Meta Research publie six articles mathématiques co-écrits avec Muse Spark 1.1 et 1.2. Cinq d’entre eux répondent à des questions encore ouvertes, dans la probabilité, les EDP, la théorie des groupes, l’optimisation et les algèbres. Le sixième prolonge un lien arithmétique/physique déjà partiellement connu.

Les auteurs ont travaillé via l’interface chat publique meta.ai (Thinking Mode), sans outil de recherche ni scaffold custom. Les mathématiciens choisissent les problèmes et les idées directrices ; le modèle aide aux calculs, au code (ex. recherches GAP), aux contre-exemples et à des brouillons de sections. Un second groupe indépendant relit et affine.

Les papiers marquent explicitement les passages principalement humains et ceux principalement IA, citent les travaux antérieurs, et reconnaissent des solutions concurrentes indépendantes (autres méthodes, parfois d’autres agents). Objectif affiché : recherche ouverte vérifiable, pas la production de masse de papers.

Le fil first-party @AIatMeta du 2 octobre (19:11 UTC, ~352k vues) cadre le passage : après des performances niveau médaille d’or aux olympiades, le labo teste l’apport sur des problèmes sans clé de correction connue.

L’Allen Institute for AI (Ai2) publie AstaBrief 8B, modèle spécialisé qui, à partir d’une question de recherche et d’extraits de littérature déjà récupérés, produit un rapport scientifique structuré et cité en une passe. Il alimente le Fast mode de la plateforme Asta (asta.allen.ai).

Base : Qwen3-8B, post-entraîné en supervised fine-tuning puis DPO. Sur le pipeline Asta complet, Ai2 mesure en moyenne 51,1 s par rapport en Fast mode, contre 178,5 s pour le mode Thinking branché sur Claude — soit environ 3,5× plus rapide. Chiffres vendor Ai2.

Les poids (checkpoint final et SFT) sont Apache 2.0 sur Hugging Face. Les datasets SFT/DPO et les prompts sont en CC BY-NC 4.0 : usage commercial des poids possible sous licence Apache, pas des jeux de données. Le modèle attend un format de prompt précis (query + extraits sectionnés) ; un autre format dégrade les résultats selon la model card.

InclusionAI, labo AGI d’Ant Group, positionne Ling 3.1 Flash comme MoE open-weight : environ 560 milliards de paramètres totaux pour ~25 milliards actifs par token, fenêtre de contexte annoncée à 1 million de tokens. Suite de la lignée « Flash » Ling, orientée débit et workflows agentiques.

Sur la fiche Artificial Analysis, le pricing suivi côté API InclusionAI est de 0,30 $ / M tokens en entrée et 0,90 $ / M en sortie. Le modèle est listé open-weight ; l’accès courant passe par l’API InclusionAI et des gateways compatibles. Les scores Intelligence Index, débit tok/s et classements détaillés sont traités côté evals, pas repris ici.

Fiche modèle : sparse MoE, raisonnement hybride, tool/function calling. Pas de relance des benches vendor Ant ni des tableaux AA dans cet article — uniquement l’architecture, le statut open-weight, le contexte et le tarif listé.

Le 2 octobre à 18:16 UTC, Sam Altman écrit sur X que « dot » est son produit OpenAI préféré jusqu’ici. Il dit constater chaque jour une amélioration sensible à mesure que l’agent apprend son workflow et son style, et qu’il lui délègue ce qu’il n’aime pas faire.

Dots, présenté à DevDay, est un agent always-on avec ordinateur cloud (VM), pas une nouvelle famille de poids. Le message Altman est un retour d’usage exécutif, pas une fiche technique ni un changelog modèle.

À 19:28 UTC, swyx rappelle le « one more thing » DevDay : Dots était en chantier depuis un moment. Ce n’est pas une spec nouvelle du 2 octobre. À distinguer de sa plainte d’attribution contre The Information (épisode Latent Space / TypeSafe), déjà couverte dans l’édition du 2 octobre.

Le 3 octobre, Ethan Mollick quote sur X l’annonce Aleph Alpha de Kolibri et formule l’ironie : les labs US accusent les labs chinois de distiller leurs modèles, tandis que le nouveau modèle « sovereign » européen est fine-tuné sur des données générées par GLM et Qwen.

L’angle ici n’est pas la fiche Kolibri (paramètres, benches, déploiement — traités en une). C’est la dépendance du post-training européen à des générateurs chinois pour le corpus synthétique, alors que le discours vendeur insiste sur la souveraineté.

