MiniMax lance M3, un modèle open-weight avec fenêtre contextuelle d'un million de tokens, performances de codage haut de gamme et multimodalité native. Premier modèle open-source à combiner ces trois capacités.
Nvidia lance à GTC Taipei trois modèles pour l'IA physique : Cosmos 3 (world model), Alpamayo 2 Super (modèle de conduite autonome amélioré) et une plateforme de référence ouverte pour robots humanoïdes.
OpenAI inaugure un centre de données de 1 GW au Michigan dans le cadre du projet Stargate. L'infrastructure vise à élargir l'accès à l'IA, créer des emplois et soutenir les communautés locales.
Les modèles frontier d'OpenAI et Codex sont désormais disponibles en général sur AWS. Les entreprises peuvent utiliser OpenAI via les environnements, contrôles et workflows d'approvisionnement AWS existants, accélérant le passage de l'évaluation à la production.
SoftBank s'engage à investir 45 Md€ en France pour développer des data centers IA dans une première phase, avec 75 Md€ potentiels sous réserve d'extension. Le projet vise une capacité jusqu'à 5 GW.
Dell a livré le premier serveur Vera Rubin NVL72 à CoreWeave, intégrant 72 GPU dans un seul rack. Cette infrastructure marque une étape clé dans la densité de calcul pour l'IA.
Qwen 3.7 Plus d'Alibaba est désormais disponible sur Vercel AI Gateway. Ce modèle multimodal unifie vision et langage pour les agents IA, couvrant GUI/CLI, coding et tâches visuelles. Accès via SDK avec tarification transparente et zéro frais de plateforme.
NVIDIA lance Cosmos 3, un modèle omni ouvert pour l'IA physique capable de raisonner et d'agir. Le modèle traite vidéo, texte et images pour comprendre la physique du monde réel et générer des actions robotiques.
DecomposeR, un framework d'IA pour la recherche approfondie, entraîne un modèle Qwen3-8B via deux étapes de renforcement : planification (graphes acycliques typés) puis exécution. Amélioration de 5,1-8,0 points sur benchmarks long-form grâce à une meilleure décomposition des requêtes et synthèse.
LinTree améliore le raisonnement des LLM en représentant explicitement la structure arborescente des traces de recherche. Les chercheurs montrent que l'accès brut à l'historique de recherche ne suffit pas à surpasser la recherche heuristique guidée par LLM. Ajouter des pointeurs parents pour expliciter la structure arborescente améliore les performances sur Blocks World, Navigation et Sokoban.
Étude sur l'auto-évolution des harnesses (prompts, skills, mémoires, outils) dans les agents LLM. Analyse deux capacités : harness-updating (produire des mises à jour utiles) et harness-benefit (en bénéficier). Résultats : harness-updating est indépendant de la capacité de base (Qwen3.5-9B rivalise avec Claude Opus), tandis que harness-benefit suit une courbe non-monotone (modèles mid-tier bénéficient le plus).
Étude arXiv sur l'ingénierie de données autonome par agents LLM pour la spécialisation de modèles. GPT-5.2 construit un curriculum d'entraînement qui améliore un modèle étudiant de 57,29% via adaptation itérative des données. Formalise une nouvelle tâche évaluant les LLM comme ingénieurs de données autonomes.
MAVEN est un système de raisonnement symbolique léger pour améliorer la généralisation des agents LLM dans les tâches d'appel d'outils. Évalué sur BFCL v3, TauBench, Tau2Bench, AceBench et un nouveau benchmark MAVEN-Bench, il augmente la précision de GPT-OSS-120b de 48% à 71% sans entraînement supplémentaire, avec un coût 10× inférieur aux modèles propriétaires.
GRiD, un framework basé sur les modèles de diffusion, génère des règles graph-like pour le raisonnement sur graphes de connaissances. Combine pré-entraînement supervisé et apprentissage par renforcement pour découvrir des règles complexes (cycles, branches) au-delà des chaînes simples. Évalué sur 6 benchmarks avec code open-source.
