OpenAI-Cursor	près de 4 ans
Modèles futurs fournis à Cursor	aucun

We’re ending our partnership with Cursor following its acquisition by SpaceX. Under our proposal, Cursor’s direct access to our models would end on November 12.

We know that the people most affected by this decision are the developers who rely on OpenAI models in Cursor. We care about their experience in this transition and we’re ready to go above and beyond to support them.

🇫🇷 Nous mettons fin à notre partenariat avec Cursor à la suite de son rachat par SpaceX. Selon notre proposition, l’accès direct de Cursor à nos modèles prendrait fin le 12 novembre.

Nous savons que les personnes les plus touchées par cette décision sont les développeurs qui s’appuient sur les modèles OpenAI dans Cursor. Leur expérience pendant cette transition nous tient à cœur et nous sommes prêts à aller au-delà de nos obligations pour les accompagner. — @OpenAI sur X

🔗 Décision sur Cursor — OpenAI

Claude Code : les limites hebdomadaires descendent de 17 % au 14 septembre, le CLI démarre plus vite

29 août — Anthropic annonce qu’à partir du 14 septembre, les limites hebdomadaires standard de Claude Code augmentent de façon permanente de 25 % pour les plans Pro, Max, Team et Enterprise à sièges (seat-based). Jusqu’à cette date, la hausse actuelle de 50 % reste en place.

La formulation appelait une précision, et Anthropic l’a apportée elle-même dans le message suivant de son fil : rapportée à la situation d’aujourd’hui, l’opération se traduit par une réduction de 17 % des limites hebdomadaires. L’arithmétique est simple — la hausse de 50 % en vigueur est temporaire, celle de 25 % qui la remplace est permanente, et passer de l’une à l’autre fait mécaniquement baisser le plafond réel. Cette hausse temporaire n’était pas récente : le 18 juillet 2026, le même compte l’annonçait « jusqu’au 19 août », échéance qui avait été dépassée sans nouvelle communication. L’annonce du 29 août fixe donc un point d’arrivée : un plafond permanent, plus haut que le régime standard d’origine, plus bas que le régime exceptionnel des dernières semaines. L’accueil est resté mitigé, au point que le message principal — environ 1,6 million de vues au moment du scan — a été assorti d’une note de contexte rédigée par des lecteurs de X, qui reprend le chiffre de la baisse.

Période	Limites hebdomadaires de Claude Code
Jusqu’au 13 septembre	+50 % (hausse temporaire, toujours en place)
À partir du 14 septembre	+25 % permanent
Effet net annoncé par Anthropic	-17 % par rapport à aujourd’hui

Compared to today, this works out to a 17% reduction in weekly limits on Claude Code. We’re working on exciting changes that will make it feel like you’re getting more from Claude, while having more visibility and control of your usage. Can’t wait to share them.

🇫🇷 Par rapport à aujourd’hui, cela représente une réduction de 17 % des limites hebdomadaires sur Claude Code. Nous travaillons sur des changements enthousiasmants qui donneront l’impression d’obtenir davantage de Claude, avec plus de visibilité et de contrôle sur votre consommation. Nous avons hâte de les partager. — @ClaudeDevs sur X

Plus tôt dans la journée, le même compte publiait son récapitulatif hebdomadaire des livraisons de Claude Code. L’essentiel de ce fil de six messages regroupe des nouveautés déjà détaillées ici au fil des versions — l’onglet « Auto mode » dans /permissions de la 2.1.246, la ligne de cache de prompt dans /cost et le suivi en direct des sous-agents de premier plan de la 2.1.251, la ventilation des tâches /loop dans /usage de la 2.1.243. Un axe, en revanche, n’avait jamais été chiffré : la performance. Le CLI n’attend plus la mise en route du bac à sable (sandbox) ni celle des serveurs MCP avant de laisser saisir une première instruction, et la commande claude saute les étapes d’initialisation dont elle n’a pas besoin. Côté distribution, le téléchargement Linux x64 est 4,5 fois plus petit, à environ 75 Mo, et les builds natifs consomment de 40 à 70 Mo de mémoire en moins par session.