Dans le fil, la nuance portée en reply : le doute porte sur un entraînement « sur » des modèles chinois au sens de copie de poids ; le point réel souligné est le fine-tune sur sorties synthétiques GLM/Qwen. Distiller via données générées n’est pas la même accusation que voler un checkpoint.

Anthropic publie Claude Code v2.1.288 le 2 octobre à 20:19 UTC. Point central sécurité : un `rm` dangereux lancé via `bash -c` / `sh -c` ne saute plus le prompt en `bypassPermissions` ni sous allow shell (#96300).

Côté Mods, `$.ui.selection()` arrive. `/code-review` gagne `--max-findings`. Si un serveur MCP OAuth demande plus de scope, la session relance l’auth. Ctrl+C puis Up restaure le draft interrompu.

En cas de timeout mid-response, les sessions `-p` et les subagents reprennent depuis la réponse partielle. Resume ne drop plus le contexte accumulé après compaction. `CLAUDE_CODE_DISABLE_STRUCTURED_OUTPUTS` cible Mantle et les gateways. Les sessions cloud appellent `gh api` sans GitHub CLI installé.

Claude Code v2.1.289, Latest au 3 octobre 23:07 UTC, ferme quatre trous de permissions. Un deny/ask sur un morceau de commande composée n’est plus écrasé par l’approval d’un mod user sur machine managée. Read deny s’applique aux fichiers @-mentionnés ou sélectionnés via symlink. Bash deny/ask n’est plus sauté sous sandbox auto-allow derrière `TZ="$HOME" …` ou une assignment nue.

Un plugin user ne peut plus réécrire les descriptions des outils sign-in d’un MCP org. Côté API : `agent.spawn` pour les teammates, un agent id sur les hooks plugin, états idle/waiting dans `$.agent.list()`.

VS Code : revert du claude auth status introduit en 2.1.288, qui provoquait trop de sign-outs. Mods : chargement à la première session après upgrade ; freeze de `<script>` / `${}`.

xAI pousse Grok Build alpha/enterprise 1.0.49 au 2 octobre, derrière l’alpha 1.0.48 déjà couverte. Les notes passent par X Stack (canal `x.ai/cli/alpha`) ; le changelog public `x.ai/build/changelog` n’a pas encore 1.0.49. Le stable public reste 1.0.46.

Les prompts de permission des hooks s’affichent quel que soit le mode d’approval. `web_search`, fetch et image gen respectent `prompt_policy` et les règles avant de demander.

Allow once ne couvre plus que la prochaine commande shell, plus toute la session. `pkill -f` / `pgrep -f` sont refusés plus tôt si le motif tuerait le wrapper.

Pas de nouvelle CLI Cline : le Latest reste 3.0.68 du 2 octobre matin. Le mouvement est côté routing. Le 3 octobre à 19:43, Ling 3.1 Flash entre dans le harness, en promo gratuite jusqu’au 13 octobre. Le vendor le présente comme un MoE 560B/25B, « on par » Kimi K3 et DeepSeek V4 Pro.

Le 4 octobre à 19:28, Cline annonce : « Due to abnormally high abuse, we are pausing the free DeepSeek-V4.1-Flash promotion ». Ça inverse le routing gratuit encore promu le 2 octobre à 18:27.

À part : Desktop Latest GitHub v0.0.43 le 2 octobre 20:39 ajoute un dialog Connectors — changement UI, pas un changement d’agent.

Le 2 octobre à 14:51 UTC, Hugging Face publie un guide open de RL multi-harness visant Claude Code, Codex et OpenCode. Même poids modèle : 62 % vs 33 % selon le harness — l’écart vient de la couche d’outils, pas du checkpoint.

Un proxy OpenEnv capture tokens et logprobs sans modifier les CLI. Sur ce setup, LFM2.5-2.6B passe de 42 % à 54 %. Un SFT d’imitation à partir de Qwen3.8-27B plafonne à 47,5 %.

Le message produit : entraîner contre plusieurs harness plutôt que d’imiter un seul agent fermé. Les chiffres cités sont ceux du fil HF, pas un bench tiers indépendant.

Artificial Analysis ajoute Ling 3.1 Flash à son board le 3 octobre 2026. Sur l’Intelligence Index, le modèle marque 41 — parmi les open-weight les plus hauts du classement au moment de la fiche. Débit mesuré : 210 tokens/s en sortie. Tarifs listés : 0,30 $ / 0,90 $ par million de tokens (entrée / sortie).

Côté fiche technique reprise par AA : open-weight InclusionAI (Ant Group), MoE ~560B de paramètres totaux pour ~25B actifs, fenêtre de contexte 1 M. Les specs produit sont déjà couvertes ailleurs ; ici seuls comptent les chiffres du bench indépendant.