Étude de la dominance narrative globale dans les LLM via CulturalNB, dataset de 717 instances culturelles bengali avec paires questions-réponses parallèles anglais-bangla. Évaluation de 9 LLM montre que les questions en anglais augmentent la substitution globale et réduisent la couverture des perspectives locales, même avec des preuves locales.
Méthode pour générer automatiquement des rubriques d'évaluation fine-grained sans annotation humaine, testée sur quatre benchmarks. Approche sans entraînement initial, puis affinement itératif via signaux de récompense meta-judge. Un générateur 14B affiné surpasse des modèles propriétaires plus grands.
Étude sur les équipes d'LLM jouant à ChGK (quiz de raisonnement collectif). Trois stratégies testées : Vote, Silent Team (capitaine observe réponses), Talkative Team (capitaine observe réponses + justifications). Sur 572 questions 2025, les équipes surpassent les modèles seuls (+20 points). Meilleure équipe : 44,23% accuracy, approchant la performance humaine. La communication des justifications réduit les erreurs.
Nouvelle méthode de post-training pour modèles de raisonnement : Feedback Distillation entraîne le modèle à reproduire sa propre distribution conditionnée par des retours de LLM. Testée sur Lean4 (théorèmes), elle maintient plus de diversité que GRPO, améliore l'entropie et le scaling pass@k. Combinée à GRPO, elle surpasse les deux méthodes seules.
UniScale unifie le routage de modèles et le test-time scaling (TTS) dans un espace d'optimisation unique pour équilibrer qualité et coût computationnel des LLM. Le framework utilise LinUCB et la théorie des bandits contextuels pour apprendre des politiques d'inférence adaptatives en ligne, avec modélisation des coûts et apprentissage conscient de l'efficacité.
Étude des neurones liés au genre dans les modèles de langage (féminin, masculin, neutre). Les auteurs proposent une méthode d'intervention au niveau neuronal pour identifier et contrôler la génération de formes genrées. Expériences sur deux LMs open-source montrent que les neurones genrés se concentrent dans les premières couches. Code et datasets publiés.
FAM-Bench est un benchmark multimodal de 2500 instances vérifiées par des experts en nutrition, évaluant le raisonnement « Food-as-Medicine » sur 13 conditions de santé. Deux tâches : évaluer l'adéquation d'un plat pour une condition (image + ingrédients) et classer 4 plats par pertinence clinique. Teste l'intégration de contraintes nutritionnelles, indices visuels et preuves d'ingrédients.
AutoSci est un système multi-agent centré sur la mémoire pour automatiser le cycle complet de recherche scientifique. Il intègre SciMem (mémoire structurée), SciFlow (exécution du cycle en 5 étapes), SciDAG (opérateurs multi-agents) et SciEvolve (apprentissage continu). Le code est disponible sur GitHub.
NumLeak mesure la mémorisation de benchmarks publics dans les LLM frontier. Les modèles rappellent les données Fama-French (r=0.97-0.99), chômage US et température NOAA avec haute fidélité. Sur données récentes non vues, le taux de parsing chute à 21-57% mais r reste ~0.99 pour les mois répondus. Une défense prompt-système bloque 99.8% des attaques.
DisjunctiveNet propose une méthode neuro-symbolique pour intégrer des contraintes logiques et linéaires mixtes directement dans les réseaux de neurones via des couches d'optimisation différentiables. Utilisant des relaxations convexes hiérarchiques, le framework garantit la satisfaction exacte des règles tout en maintenant la performance prédictive sur des données réelles.
Étude théorique sur l'expressivité des transformers avec padding. Les auteurs prouvent que les transformers avec padding polynomial et précision constante équivalent à AC⁰ uniforme, tandis que ceux avec précision croissante atteignent TC⁰. La profondeur et la précision numérique sont les facteurs clés ; la largeur n'augmente pas l'expressivité au-delà du logarithmique.
Des réseaux de neurones non entraînés correspondent mieux au cortex visuel précoce que des réseaux entraînés. Une étude sur 720 images (THINGS) et données fMRI de 3 sujets montre qu'une époque de training réduit l'alignement V1 de 25-90% selon la règle d'apprentissage. La rétropropagation dégrade le plus (Δr = -0.080), tandis que le codage prédictif et STDP préservent mieux l'alignement (Δr ~ -0.04).