Mesure de performance annoncée	Valeur
Téléchargement Linux x64	4,5 fois plus petit, environ 75 Mo
Mémoire des builds natifs	40 à 70 Mo de moins par session

🔗 Annonce des limites hebdomadaires · Récapitulatif hebdomadaire

Copilot CLI passe sur un moteur natif en Rust, Visual Studio reçoit les agents personnalisés d’organisation

28 août — GitHub publie tard dans la journée son récapitulatif hebdomadaire Copilot. L’entrée porte la date du 24 août dans son titre — c’est la semaine qu’elle couvre — mais elle n’a été mise en ligne que le 28 à 20 h 13 UTC, après le passage du scan précédent. Deux de ses sections reprennent des annonces déjà traitées ici, Copilot dans Slack et Microsoft Teams et la disponibilité générale de l’onglet Customize ; le reste est inédit.

L’élément le plus structurant concerne le CLI : Copilot CLI tourne désormais sur un moteur d’exécution natif en Rust (native Rust runtime), tandis que son interface terminal reste écrite en TypeScript. GitHub annonce des performances « nettement supérieures » sans publier la moindre mesure, ce qui laisse le lecteur juge. Deux réglages, defaultMode et defaultPermissionMode, fixent le mode d’exécution et le mode de permission appliqués à chaque nouvelle session ; les commandes /plugin, /mcp et /skills reçoivent des interfaces de gestion dédiées ; et le CLI sait restaurer une session qui ne s’est pas terminée proprement, y compris interrompue en plein tour.

Surface concernée	Nouveautés annoncées
Copilot CLI	Moteur Rust natif, `defaultMode` et `defaultPermissionMode`, interfaces `/plugin` `/mcp` `/skills`, reprise de session
Application Copilot	Issues et pull requests Azure DevOps converties en sessions, WSL expérimental, onglets scindables, aperçu vers le navigateur externe
Extension JetBrains	Contrôles d’entreprise sur les plugins, les serveurs MCP, la télémétrie et les modes de permission des agents
VS Code 1.135	Reprise de sessions d’agent Copilot ou Claude lancées ailleurs, second avis d’un modèle complémentaire, volet Agents unique, consommation par modèle et par tour
Visual Studio 2026	Agents personnalisés d’organisation, effort de raisonnement Low, Medium et High, vue Manage models, revue par l’agent Git

Publiée le même jour, une entrée de changelog dédiée détaille la mise à jour d’août de Copilot dans Visual Studio 2026, disponible sur tous les plans — Free, Student, Pro, Pro+, Max, Business et Enterprise. Le changement principal est l’arrivée des agents personnalisés au niveau organisation : les propriétaires d’organisation ou d’entreprise GitHub publient des agents utilisables dans tous leurs dépôts, que Visual Studio détecte automatiquement et affiche dans le sélecteur avec leur description et leur organisation d’origine. Une organisation GitHub est requise, ce qui exclut les comptes personnels. Le réglage de l’effort de raisonnement passe côté utilisateur avec trois niveaux, GitHub le présentant explicitement comme un arbitrage entre profondeur de raisonnement et consommation de tokens. La vue Manage models rassemble capacités, taille de fenêtre de contexte, information de coût et contrôles, tandis que l’agent Git relit les modifications non commitées ou des commits avant l’ouverture d’une pull request, sur dépôts GitHub comme Azure DevOps.

🔗 Récapitulatif hebdomadaire Copilot · Copilot dans Visual Studio, mise à jour d’août

GLM-5.3 arrive chez Together AI, qui mesure aussitôt ce que coûte sa version distillée

29 août — Troisième jour consécutif pour GLM-5.3. Le 27 août, Z.ai annonçait en deux lignes qu’il publierait les poids ; le 28, l’ouverture était effective et Together AI ouvrait une fiche modèle marquée « coming soon », sans tarif. Depuis le 29 août à 1 h 57 UTC, la fiche est en ligne et l’hébergeur parle d’une mise à disposition « Day 0 ». L’endpoint zai-org/GLM-5.3 se sert en serverless comme en infrastructure dédiée, et Together AI annonce sa compatibilité avec Claude Code, OpenCode et les autres plateformes d’agents de code. Selon l’hébergeur, le modèle approche Fable 5 sur l’ensemble des benchmarks tout en coûtant une fraction du prix par tâche.