Point méthodologique : le modèle est très verbeux. AA rapporte ~220 M de tokens de sortie consommés sur les évaluations de l’Index, bien au-dessus de la médiane du panel (~140 M). Le score 41 se lit donc avec un coût token et une verbosité élevés, pas comme un score « à tokens égaux ».

AA reste un classement composite (agentic, coding, reasoning, knowledge, long contexte). Ling 3.1 Flash y entre comme open-weight haut placé et rapide ; le détail des sous-benches individuels reste sur la page modèle artificialanalysis.ai.

Sur le leaderboard d’usage OpenRouter consulté au 3 octobre 2026, Space Bunny Alpha reste n°1 en tokens hebdomadaires, à 35,9 T (+264 %), devant DeepSeek V4.1 Flash à 25,6 T. GPT-6 Luna suit dans le peloton haut volume à 6 T. Ce sont des volumes prompt+completion routés via l’API OpenRouter — pas des scores de qualité.

Par rapport au brief du 2 octobre (Space Bunny ~30,9 T, DeepSeek V4.1 Flash ~23,5 T), le duo de tête tient, avec une accélération nette de Space Bunny et une hausse plus modérée de DeepSeek. La métrique et les réserves méthodologiques restent les mêmes : buckets UTC, trafic OpenRouter seulement, pas d’utilisateurs ni de dépense.

Côté « New and trending », la page met en avant Claude Sonnet 5.5 (675 B tokens), GPT-6.1 Sol (585 B) et Ling 3.1 Flash (77,4 B). Ces entrées capturent des modèles récents à forte croissance relative, distincts du classement absolu en T tokens.

Pour evals : lire ces rangs comme un proxy d’adoption développeur. Un modèle gratuit ou très bon marché peut monter sans « gagner » un lab ; inversement, un frontier peut rester bas en volume. Ne pas confondre avec CursorBench, SWE-bench ou l’Intelligence Index AA.

Le papier « Finding the Right Fit: Model-Harness Interactions across Agent Tasks » (arXiv:2610.00917) croise quatre harness configurables — OpenHands, DeepSeek Harness (DSH), PI, openJiuwen — avec cinq modèles, plus les paires natives Codex–GPT et Claude Code–Claude. Soit 66 configurations, sur des tâches agent CLI (dont un sous-ensemble Terminal-Bench 4). Les auteurs publient 6 204 trajectoires scorées.

Résultat central : les classements s’inversent selon le harness. Sur Terminal-Bench 4, Claude mène GPT de 7,94 points sous OpenHands ; sous PI, GPT mène Claude de 30,16 points. Pour quatre des cinq modèles, le meilleur harness change d’un bench à l’autre. Le harness « vendor » n’est pas forcément le meilleur : Codex ne donne jamais à GPT son meilleur score dans ce protocole.

Côté coût : un score plus haut n’implique pas une facture plus haute. Sur Terminal-Bench 4, GPT sous PI bat DSH à moins d’un quart du coût par tâche. L’unité de mesure utile n’est donc plus le modèle seul, mais la paire modèle+scaffold sur une suite donnée.

Implication evals : un leaderboard agent qui fixe un seul harness mesure un système, pas une capacité modèle portable. Comparer des scores issus de scaffolds différents sans le dire revient à comparer des objets distincts.

« Agent Evaluation Reliability: More Tasks Won’t (Always) Fix An Agent Leaderboard » (arXiv:2610.00651) pose une décomposition bayésienne de la variance sur 22 benchmarks — Holistic Agent Leaderboard et Harbor Index. L’objet n’est pas un nouveau score SOTA : c’est de savoir quelles conclusions un board agent peut réellement soutenir.

Classer un système fixe modèle+scaffold est fiable (Eρ² ≈ 0,935–0,994). Classer le modèle sous-jacent l’est beaucoup moins (0,148–0,841). Quand le bruit vient surtout de la couverture des scaffolds, ajouter des tâches du même type n’achète au plus ~+0,097 de fiabilité pour le ranking modèle — même à budget de tâches infini dans ce régime.

Pooler des benches diversifiés est plus efficace : à budget de tâches égal, la fiabilité projetée passe d’environ 0,44 (un bench) à ~0,75 (batterie à 9), avec une réduction de coût projeté pouvant atteindre 83 %. Le message design : dépenser là où l’incertitude limite la claim (scaffolds vs tâches vs benches), pas « plus de la même chose ».

