The Neuron Times — Dimanche 21 juin 2026

À la Une · Mouvement majeurFront Page · Major MoveSchlagzeilen · Grosser WechselPrima pagina · Movimento importanteIn prima pagina · Moviment magior

John Jumper quitte DeepMind pour Anthropic, un transfert qui secoue la recherche en IAJohn Jumper Leaves DeepMind for Anthropic, a Move That Shakes AI ResearchJohn Jumper verlässt DeepMind für Anthropic – ein Wechsel, der die KI-Forschung erschüttertJohn Jumper lascia DeepMind per Anthropic, un trasferimento che scuote la ricerca sull'IAJohn Jumper el lassa DeepMind per andà de Anthropic, on trasferiment che 'l scoeud la ricerca in IA

Le prix Nobel de chimie John Jumper quitte Google DeepMind pour rejoindre Anthropic, marquant un tournant dans la compétition pour les talents entre les deux géants de l'IA.Nobel Prize-winning chemist John Jumper leaves Google DeepMind to join Anthropic, marking a turning point in the competition for talent between the two AI giants.Der Chemie-Nobelpreisträger John Jumper verlässt Google DeepMind, um zu Anthropic zu wechseln – ein Wendepunkt im Wettbewerb um Talente zwischen den beiden KI-Giganten.Il premio Nobel per la chimica John Jumper lascia Google DeepMind per unirsi ad Anthropic, segnando una svolta nella competizione per i talenti tra i due giganti dell'IA.El premi Nobel de chimica John Jumper el lassa Google DeepMind per andà de Anthropic, marchend on svolt in la competizion per i talent in tra i duu gigant de l'IA.

De la rédaction — 21 juin 2026From the editorial desk — 21 June 2026Von der Redaktion — 21. Juni 2026Dalla redazione — 21 giugno 2026De la redazzion — 21 giugno 2026

Le prix Nobel de chimie 2024 John Jumper, figure centrale du développement d'AlphaFold chez DeepMind, quitte le laboratoire londonien pour rejoindre Anthropic, a révélé TechCrunch le 20 juin 2026. Jumper, qui a dirigé l'équipe à l'origine de la prédiction de structure des protéines, devient le chercheur le plus en vue à franchir le pas entre les deux rivaux de la côte Ouest. Son départ intervient dans un contexte de recomposition accélérée des talents entre Google DeepMind et Anthropic.2024 Nobel Prize in Chemistry winner John Jumper, the central figure behind AlphaFold at DeepMind, is leaving the London laboratory to join Anthropic, as TechCrunch reported on 20 June 2026. Jumper, who led the team behind protein structure prediction, becomes the most prominent researcher to cross the divide between the two West Coast rivals. His departure comes amid an accelerated reshuffling of talent between Google DeepMind and Anthropic.Der Nobelpreisträger für Chemie 2024, John Jumper, zentrale Figur bei der Entwicklung von AlphaFold bei DeepMind, verlässt das Londoner Labor und wechselt zu Anthropic, wie TechCrunch am 20. Juni 2026 berichtete. Jumper, der das Team hinter der Proteinstrukturvorhersage leitete, wird zum prominentesten Forscher, der zwischen den beiden Rivalen an der Westküste wechselt. Sein Abgang erfolgt in einem Kontext beschleunigter Talentverschiebungen zwischen Google DeepMind und Anthropic.Il premio Nobel per la chimica 2024 John Jumper, figura centrale dello sviluppo di AlphaFold in DeepMind, lascia il laboratorio londinese per unirsi ad Anthropic, come rivelato da TechCrunch il 20 giugno 2026. Jumper, che ha guidato il team all'origine della predizione della struttura delle proteine, diventa il ricercatore più in vista a compiere il passo tra i due rivali della Costa Occidentale. La sua partenza avviene in un contesto di accelerata ricomposizione dei talenti tra Google DeepMind e Anthropic.El premi Nobel de chimica 2024 John Jumper, figura centrala del desvilupp de AlphaFold in DeepMind, el lassa el laboratori londines per andà de Anthropic, come l'ha revelaa TechCrunch el 20 de giugn 2026. Jumper, che l'ha dirigiu l'equip a l'origin de la prevision de struttura di proteinn, el deventa el ressearcher pussee in vista a fà el pass in tra i duu rivai de la costa ovest. La soa partenza la riva in on contest de recomposizion accelerada di talent in tra Google DeepMind e Anthropic.