Caractéristique du service	Valeur
Prix entrée / entrée en cache	$1,40 / $0,26 par million de tokens
Prix sortie	$4,40 par million de tokens
Fenêtre de contexte	1 M tokens (architecture IndexShare)
Niveaux d’effort	low, high, max (max par défaut)
SLA annoncé	99,9 %

Le même jour, Together AI publie la sixième comparaison de sa série DeepSWE, et pour la première fois elle oppose deux modèles de la même famille : GLM-5.3 et sa version distillée GLM-5.3 Flash. Le protocole est inchangé — les 113 tâches de DeepSWE v1.1, quatre essais par configuration, les deux modèles à effort max — pour un total de 900 exécutions complètes (rollouts), 452 côté modèle complet et 448 côté Flash. Au premier essai, l’écart paraît net : 69,0 % de pass@1 contre 63,4 %. Mais il tombe à 2,6 points en pass@4, pour un dix-septième du prix. La distillation n’a donc pas retiré la capacité, elle a retiré la régularité : aucune des 48 tâches que le modèle complet réussit quatre fois sur quatre ne devient insoluble pour le Flash, qui conserve 93 des 99 tâches résolues au moins une fois. Le mécanisme est identifié plus loin, et c’est le résultat le plus intéressant : sur les tâches instables, l’essai le plus long est l’essai gagnant dans 61 % des cas pour GLM-5.3, mais seulement 46 % pour le Flash — sous la barre du tirage à pile ou face. Le modèle distillé ne sait plus convertir un effort supplémentaire en solution.

Métrique mesurée	GLM-5.3 (effort max)	GLM-5.3 Flash (effort max)
pass@1	69,0 %	63,4 %
pass@4	87,6 %	85,0 %
Coût par exécution	$3,99	$0,24
Tâches résolues pour $100	17	264
Durée de bout en bout	35 min	26 min
Casse d’un test de référence déjà vert	4,4 %	6,9 %
Effort payant sur les tâches instables	61 %	46 %

Une seule régression franche est relevée, et elle porte sur la prudence : le Flash casse un test de référence déjà vert dans 6,9 % des exécutions contre 4,4 % pour le modèle complet, ce qui conduit Together AI à recommander explicitement une suite de non-régression complète avant d’accepter un diff produit par le Flash sans relecture. La conclusion opérationnelle est une cascade au sein de la même famille : lancer le Flash d’abord, n’escalader vers le modèle complet que si un vérificateur rejette la réponse. Cette combinaison atteint 80,9 % de réussite à 1,70 dollar la tâche, soit douze points de plus que GLM-5.3 seul (69,0 % à 3,99 dollars) pour moins de la moitié du prix. Un écart mérite d’être signalé au lecteur : le score DeepSWE affiché sur la fiche modèle (66,9) diffère du 69,0 % mesuré par Together AI dans sa propre campagne, ce que l’hébergeur assume en précisant que ses chiffres viennent de son exécution.

🔗 Mise en ligne de GLM-5.3 chez Together AI · GLM-5.3 contre GLM-5.3 Flash sur DeepSWE

Les modèles à poids ouverts ont pris la moitié du trafic, mais seulement 13 % de la dépense

29 août — Thibault Jaigu, dirigeant de la passerelle d’inférence Requesty, publie sur le blog Hugging Face les mesures relevées sur son propre trafic de production en 2026, hors clés apportées par les clients et hors comptes internes. Le chiffre central : les modèles à poids ouverts sont passés de moins de 5 % des tokens en janvier à la moitié de tout le trafic dans la semaine du 3 août, mais ne pèsent qu’environ 13 % de la dépense, un token de modèle fermé de frontière coûtant environ 6,4 fois un token ouvert une fois le cache pris en compte.

Deux illustrations donnent la texture de ce marché. Après la sortie de kimi-k3, il a fallu 11 jours au laboratoire d’origine pour perdre la majorité des tokens servis sur son propre modèle, quatre autres hébergeurs ayant allumé l’inférence sur les mêmes poids en 72 heures. Et sur glm-5.2, six hébergeurs affichent un écart de 5,7x sur le prix effectivement payé — non pas à cause de remises secrètes, mais parce que le moins cher met 94 % des tokens d’entrée en cache quand le plus cher n’en met aucun. Ces chiffres proviennent d’un fournisseur qui décrit son propre produit, ce que l’auteur assume en signant en tant que dirigeant de Requesty.