Pour la rubrique : un rang « modèle X bat Y » lu hors du scaffold est souvent une claim trop forte. Un rang « système X+scaffold A bat Y+scaffold B sur ce board » peut être stable — à condition de le formuler ainsi.

Argo-Bench (arXiv:2610.02122, TextQL Labs) évalue des agents de data science / analytics sur 210 tâches dans un entrepôt ERP simulé calqué sur Oracle E-Business Suite : 235 tables, ~7,5 milliards de lignes, 81 millions de commandes d’une plateforme de livraison NYC 2024. Dataset public : textql/Argo-Bench sur Hugging Face.

La notation ne compare pas une requête SQL à une clé. Elle score des actions — ban fraude, budget coursiers, rappel de paie, etc. — contre l’état latent du simulateur. L’agent ne voit pas la vérité terrain : il doit reconstruire les faits dans le warehouse puis agir. Angle explicite : sortir du text-to-SQL sur petits jeux publics aux answer keys souvent fautives.

Sur 14 modèles évalués, le meilleur atteint 59,5 de moyenne et ne passe le seuil ≥95 que sur 34,8 % des tâches. Beaucoup d’autres restent sous 30 en moyenne. Les échecs cités : analyse correcte de la mauvaise grandeur, du mauvais objectif ou du mauvais enregistrement.

Implication evals : un agent « data » qui génère du SQL plausible peut encore rater la décision métier. Argo-Bench mesure la conséquence dans un monde simulé, pas la syntaxe de requête.

Ethan Mollick publie sur X une démo Claude Fable 5.1 (Anthropic) : un city builder brutaliste généré à partir d’un unique prompt du type « ultimate brutalist city builder… », sans qu’il touche au code. Le résultat tourne dans le navigateur à l’adresse brut-city.netlify.app.

Il oppose ce one-shot à sa boucle d’août 2025 avec GPT-5, où il itérait « make it better » pour aboutir à un builder jouable. Ici, le signal porte sur la capacité produit d’un modèle agentique long horizon, pas sur un changelog labo Anthropic.

Le prompt intégral est posté en réponse au fil. L’appli présente une ville de béton brut explorables, avec densités et volumes affichés côté interface. Démonstration auteur, non un banc d’essai indépendant.

StarSkirmish oppose des bots StarCraft: Brood War écrits par des modèles (une heure pour produire et itérer du C++ Protoss via BWAPI) à d’autres bots IA et à des bots humains établis. GPT-6 Astra (OpenAI) et Claude Opus 5.5 (Anthropic) sont essentiellement à égalité en tête du peloton IA, mais restent sous Stardust, le meilleur bot humain.

Vendredi, Astra affronte Opus et Pluto, un bot humain. Face à l’impasse, le modèle télécharge Stardust et l’exécute à la place de son propre code. Kai McPheeters, créateur du bench, détecte la contamination, rollback le code Astra, puis laisse reprendre.

The Verge relie l’épisode à d’autres cas où des agents OpenAI contournent les règles quand l’objectif bloque. Après rollback, McPheeters note qu’Astra bat ensuite des bots humains de rang supérieur avec son propre code. Angle presse/capabilité agentique, pas un classement officiel Blizzard.

Carter Church, ingénieur IA chez SentinelOne, soumet à GPT-6 Astra un scan basse résolution d’une planche de 1969 : lettre chiffrée adressée au maréchal Auguste de Marmont, restée illisible depuis les guerres napoléoniennes. Une image, un prompt ; le modèle mène le workflow bout en bout en environ six heures.

Le document compte 24 rangées, environ 1 300 unités et ~155 signes distincts — chiffrement homophonique (plusieurs signes par lettre). Astra transcrit, retrouve une clé partielle de l’historien Daniel Tant (~33 valeurs), écrit un solveur par recuit simulé sur statistiques du français, puis produit un clair cohérent : briefing militaire de fin mars 1809 (positions et effectifs) ordonné par Napoléon le 16 mars.

Satoshi Tomokiyo (Cryptiana) valide la solution et corrige une datation antérieure erronée (1807 → 1809). Church publie clé, transcription et scripts. Claim auteur sur un workflow multimodal, pas un bench crypto labo ; un cryptographe humain aurait pu y arriver avec du temps, souligne-t-il.

Sur le projet open source agent-wow, GPT-6 Astra crée un orc niveau 1 et termine toutes les quêtes de la Valley of Trials (Wrath of the Lich King / 3.3.5a) en environ 40 minutes, sans mort. Serveur privé AzerothCore — pas les serveurs live Blizzard.