Jumper n'est pas le seul nom important à quitter DeepMind, précise TechCrunch, sans détailler la liste complète des départs. Le chercheur britannique rejoint une entreprise qui a multiplié ses efforts de recrutement ces derniers mois, capitalisant sur la dynamique commerciale de Claude et les levées de fonds records — Anthropic a notamment reçu un investissement de 50 milliards de dollars d'Amazon plus tôt en 2026. Chez Anthropic, Jumper devrait contribuer à la recherche fondamentale en IA, un domaine où le laboratoire fondé par Dario Amodei investit massivement.Jumper is not the only major name leaving DeepMind, TechCrunch reports, without detailing the full list of departures. The British researcher joins a company that has stepped up its recruitment efforts in recent months, capitalizing on the commercial momentum of Claude and record fundraising rounds — Anthropic notably received a $50 billion investment from Amazon earlier in 2026. At Anthropic, Jumper is expected to contribute to fundamental AI research, an area where the laboratory founded by Dario Amodei is investing heavily.Jumper ist nicht der einzige bedeutende Name, der DeepMind verlässt, präzisiert TechCrunch, ohne die vollständige Liste der Abgänge zu nennen. Der britische Forscher stösst zu einem Unternehmen, das seine Rekrutierungsbemühungen in den letzten Monaten vervielfacht hat, und profitiert von der kommerziellen Dynamik von Claude sowie von Rekordfinanzierungsrunden – Anthropic erhielt unter anderem eine Investition von 50 Milliarden Dollar von Amazon Anfang 2026. Bei Anthropic soll Jumper zur Grundlagenforschung in der KI beitragen, einem Bereich, in den das von Dario Amodei gegründete Labor massiv investiert.Jumper non è l'unico nome importante a lasciare DeepMind, precisa TechCrunch, senza dettagliare la lista completa delle partenze. Il ricercatore britannico si unisce a un'azienda che ha moltiplicato i suoi sforzi di reclutamento negli ultimi mesi, capitalizzando sulla dinamica commerciale di Claude e sui round di finanziamento record — Anthropic ha infatti ricevuto un investimento di 50 miliardi di dollari da Amazon all'inizio del 2026. In Anthropic, Jumper dovrebbe contribuire alla ricerca fondamentale sull'IA, un settore in cui il laboratorio fondato da Dario Amodei investe massicciamente.Jumper l'è no l'ùnegh nom important a lassà DeepMind, el precisa TechCrunch, senza detalià la lista completa di partenz. El ressearcher britannegh el riva in ona azienda che l'ha moltiplicaa i sò sforz de reclutament in di ultim mes, capitalizzand in su la dinamica comercial de Claude e i levad de fond record — Anthropic l'ha ricevuu on investiment de 50 miliard de dollar de Amazon pussee a l'inizzi del 2026. De Anthropic, Jumper el dovaria contribuì a la ricerca fondamental in IA, on domini indè che 'l laboratori fondaa de Dario Amodei l'investiss in manera massiccia.