Mesure relevée sur la passerelle	Valeur
Part des poids ouverts dans les tokens (janvier 2026)	moins de 5 %
Part des poids ouverts dans les tokens (semaine du 3 août)	50 %
Part des poids ouverts dans la dépense	environ 13 %
Répartition de la dépense (Anthropic / OpenAI / Google)	51 % / 21 % / 15 %
Relectures de cache / entrée fraîche / sortie visible	78 % / 19 % / moins de 2 %
Rapport entrée sur sortie (janvier puis août)	15x puis 36x
Contexte moyen par requête (janvier puis août)	9,6 k puis 28 k tokens

🔗 Billet Requesty sur Hugging Face

Le Search API de Perplexity prend les trois premières places de l’Artificial Analysis Search Index

29 août — Perplexity relaie un classement publié la veille par Artificial Analysis : les trois réglages de contexte de son Search API occupent les trois premières places de l’Artificial Analysis Search Index, pour leurs débuts sur ce classement. Le réglage medium obtient 80 points, cinq de plus que les précédents leaders Parallel (advanced) et Brave Search (LLM context), tous deux à 75 ; les variantes high et low suivent avec 79 et 77.

Le protocole isole volontairement la brique de recherche : Artificial Analysis fait tourner le même modèle — GPT-5.6 Luna en raisonnement medium — dans Stirrup, son harnais d’agent (harness) open source, avec des outils de recherche et de récupération de pages web. D’un test à l’autre, seul le fournisseur derrière l’outil de recherche change. L’avance de Perplexity se concentre sur BrowseComp, les scores AA-Omniscience et DeepSearchQA restant comparables à ceux des autres fournisseurs de tête. Le second argument est économique : des charges utiles plus compactes font moins lire au modèle, d’où un coût d’inférence par tâche de 0,028 à 0,034 dollar selon la variante, contre 0,036 dollar pour le fournisseur suivant le moins cher — le plus bas mesuré par Artificial Analysis à ce jour.

Fournisseur de recherche (variante)	Score AA Search Index	Coût total par tâche
Perplexity Search (medium)	80	environ 0,091 $
Perplexity Search (high)	79	environ 0,091 $
Perplexity Search (low)	77	non communiqué
Parallel (advanced)	75	0,084 $
Brave Search (LLM context)	75	0,13 $

Deux réserves d’usage : le classement émane d’Artificial Analysis et non de Perplexity, qui se contente de le mettre en avant, et aucun billet de blog ne double le message, le blog de l’entreprise n’ayant rien publié depuis le 25 août.

🔗 Message de @perplexity_ai · Détail chiffré de @ArtificialAnlys

Codex CLI 0.151.0 : les extensions interceptent les résultats MCP, le bac à sable distant se durcit

29 août — Codex CLI passe en 0.151.0, publiée sur GitHub à 11 h 55 GMT+2 et référencée le jour même au changelog officiel ChatGPT et Codex. La nouveauté la plus structurante concerne les extensions : elles peuvent désormais inspecter ou remplacer les résultats d’un outil MCP avant que ceux-ci n’atteignent le modèle. Un point d’interception se glisse donc entre le serveur MCP et le contexte, ce qui ouvre la porte au filtrage, à la réécriture ou à la troncature de sorties d’outils sans toucher au serveur. S’y ajoutent un délai de grâce configurable pour la découverte des outils exposés par les serveurs MCP optionnels, et des catalogues de plugins qui combinent la configuration propre à chaque dépôt tout en signalant les marketplaces de projet invalides sans faire disparaître les plugins valides.

Le reste de la version est dominé par le durcissement du bac à sable (sandbox). La commande /cd ne peut plus affaiblir les restrictions — un scénario où changer de répertoire relâchait implicitement les garde-fous — et les classifications Guardian devenues obsolètes ne peuvent plus autoriser une action après un changement d’état des permissions. L’application du bac à sable distant s’aligne par ailleurs sur la réalité de la machine d’exécution : répertoire personnel, système d’exploitation et conventions de chemins de l’exécuteur sont propagés dans le contexte, y compris pour les règles de refus de lecture. Dernier point à signaler aux équipes qui font déléguer leurs agents : la consommation de tokens des sous-agents imbriqués est enfin comptabilisée dans le budget de l’objectif racine.

Élément de la version	Valeur
Version	0.151.0 (stable)
Publication GitHub	29 août 2026, 11 h 55 GMT+2
Installation	`npm install -g @openai/codex@0.151.0`
Nouveautés / correctifs / travaux de fond	3 / 6 / 2
Version stable précédente	0.150.1 (27 août)

🔗 Notes de version Codex CLI 0.151.0

Appshots : ChatGPT Work et Codex lisent le contexte de l’application affichée

28 août — OpenAI Developers présente les appshots, un mécanisme de capture de contexte destiné à ChatGPT Work et à Codex. Le principe : plutôt que de décrire ce que l’on a sous les yeux, on transmet à l’assistant tout le contexte de l’application en cours d’affichage, pour qu’il comprenne l’écran et agisse dessus. Le déclencheur est volontairement minimal — deux appuis sur la touche Commande (⌘ ⌘).