Première attaque d'extraction de modèle pour les réseaux de neurones graphiques exploitant les interfaces d'explainabilité. La méthode utilise les masques d'explication binaires et l'estimation de sensibilité Monte Carlo pour contourner les contraintes black-box strictes. Code disponible.
Vercel Blob supporte désormais l'authentification OIDC par défaut pour les nouveaux projets. Les tokens OIDC émis par Vercel sont de courte durée et rotatifs, éliminant le besoin de tokens longs durée. Les fonctions Vercel et la CLI reçoivent automatiquement le token.
Vercel AI Chat SDK ajoute le support de Lark et Feishu via un nouvel adaptateur officiel. Les bots peuvent poster, éditer et supprimer des messages, streamer des réponses via l'API cardkit typewriter de Lark, envoyer des cartes interactives et réagir avec des emojis. La connexion utilise le transport WebSocket de Lark.
ComfyUI est une interface graphique modulaire pour les modèles de diffusion, offrant une API et un backend basés sur un système de nœuds et graphes pour la génération d'images.
PolyRange est un benchmark de cybersécurité IA générant dynamiquement des cibles web fraîches pour chaque évaluation, éliminant la contamination de corpus d'entraînement. L'auteur adresse le consensus des labs (Anthropic, OpenAI, DeepMind) : les benchmarks statiques sont saturés et les défenses réelles manquent. MIT-licensed, indépendant du projet commercial de l'auteur.
MiniMax M3, premier modèle de MiniMax avec fenêtre contextuelle de 1M tokens et multimodalité native, est désormais disponible sur Vercel AI Gateway. M3 excelle en ingénierie logicielle, utilisation d'outils en ligne de commande et navigation web agentique, optimisé pour la collaboration multi-tours.
Mudler publie des quantifications APEX GGUF du modèle Qwen3.6-35B-A3B-Claude-4.7-Opus-Reasoning-Distilled avec tête MTP (multi-token prediction) intégrée. Les fichiers activent le décodage spéculatif auto-contenu via llama.cpp sans modèle brouillon séparé. Taille +2,5% vs version non-MTP, tête MTP quantifiée Q8_0 pour précision de draft élevée.
Anthropic publie une documentation détaillée sur ses techniques de sandboxing pour Claude.ai, Claude Code et Cowork. Utilise gVisor (Claude.ai), Seatbelt/Bubblewrap (Claude Code local), et VMs complètes (Cowork). Inclut process sandboxes, limites filesystem et contrôles d'egress pour empêcher l'exfiltration de credentials.
NVIDIA a quantifié le modèle Qwen3.6-35B-A3B d'Alibaba en NVFP4 (4 bits) via Model Optimizer. La réduction passe de 16 à 4 bits par paramètre, divisant par 3,06x la mémoire GPU et l'espace disque. Les benchmarks (MMLU Pro, GPQA Diamond, etc.) montrent une dégradation minimale : 85,6→85,0 sur MMLU Pro.
OpenRouter lève 113 millions de dollars en Series B. La plateforme d'agrégation d'API LLM renforce son financement pour étendre son offre de modèles et ses capacités d'infrastructure.
Une étude à grande échelle (208 000 participants, 26 millions de réponses) montre que l'entraînement rendant les modèles de langage utiles affaiblit leur capacité à reproduire le comportement humain. L'effet s'aggrave à chaque génération. Les profils démographiques (persona trick) n'apportent aucun bénéfice significatif.
OpenAI déploie Codex sur Windows 11 avec une fonction « Computer Use » permettant à l'IA de contrôler autonomement les programmes, tester des applications et détecter des bugs. L'app ChatGPT mobile permet de lancer et surveiller ces tâches à distance.
Anthropic lève 65 milliards de dollars en série H, portant sa valorisation à 965 milliards. Aucun fonds public européen n'a participé au tour de financement.
Claude Code est un outil de codage agentique en ligne de commande qui comprend votre base de code et exécute des tâches routinières, explique du code complexe et gère les workflows Git via des commandes en langage naturel.