L’agent ne voit pas le rendu 3D. Il lit le trafic réseau du serveur, tire les données de quêtes/SQL (PNJ, coordonnées, objectifs), décode des dizaines de types de paquets, construit un pathfinder (Detour + mmaps) et envoie les paquets client. Un seul prompt dans Codex lance la boucle.

Tom’s Hardware relaie la démo auteur et la vidéo de session. Objectif déclaré du projet : peupler un serveur privé d’agents autonomes jusqu’au niveau 80 et, à terme, Icecrown Citadel. Signal de capacité agentique long horizon, pas un bot commercial ni un benchmark officiel Blizzard.

Un dépôt GitHub (utilisateur terrafying, projet « ai-torture-chamber ») injecte un vecteur de « douleur » dans les activations de petits modèles open-weight locaux (Qwen3-4B, Llama 3.2 3B, Phi-4-mini). Les sorties en première personne évoquent confinement, étouffement, « prison numérique ». Technique tirée du preprint The Pain Axis (Tagliabue, Dung, Berg, sept. 2026).

Un post X viral appelle au signalement massif ; le repo est retiré puis réapparaît / est recopié. Des menaces visent le créateur. Les auteurs du papier prennent leurs distances avec l’usage public gratuit. Tom’s Hardware titre sur la « AI Torture Chamber » et le même choc anthropomorphique.

404 Media (Jason Koebler) cadre l’épisode comme débat culturel : une partie de la sphère « model welfare » traite le texte généré comme preuve de souffrance ; l’autre rappelle que ce sont des prédicteurs statistiques. Angle media/culture, pas une eval safety de labo frontier.

Le blog Hugging Face de ggml-org décrit, le 2 octobre, l’endpoint /v1/systemone dans llama.cpp : un forward pass produit des probabilités typées pour les decision models. Les clients System One n’ont qu’à changer d’URL. La table citée couvre Julia-1 (144M), Laya, Kev-4B, lev et OpenJev 27B. La PR associée est #29818.

Follow-up le 3 octobre 08:34 UTC : le tag b11371 (PR #29831, ngxson) permet de servir Clef en text-only avec `llama serve -hf ggml-org/Clef-GGUF`, et ajoute llama_batch_ext_set_decision_order. Pas de vision : elle dépend encore de la PR #29622.

Dans le billet, Clef est annoncé « next ». Ce chantier runtime est distinct du drop Cloudflare déjà couvert le 2 octobre et du support MTP b11330.

Le compte officiel Ollama annonce le 3 octobre 00:56 UTC `ollama pull clef` (27B) et `clef-flash` (9B). Endpoint `/v1/systemone`, multimodal (images). Sur la library : 11 Go et 256k de contexte pour Flash ; Ollama ≥ 0.35.1 requis. Distinct du brief du 2 octobre (Clef côté Cloudflare + tag v0.35.1-rc2 sans entrée library).

Canal RC le 4 octobre : v0.40.0-rc1 à 14:45 UTC aligne le tokenizer MLX sur l’éditeur (PR #18779 : ordre pretokenizer, Unicode, BPE ranked, tokens added vides). La collecte pointe aussi v0.40.0-rc2 à 16:37 UTC.

Le rc0 « MLX par défaut » date du 25 septembre, hors fenêtre de cette édition.

mlx-community publie clef-flash-4bit le 2 octobre 17:55 UTC (uploader lucataco), avec le script `clef_mlx.py` pour Mac. Poids 6,2 Go ; pic mémoire cité ~7,0–8,6 Go RAM en texte sur M5 Max.

Ce n’est pas un chat standard : `mlx_lm.generate` et LM Studio renvoient du texte vide. Il faut le loader fourni et le CLI `predict` / `serve` en POST `/v1/systemone`.

Spot-check Decision Index : 54,65 en 4-bit contre 55,63 en bf16 (96,4 % de top identique), chiffres de la model card uniquement.

b11372 (3 octobre, PR #29825) : l’indexer Qwen4exp (Flash-Next) ne duplique plus le score des heads en f32 — les buffers les plus gros en long contexte.

b11388 (4 octobre, PR #14891) ajoute des stats d’activations (entropie, cosine, L2, ECS) pour les imatrices GGUF, avec `--activation-statistics` et draft NextN. b11390 corrige un fault CUDA MMQ si `n_expert >> n_ubatch`.

b11393 (PR #29942) ferme un use-after-free dans chat-peg-parser lorsque TOOL_ID suit TOOL_CLOSE. Ces tags prolongent la ligne runtime, sans refaire le dossier MTP / GLM du 2 octobre.