Le fil détaille dix usages qui donnent la mesure du périmètre visé, largement au-delà du code : résumer un fil Slack, remplir un formulaire, s’appuyer sur une référence d’API affichée à l’écran pour ajouter une fonctionnalité, dégager les thèmes d’un paquet de réponses sur X, identifier les messages privés qui appellent une réponse, convertir des notes en présentation, découper une vidéo dans iMovie, ou transformer une recette ouverte en liste de courses. À la date du scan, l’annonce n’existe que sur X : le changelog ChatGPT et Codex ne comporte aucune entrée entre le 27 et le 29 août hors la version 0.151.0 du CLI. Les conditions d’accès — plans concernés, plateformes, disponibilité générale ou progressive — ne sont donc pas documentées.

🔗 Fil de @OpenAIDevs

Antigravity CLI 1.1.22 : la commande /model prend un argument, huit correctifs de stabilité

27 août — Rattrapage sur un canal jamais scanné jusqu’ici. Le changelog de Google Antigravity se répartit sur quatre onglets — Antigravity 2.0, Antigravity CLI, Antigravity SDK et Antigravity IDE — dont seul le premier était lu lors des passages précédents. L’onglet CLI publie en pratique une version tous les un à trois jours ; la dernière en date, la 1.1.22, apporte trois améliorations et huit correctifs.

Côté ergonomie, la commande /model accepte désormais un argument : au lieu d’ouvrir un sélecteur, on bascule directement vers un modèle en indiquant son nom, son slug ou son label, et l’opération fixe le défaut dans la même étape, avec une autocomplétion en texte fantôme pendant la saisie. La commande /effort, qui règle l’effort de raisonnement, complète elle aussi le texte tapé au lieu d’afficher un exemple figé. Troisième ajout, utile sur les sessions longues : quand un agent génère beaucoup de fichiers, les rafales d’événements du système de fichiers sont regroupées en une seule réanalyse.

Les huit correctifs visent la stabilité longue durée. Le plus visible supprime les redessins continus de l’interface quand le panneau des tâches ou le détail d’un sous-agent restait ouvert sans tâche en cours, ce qui faisait grimper le processeur au repos. Les erreurs HTTP 502 transitoires, qui terminaient purement et simplement un run, sont désormais rejouées après une temporisation croissante (backoff). Le reste couvre Windows, le daemon sans interface (headless), et l’effort de raisonnement à nouveau sélectionnable pour Gemini 3.1 Pro et Gemini 3.5 Flash lors d’une authentification par clé d’API Gemini.

Canal Antigravity	Dernière version	Date
Antigravity 2.0	2.11.0	26 août 2026
Antigravity CLI	1.1.22	27 août 2026
Antigravity SDK	0.1.15	25 août 2026
Antigravity IDE	2.5.5	13 août 2026

🔗 Changelog Antigravity

MiniMax tire le bilan de H3 Max et déclare acquise la génération vidéo plus rapide que le temps réel

29 août — MiniMax publie une déclaration inhabituellement longue à propos de H3 Max, le modèle vidéo que fal Research a obtenu en post-entraînant les poids ouverts de MiniMax H3. L’annonce du modèle lui-même remonte au 27 août ; ce qui est nouveau ici, c’est la prise de position du laboratoire d’origine sur ce que ce travail externe signifie pour lui.

Le message tient en deux idées. La première est stratégique : MiniMax affirme que H3 Max a rendu la valeur des poids ouverts tangible pour ses propres équipes, et se dit prêt à soutenir toute équipe qui reproduirait la démarche de fal. La seconde est technique, et porte plus loin : le laboratoire considère désormais que la génération vidéo plus rapide que le temps réel est acquise, et en tire une liste de cas d’usage jusqu’ici hors d’atteinte — flux vidéo perpétuels, mondes interactifs, narration en temps réel. Deux heures plus tôt, MiniMax relayait un test communautaire qui résume bien le basculement : la question n’est plus de savoir combien de temps prend une génération, mais si le modèle génère plus vite qu’un flux Twitch ne diffuse.