Ce transfert illustre la guerre des talents qui fait rage entre les grands laboratoires d'IA frontière. DeepMind, qui a perdu plusieurs chercheurs de premier plan ces derniers mois, voit partir l'un de ses plus grands symboles de réussite scientifique. Pour Anthropic, l'arrivée de Jumper renforce considérablement sa crédibilité académique et sa capacité à attirer d'autres chercheurs de haut niveau. La nouvelle a été largement commentée sur Hacker News, où le projet Fetch Phase Two d'Anthropic a également suscité l'attention de la communauté.This transfer illustrates the war for talent raging among the major frontier AI laboratories. DeepMind, which has lost several leading researchers in recent months, is seeing one of its greatest symbols of scientific achievement depart. For Anthropic, Jumper's arrival significantly strengthens its academic credibility and its ability to attract other top-tier researchers. The news has been widely discussed on Hacker News, where Anthropic's Fetch Phase Two project has also drawn the community's attention.Dieser Wechsel verdeutlicht den erbitterten Kampf um Talente zwischen den grossen KI-Frontier-Labors. DeepMind, das in den letzten Monaten mehrere Spitzenforscher verloren hat, sieht einen seiner grössten Symbole wissenschaftlichen Erfolgs gehen. Für Anthropic stärkt die Ankunft Jumpers erheblich die akademische Glaubwürdigkeit und die Fähigkeit, weitere hochkarätige Forscher anzuziehen. Die Nachricht wurde auf Hacker News breit diskutiert, wo auch Anthropics Projekt Fetch Phase Two die Aufmerksamkeit der Community auf sich zog.Questo trasferimento illustra la guerra dei talenti che infuria tra i grandi laboratori di IA di frontiera. DeepMind, che ha perso diversi ricercatori di primo piano negli ultimi mesi, vede partire uno dei suoi più grandi simboli di successo scientifico. Per Anthropic, l'arrivo di Jumper rafforza considerevolmente la sua credibilità accademica e la sua capacità di attrarre altri ricercatori di alto livello. La notizia è stata ampiamente commentata su Hacker News, dove il progetto Fetch Phase Two di Anthropic ha anche suscitato l'attenzione della comunità.Sto trasferiment chì l'ilustra la guerra di talent che la fa rabia in tra i gran laboratori de IA frontiera. DeepMind, che l'ha perduu diversi ressearcher de prim pian in di ultim mes, el ved partì vun di sò pussee gran simboi de sucess scientifich. Per Anthropic, l'arrivada de Jumper la rinforza considerabilment la soa credibilità academica e la soa capacità de atirà alter ressearcher de volt nivell. La notizia l'è stada largament comentada in su Hacker News, indè che 'l proget Fetch Phase Two de Anthropic l'ha anca suscitaa l'attenzion de la comunità.

MajeurMajorGrossImportanteMagior

John Jumper quitte DeepMind pour AnthropicJohn Jumper Leaves DeepMind for AnthropicJohn Jumper verlässt DeepMind für AnthropicJohn Jumper lascia DeepMind per AnthropicJohn Jumper el lassa DeepMind per Anthropic

From the Wires —

Le prix Nobel de chimie 2024 John Jumper quitte Google DeepMind pour rejoindre Anthropic, rapporte TechCrunch le 20 juin 2026. Jumper, figure centrale d'AlphaFold, n'est pas le seul chercheur de haut niveau à quitter DeepMind récemment.

2024 Nobel Prize in Chemistry winner John Jumper is leaving Google DeepMind to join Anthropic, reports TechCrunch on 20 June 2026. Jumper, the central figure behind AlphaFold, is not the only high-profile researcher to leave DeepMind recently.

Der Nobelpreisträger für Chemie 2024, John Jumper, verlässt Google DeepMind, um zu Anthropic zu wechseln, wie TechCrunch am 20. Juni 2026 berichtet. Jumper, eine zentrale Figur bei AlphaFold, ist nicht der einzige hochkarätige Forscher, der DeepMind in letzter Zeit verlassen hat.

Il premio Nobel per la chimica 2024 John Jumper lascia Google DeepMind per unirsi ad Anthropic, riporta TechCrunch il 20 giugno 2026. Jumper, figura centrale di AlphaFold, non è l'unico ricercatore di alto livello a lasciare DeepMind recentemente.

El premi Nobel de chimica 2024 John Jumper el lassa Google DeepMind per andà de Anthropic, el reporta TechCrunch el 20 de giugn 2026. Jumper, figura centrala de AlphaFold, l'è no l'ùnegh ressearcher de volt nivell a lassà DeepMind de recent.

ProduitProductProduktProdottoProdott

Codex enregistre et rejoue les workflowsCodex Records and Replays WorkflowsCodex zeichnet Arbeitsabläufe auf und gibt sie wiederCodex registra e riproduce i workflowCodex el registra e 'l rejuga i workflows

From the Wires —

OpenAI a dévoilé « Record & Replay » pour Codex sur macOS : l'utilisateur démontre un workflow une fois, Codex le convertit en compétence réutilisable et l'exécute de manière autonome, selon The Decoder. Non disponible dans l'UE, le Royaume-Uni ni la Suisse.