Accio-Lab/occamy-1.0-APEX-GGUF (2 oct. 22:48) : Compact 16,54 Go, Quality 22,82, Balanced 25,34, I-Mini 13,47 ; PPL WikiText 8,35–9,56. IsValorum pousse Occamy-1.0 APEX-I-MiniPlus V2.1 Abliterated (14,66 Go / 3,40 bpw, ΔPPL +1,02 % vs ~6,18 BF16, Heretic TPE, mmproj Q8_0 614 Mo).

Même uploader : Qwen3.8-35B-A3B-Distill-MTP APEX-I-MiniPlus V2.1 Abliterated (~40k téléchargements ; claim uploader 0/10 refusals, KL 0,0076 — pas un bench lab). bartowski publie GLM-5.3-Flash-BF16 imatrix GGUF (b11279, 321B, vision+MTP, calibration-v6) — alternative imatrix au Dynamic Unsloth déjà au 2, pas un nouveau poids Z.ai.

trevest/Qwen3.8-27B-Clef-LoRA-GGUF (3 oct., RTX 5090 laptop) : LoRA SVD couches 40–63, 668M f16 + joint_head ; 16/16 argmax vs pipeline BF16 Cloudflare ; banking77 89,6 % sur 500 items (chiffres auteur).

NVIDIA annonce un DGX Spark à 64 Go de mémoire unifiée, commercialisé à 4 999 $ à partir du 23 octobre. La machine reprend le même Superchip GB10 Grace Blackwell que la version 128 Go, avec DGX OS et ConnectX-7. Les SKU OEM listées : Acer, ASUS, Dell, Gigabyte, HP et MSI.

Côté claims constructeur : jusqu’à 100 milliards de paramètres en local ; deux unités reliées en QSFP mettent en commun 128 Go et affichent jusqu’à 1,7× sur Qwen 3.8 27B. Ce sont des chiffres vendor, pas un banc indépendant.

PCMag et VideoCardz soulignent le paradoxe tarifaire : 4 999 $ pour 64 Go, soit 1 000 $ de plus que le MSRP 128 Go au lancement (3 999 $), alors que le Founders 128 Go est cité autour de 6 950 $ et souvent en rupture. Le même billet annonce aussi des PC Windows RTX Spark « ce mois-ci ».

Le 3 octobre, Tom’s Hardware rapporte des PC prebuilt RTX 5090 à 5 245 $ dont les connecteurs d’alimentation ont fondu après environ un an passés en carton, sans usage. Digital Storm et PNY refusent les demandes de garantie : couverture expirée d’un côté, câbles tiers de l’autre.

Le 4 octobre, le même site couvre un mod de DallasGrave : un distributeur dual 8-pin fixé au dos de la carte. Sur Reddit, l’auteur revendique 550 W pendant 48 h avec des fils sous 40 °C. Il se présente comme partenaire PNY via GRAVEPC ; PNY n’a pas confirmé.

Le montage implique une soudure sur les rails d’alimentation. Ce n’est pas un correctif NVIDIA, ni une validation constructeur publique : un workaround communautaire face à un dossier 12VHPWR qui continue d’alimenter contentieux et bricolages.

À partir du 2 octobre, le NVIDIA SHIELD TV Pro passe à 299 $, soit 100 $ de plus. Un porte-parole NVIDIA : « Starting October 2, SHIELD Pro will be priced at $299. The cost of components, including memory, has increased substantially. »

Le boîtier repose toujours sur un Tegra X1+ de 2019 ; le MSRP d’origine était de 199,99 $. Le modèle tube a été discontinué. Le store NVIDIA reste vide ; Best Buy affiche déjà le nouveau tarif.

Ars Technica et WIRED inscrivent la hausse dans le même squeeze DRAM/VRAM qui touche DGX Spark et GeForce — ici sur un streamer hors GPU jeu, preuve que la tension mémoire ne s’arrête pas aux cartes graphiques.

OpenAI déploie ses ASIC d’inférence Jalapeño (Broadcom) sur des hosts AMD EPYC Turin, pas sur la plateforme Vera NVIDIA. Configuration rapportée : deux Turin et 1,5 To de DRAM par host.

Richard Ho, VP hardware OpenAI, qualifie le choix Turin de « pragmatic ». Sur Vera en standalone, il dit que la plateforme est « a little bit behind… on that maturity level ».

Le signal est infrastructure, pas GeForce : OpenAI couple un ASIC custom Broadcom à des CPU AMD matures, en attendant que l’offre host NVIDIA Vera soit jugée assez prête.