They made the value of open weights feel real to our team in a way it hadn’t before. Advancing technology together has always been a core belief at MiniMax. H3 Max made that belief tangible. It showed that the frontier no longer belongs to a few, it belongs to everyone willing to build, experiment, and share what they discover.

🇫🇷 Ils ont rendu la valeur des poids ouverts tangible pour notre équipe d’une manière qui ne l’avait jamais été. Faire avancer la technologie ensemble a toujours été une conviction fondamentale chez MiniMax. H3 Max a rendu cette conviction tangible. Cela a montré que la frontière n’appartient plus à quelques-uns, elle appartient à quiconque est prêt à construire, expérimenter et partager ce qu’il découvre. — @MiniMax_AI sur X

🔗 Test communautaire relayé par MiniMax

Brèves

Grok 4.6 arrive sur Grok.com et les applications iOS et Android — Après une diffusion centrée sur les plateformes partenaires — GitHub Copilot, Amazon Bedrock, Gemini Enterprise Agent Platform, puis Microsoft Foundry le 26 août — xAI complète la série par ses propres surfaces grand public. Trois usages recommandés : problèmes complexes, requêtes agentiques et création d’applications. Aucun chiffre, aucun benchmark, aucun changement de tarification. 🔗 Message de @grok
Midjourney corrige la qualité d’image de son modèle d’édition V8.2 — Moins de vingt-quatre heures après l’ouverture des tests, le studio publie un correctif de qualité d’image et invite les utilisateurs qui ont rencontré des problèmes à relancer leurs générations. D’autres mises à jour sont annoncées sans calendrier. 🔗 Message de @midjourney
Gemini CLI verrouille la confiance d’espace de travail en refus par défaut — La version nocturne (nightly) v0.59.0-nightly.20260829.g0bd1d4397 embarque un unique changement : un espace de travail dont la confiance ne peut être établie est traité comme non fiable, et les serveurs MCP déclarés sont filtrés en mode restreint. Le canal stable reste sur v0.57.0, la preview sur v0.58.0-preview.0. La nightly du 27 août avait déjà colmaté une SSRF dans la découverte des métadonnées OAuth des serveurs MCP. 🔗 Notes de version
NVIDIA situe Dynamo face à SGLang, vLLM et TensorRT-LLM — Format court de cinq minutes répondant à une confusion fréquente : Dynamo ne remplace pas les moteurs d’inférence, il s’installe autour d’eux pour distribuer la charge sur plusieurs GPU et plusieurs nœuds. Vidéo présentée par Vishakha Sadhwani. 🔗 Message de @NVIDIAAI
QwenCloud publie le compte rendu de la Qwen Conference Hong Kong 2026 — Retour sur l’événement du 26 août tenu devant plus de 300 clients entreprises et développeurs, avec une keynote articulant la plateforme autour de trois points d’entrée — le site web, les Skills et le CLI — et une démonstration d’agent enchaînant création de compte, sélection de modèle, inférence, déploiement, paiement et facturation. 🔗 Message de @qwen_cloud
Luma organise une soirée créative à San Francisco — Creative Intelligent Machines Continuum, soirée de création sur demande prévue le mardi 1er septembre chez tiat, avec des démonstrations pas-à-pas menées par les créatifs seniors du studio, un prompt commun et un accompagnement sur place. L’initiative prolonge la série Dream Lab Weekly lancée le 25 août. 🔗 Message de @LumaLabsAI
FAST, une tentative de standard pour la remontée de vulnérabilités par des agents — Le Framework for Autonomous Severity and Triage se présente comme un jeu de fichiers Markdown à déposer dans le contexte d’un agent, sans SDK ni API. Il distingue une piste non prouvée d’une vulnérabilité avec preuve d’impact reproductible, fournit un arbre de décision de sévérité dérivé de ce que les programmes de primes paient réellement plutôt que du calcul CVSS, et impose une porte à six vérifications avant soumission. Licence CC-BY 4.0. 🔗 Billet sur Hugging Face
Deux sessions d’IA, un même dépôt, deux verdicts opposés sur un agent d’auto-réparation — Note d’ingénierie sur un projet personnel : une conception d’auto-réparation autonome refusée est réapparue dans le dépôt quelques jours plus tard, écrite par une autre session utilisant un assistant différent, sans trace de la première décision. Le fichier n’a jamais pu s’exécuter, mais uniquement grâce à deux bugs accidentels — l’auteur parle de sûreté par accident, pas par conception. 🔗 Billet sur Hugging Face
three.ws, une pile open source pour donner un corps, un portefeuille et un métier aux agents — Le projet articule quatre briques : génération et rigging 3D avec studios dans le navigateur, moteur d’agent avec chaîne de garde-fous et système de compétences, portefeuille d’agent adossé à x402 (paiement à l’appel au-dessus de HTTP), et distribution par une balise unique à poser sur n’importe quel site ou en réalité augmentée. 🔗 Billet sur Hugging Face