OpenAI has unveiled "Record & Replay" for Codex on macOS: the user demonstrates a workflow once, Codex converts it into a reusable skill and executes it autonomously, according to The Decoder. Not available in the EU, the UK, or Switzerland.

OpenAI hat «Record & Replay» für Codex auf macOS vorgestellt: Der Benutzer führt einen Arbeitsablauf einmal vor, Codex wandelt ihn in eine wiederverwendbare Fähigkeit um und führt ihn autonom aus, so The Decoder. Nicht verfügbar in der EU, im Vereinigten Königreich und in der Schweiz.

OpenAI ha svelato « Record & Replay » per Codex su macOS: l'utente dimostra un workflow una volta, Codex lo converte in competenza riutilizzabile e lo esegue in modo autonomo, secondo The Decoder. Non disponibile nell'UE, nel Regno Unito né in Svizzera.

OpenAI l'ha desvelaa « Record & Replay » per Codex in su macOS: l'utent el dimostra on workflow ona voeulta, Codex el le convertiss in competenza doperabel de noeuv e 'l le eseguis de manera autonoma, segond The Decoder. Minga disponibel in de l'UE, al Regn Unii né in Svizzera.

Open SourceOpen SourceOpen SourceOpen SourceOpen Source

Cisco open-source FAPO pour l'optimisation de pipelinesCisco Open-Sources FAPO for Pipeline OptimizationCisco veröffentlicht FAPO als Open Source zur Pipeline-OptimierungCisco open-source FAPO per l'ottimizzazione di pipelineCisco l'open-sorcia FAPO per l'ottimizzazion de pipeline

From the Wires —

Cisco Foundation AI a open-sourcé FAPO, un optimiseur autonome de pipelines LLM multi-étapes piloté par Claude Code. Il bat le baseline GEPA dans 15 des 18 comparaisons modèle-benchmark, avec un gain moyen de +14,1 points de pourcentage.

Cisco Foundation AI has open-sourced FAPO, an autonomous multi-step LLM pipeline optimizer powered by Claude Code. It beats the GEPA baseline in 15 out of 18 model-benchmark comparisons, with an average gain of +14.1 percentage points.

Cisco Foundation AI hat FAPO als Open Source veröffentlicht, einen von Claude Code gesteuerten autonomen Optimierer für mehrstufige LLM-Pipelines. Er schlägt die GEPA-Baseline in 15 von 18 Modell-Benchmark-Vergleichen mit einem durchschnittlichen Gewinn von +14,1 Prozentpunkten.

Cisco Foundation AI ha open-sourcato FAPO, un ottimizzatore autonomo di pipeline LLM multi-fase guidato da Claude Code. Supera il baseline GEPA in 15 dei 18 confronti modello-benchmark, con un guadagno medio di +14,1 punti percentuali.

Cisco Foundation AI l'ha open-sorciad FAPO, on ottimizzator autonom de pipeline LLM multi-pass guidaa de Claude Code. El bat el baseline GEPA in 15 di 18 confront model-benchmark, cont on guadagn medi de +14,1 pont percentual.

ÉconomieEconomyWirtschaftEconomiaEconomia

Damodaran : un krach de l'IA serait pire que le dot-comDamodaran: An AI Crash Would Be Worse Than the Dot-Com BustDamodaran: Ein KI-Crash wäre schlimmer als der Dot-Com-CrashDamodaran: un crollo dell'IA sarebbe peggiore del dot-comDamodaran: on krach de l'IA el saria pesgior del dot-com

From the Wires —

Le professeur de finance de NYU Aswath Damodaran prévient qu'un krach de l'IA serait plus douloureux que l'éclatement du dot-com, l'industrie construisant des infrastructures physiques massives financées par la dette, rapporte The Decoder.

NYU finance professor Aswath Damodaran warns that an AI crash would be more painful than the bursting of the dot-com bubble, as the industry builds massive physical infrastructure financed by debt, reports The Decoder.

Der NYU-Finanzprofessor Aswath Damodaran warnt, dass ein KI-Crash schmerzhafter wäre als das Platzen der Dot-Com-Blase, da die Industrie massive, fremdfinanzierte physische Infrastrukturen aufbaue, wie The Decoder berichtet.