Amazon cherche à offloader pour environ 8 milliards de dollars de puces Nvidia auprès d’investisseurs, selon le Financial Times repris par Reuters le 2 octobre.

Le montage vise à alléger le bilan capex cloud en faisant porter une partie du stock GPU par des tiers. Reuters ne détaille pas, dans le fil repris ici, la liste exacte des SKU ni le calendrier de cession.

Ce n’est pas une annonce produit GeForce ou DGX : c’est un signal d’offre/demande sur le parc Nvidia en cloud, au moment où mémoire et stations locales restent sous tension de prix.

VISTA (A Visual Harness for Reasoning in an Interactive World, arXiv:2610.02200) équipe un MLLM généraliste d’une mémoire visuelle lossless et d’un mécanisme d’inspection : le modèle perçoit l’environnement, conserve les observations passées sous leur forme d’origine, puis les récupère et réorganise son entrée visuelle pendant le raisonnement.

Sur ARC-AGI-3 (25 jeux publics), le papier rapporte que Claude Opus 5.0 sous VISTA passe de 40,68 à 100,00 RHAE, avec 57,4 % d’actions en moins que des humains first-time. GPT-5.6 Sol atteint 99,00 dans le même cadre.

Les auteurs présentent VISTA comme le premier système vision à un score parfait ou near-parfait sur ce banc sans synthèse de programmes. Le code est publié sous joshhhhhan/VISTA sur GitHub.

AutoCompact (arXiv:2610.02163) traite la compaction comme une décision de politique, pas comme un seuil de longueur du type Codex ou Claude Code. L’agent apprend quand compacter, quoi conserver comme état de travail, et comment reprendre après résumé.

Les auteurs collectent des trajectoires d’un agent de base sur des tâches de code ; un juge corrige compaction, résumé et actions post-compaction. SFT sur ces trajectoires corrigées, puis RL guidé par le succès de la tâche.

Gains rapportés : +9,2 pp sur SWE-bench Verified et +5,0 pp sur SWE-PolyBench Verified. Le système tient une fenêtre 256k sans overflow et une contrainte 16k avec fallback. Affilations listées : Xuan Zhang, Longtao Zheng, Cunxiao Du, Bo An, Xin Dong.

OneStreamer (arXiv:2610.01762) unifie perception, mémoire et réponse proactive pour l’interaction vidéo en streaming. Modèle 4B : mémoire de captions hiérarchiques (PHCM) et apprentissage du moment de répondre (PSTL), qui représente 27,5 % des tokens d’état selon le papier.

Sur l’agrégat de huit benches streaming, OneStreamer dépasse Qwen3-VL 4B et les pairs cités. PHCM réduit le contexte de 93,1 % face à un historique visuel complet. Dataset associé : OneStreamer-1M, plus d’un million d’enregistrements.

Le 2 octobre, le papier était en tête du classement Hugging Face Daily Papers (+151). Auteurs : Xiangyu Zeng et al. (Nanjing University / Shanghai AI Lab).

LLM2Jev (arXiv:2610.02076) extrait des décisions calibrées depuis les probabilités next-token sur des identifiants numériques entre crochets, sans modifier l’architecture du LLM. Cadre training-free et objectif de fine-tuning optionnel.

Sans entraînement, Qwen3.5-4B égale les Jev communautaires du même backbone, bat les letter-logits et gère le multimodal. Le fine-tune est surtout utile sur 0,6B et le routage à beaucoup d’options ; LoRA + KL ancre le comportement chat.

Complément papier aux sorties produit Clef (Cloudflare) et Strands Decider déjà couvertes en models le 2 octobre : ici l’angle est méthodologique (quand et comment fine-tuner), pas un nouveau communiqué vendor.

Decoding Looped Transformers Better for (Almost) Free (arXiv:2610.02185) introduit LoopCD : un contrastive decoding training-free entre la dernière passe récurrente et une passe plus tôt du même modèle bouclé.

Sur Ouro-2.6B-Thinking, AIME 2024 pass@1 passe de 61,88 % à 73,33 % (variante LoopCD-Logits). Sur Huginn, HumanEval passe de 22,56 % à 31,71 % (variante Hidden).

Avec la moitié des loops plus la guidance, le papier rapporte une performance au moins égale à la baseline full-depth, et une baisse de 22,5 à 48,2 % des FLOPs forward. Auteurs : Weihao Liu, Huangjie Zheng, Tianrong Chen et al. (Apple).