Ce que ça signifie

L’accès aux modèles de frontière devient une question de contrepartie, pas seulement de contrat. OpenAI ne coupe pas Cursor pour un impayé ni pour une clause technique, mais parce qu’elle dit ne pas pouvoir avoir confiance dans l’usage qu’en ferait son nouveau propriétaire, en s’appuyant sur deux précédents nommés — Twitter et xAI, tous deux passés sous SpaceX. L’argument le plus lourd de conséquences est pourtant le second : OpenAI invoque son modèle à venir Astra, dont elle a annoncé le 7 août ne plus pouvoir exclure des cybercapacités de niveau Critique, pour justifier de ne fournir aucun modèle futur. Autrement dit, plus une génération de modèles est jugée dangereuse, plus la liste de ceux qui peuvent y accéder se resserre — et le critère de sélection n’est plus la solvabilité du client, mais l’historique de conformité de sa maison mère. Pour les équipes qui ont bâti leur chaîne de production sur un éditeur tiers, la date du 12 novembre est une échéance de migration.

Ce qui change de prix, ce sont les plafonds, pas les tarifs. Anthropic n’a modifié aucun tarif affiché : elle convertit une hausse temporaire de 50 % en hausse permanente de 25 %, ce qui donne −17 % par rapport à aujourd’hui, et le dit elle-même dans le message suivant. GitHub, de son côté, expose l’effort de raisonnement comme un arbitrage assumé avec la consommation de tokens et affiche désormais la consommation par modèle à chaque tour de conversation. Les chiffres de Requesty expliquent pourquoi ces plafonds sont devenus le vrai prix : les relectures de cache pèsent 78 % de tous les tokens traités, la sortie visible moins de 2 %, et le rapport entrée sur sortie est passé de 15x en janvier à 36x en août. Une boucle d’agent ne coûte pas ce qu’elle écrit, elle coûte ce qu’elle relit à chaque étape — et c’est cette grandeur-là que les fournisseurs ont commencé à contingenter.

Les poids ouverts ont gagné le volume et perdu la valeur. Moitié du trafic, 13 % de la dépense, 86 % de celle-ci toujours concentrée sur trois fournisseurs : le marché ouvert est devenu un marché de gros, où le même modèle se paie 5,7 fois plus cher d’un hébergeur à l’autre selon la seule politique de mise en cache, et où un laboratoire perd la majorité des tokens servis sur son propre modèle en onze jours. GLM-5.3 en donne l’illustration du jour : poids publiés le 28, disponible chez un hébergeur tiers le 29 à 1,40 dollar le million de tokens en entrée, avec dans la foulée une mesure indépendante qui chiffre exactement ce que coûte sa version distillée — 2,6 points de pass@4 pour un dix-septième du prix. Quand le modèle est le même partout, la différenciation se déplace vers le cache, le routage et la mesure. C’est un métier d’infrastructure, pas de laboratoire.

Le client en ligne de commande redevient un terrain de compétition technique. Copilot CLI bascule sur un moteur d’exécution natif en Rust en gardant son interface en TypeScript, Claude Code divise par 4,5 son téléchargement Linux et récupère 40 à 70 Mo de mémoire par session, Antigravity CLI supprime les redessins qui faisaient grimper le processeur au repos, Codex CLI empêche /cd d’affaiblir son bac à sable et Gemini CLI passe la confiance d’espace de travail en refus par défaut. Cinq éditeurs, la même semaine, sur les mêmes sujets : temps de démarrage, empreinte mémoire, et périmètre exact de ce que l’agent a le droit de toucher. Après une année passée à comparer des capacités de modèles, la concurrence se joue aussi sur le programme qui les exécute — et la sécurité y occupe désormais autant de lignes de changelog que les fonctionnalités.