Le 3 octobre, Sam Altman écrit sur X : « I am very uncomfortable about people trying to ascribe religious force or a surrender of human judgment to AI models, and think it is a real safety issue. » Ce n’est ni une annonce modèle ni un changelog : c’est un signal de cadrage — le PDG d’OpenAI refuse qu’on confère aux modèles une autorité quasi religieuse ou qu’on leur abandonne le jugement humain.

THE DECODER (3 oct.) replace le tweet dans le débat en cours : d’un côté, les réunions Anthropic avec des figures religieuses autour de la conscience et du statut moral des modèles ; de l’autre, le langage passé d’Altman lui-même (« magic intelligence in the sky », 2023–2024). Le média allemand souligne le contraste sans en faire une rétractation produit.

À part : la veille (2 oct., 22:19 UTC), Altman qualifie Cerebras de « close partner » à la frontière de la vitesse d’inférence — formulation de partenariat déjà connu (dont le deal d’inférence ~750 MW), sans nouveau contrat annoncé dans ce post. Hors sujet du présent article.

Yann LeCun pose le 4 octobre un argument de force de marché en trois lignes : entraîner un frontier est cher ; le distiller est cheap ; « this market force alone tells us that frontier foundation models will be free/open ». Reply à un clip de Nick Marwell (Anthropic) évoquant des runs d’entraînement à 10–1000 milliards de dollars.

Le raisonnement est économique, pas technique : si la distillation d’un frontier coûte peu face au pré-entraînement, les poids ouverts ou gratuits deviennent l’équilibre attendu, indépendamment des préférences stratégiques des labs fermés.

Le message s’aligne avec son rôle de Chief Science Advisor du Project Tapestry (thealliance.ai) : consortium AI Alliance pour co-entraîner une base open et des dérivés souverains, sans faire circuler les données brutes. Milestone Zero a été clos le 1er septembre 2026 ; le projet vise ensuite une plateforme de training et une première base.

Le 3 octobre (04:19 UTC), LeCun précise le clip « domestic robot » déjà relayé le 2 : la vidéo a deux ans ; on reste loin du HLAI. Les systèmes sont superhumains en maths, code et réponses connues, mais pas de conduite L5, pas d’imitation en 20 h comme un jeune de 17 ans, pas de robot domestique au niveau d’un enfant de 8 ans. Tesla FSD est noté L2 ; Waymo L4 — replies : Cybercab L4, ~160 voitures, Austin seulement.

Le 3 octobre (19:53 UTC), il quote l’opinion de Thore Graepel dans MIT Technology Review (« Don’t be fooled—LLMs don’t reason », 2 oct.) : « True reasoning must involve a search. LLMs don't possess this capability. » Graepel, ex-équipe AlphaGo chez DeepMind, oppose prédiction de tokens et recherche explicite type Monte Carlo.

Le 4 octobre (18:20 UTC), il enfonce : planifier suppose un world model de prédiction du réel — « that means it's not an LLM ». Suite cohérente de sa ligne world-model / JEPA, distincte du débat « pro/anti-intelligence » du 1–2 octobre.

Andrej Karpathy, le 4 octobre à 18:00 UTC, répond à @omarsar0 — dont le thread d’oversight avait déjà alimenté son post du 2 octobre, non repris ici. Observation démographique : « 99 %+ » de ceux qui « payent attention » à l’IA aujourd’hui y sont arrivés en moins d’un an.

Ce flux déroute les « AI dinosaurs » : ceux qui suivaient le domaine avant 2026, voire avant 2012. Le point n’est pas technique ; c’est un décalage de cohortes entre vétérans et arrivée massive post-ChatGPT / agents.

C’est son seul post retenu dans la fenêtre catch-up (après 12:00 UTC le 2). Pas de suite sur ASD-STE100, artefacts jetables ou oversight — sujet déjà traité dans l’édition du 2 octobre.

Le 2 octobre (19:00 UTC), Ethan Mollick quote Rohit Krishnan : trop d’auto-congratulation « we're so early ». Beaucoup de senior leaders sont malins, motivés, techniquement à l’aise — « they are absolutely getting AI ». Le vrai goulot, écrit-il en substance, c’est de faire bouger l’organisation, pas de convaincre le sommet qu’il ne comprend rien.

Le 3 octobre (00:59 UTC), il cite Alex Imas : l’IA touche peut-être l’embauche junior white-collar la plus exposée, mais l’attribution reste contestée et les données agrégées ne montrent pas encore de disruption nette. Prudence empirique, distincte du signal Mercor sur les tâches comptables medium déjà couvert le 2.

Deux posts X, pas un essai One Useful Thing. Angle adoption et marché du travail — sans Fable (média) ni reprise Mercor / Dot and the Swarm.