Il professore di finanza della NYU Aswath Damodaran avverte che un crollo dell'IA sarebbe più doloroso dello scoppio del dot-com, l'industria costruendo infrastrutture fisiche massicce finanziate dal debito, riporta The Decoder.

El professor de finanza de NYU Aswath Damodaran el preven che on krach de l'IA el saria pussee doloros de l's-ciopada del dot-com, l'industria la costruiss di infrastruttur fisich massiv finanziad del debit, el reporta The Decoder.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — À la UneFront PageTitelgeschichteIn Primo PianoA la Vuna

I. OpenAI : Codex, revenus et assistant personnelOpenAI: Codex, Revenue, and Personal AssistantOpenAI: Codex, Umsatz und persönlicher AssistentOpenAI: Codex, ricavi e assistente personaleOpenAI: Codex, revenuu e assistent personal

OpenAI

Codex peut désormais enregistrer et rejouer des workflowsCodex Can Now Record and Replay WorkflowsCodex kann Arbeitsabläufe aufzeichnen und wiedergebenCodex può ora registrare e riprodurre workflowCodex el pò adess registrà e rejugà i workflows

OpenAI a dévoilé le 20 juin 2026 la fonctionnalité « Record & Replay » pour son application Codex sur macOS, rapporte The Decoder. L'outil permet aux utilisateurs de démontrer un workflow une seule fois — Codex l'enregistre, le convertit en « compétence » réutilisable, puis l'exécute de manière autonome. La fonction n'est pas encore disponible dans l'UE, au Royaume-Uni ni en Suisse. Cette avancée transforme Codex d'un assistant de codage en un véritable automate de tâches répétitives, capable d'apprendre par démonstration unique.

OpenAI unveiled the "Record & Replay" feature for its Codex application on macOS on 20 June 2026, reports The Decoder. The tool allows users to demonstrate a workflow once — Codex records it, converts it into a reusable "skill," and then executes it autonomously. The feature is not yet available in the EU, the UK, or Switzerland. This advancement transforms Codex from a coding assistant into a true automator of repetitive tasks, capable of learning from a single demonstration.

OpenAI hat am 20. Juni 2026 die Funktion «Record & Replay» für seine Codex-Anwendung auf macOS vorgestellt, wie The Decoder berichtet. Das Tool ermöglicht es Nutzern, einen Arbeitsablauf einmal vorzuführen – Codex zeichnet ihn auf, wandelt ihn in eine wiederverwendbare «Fähigkeit» um und führt ihn dann autonom aus. Die Funktion ist in der EU, im Vereinigten Königreich und in der Schweiz noch nicht verfügbar. Dieser Fortschritt verwandelt Codex von einem Code-Assistenten in einen echten Automaten für wiederkehrende Aufgaben, der durch eine einzige Vorführung lernen kann.

OpenAI ha svelato il 20 giugno 2026 la funzionalità « Record & Replay » per la sua applicazione Codex su macOS, riporta The Decoder. Lo strumento permette agli utenti di dimostrare un workflow una sola volta — Codex lo registra, lo converte in « competenza » riutilizzabile, poi lo esegue in modo autonomo. La funzione non è ancora disponibile nell'UE, nel Regno Unito né in Svizzera. Questo avanzamento trasforma Codex da assistente di codifica in un vero automatizzatore di compiti ripetitivi, capace di apprendere da una singola dimostrazione.

OpenAI l'ha desvelaa el 20 de giugn 2026 la funzionalità « Record & Replay » per la soa applicazion Codex in su macOS, la reporta The Decoder. L'utensil el permet ai utent de dimostrà on workflow domà ona voeulta — Codex el le registra, el le convertiss in « competenza » doperabel de noeuv, e poeu el le eseguis de manera autonoma. La funzion l'è no anmò disponibel in de l'UE, al Regn Unii né in Svizzera. St'avanzament chì el transforma Codex de on assistent de codifega in on ver automata de compit repetitiv, bon de imparà per dimostrazion unega.

OpenAI

OpenAI triple ses revenus à 5,7 milliards de dollars au T1 2026OpenAI Triples Revenue to $5.7 Billion in Q1 2026OpenAI verdreifacht Umsatz auf 5,7 Milliarden Dollar im ersten Quartal 2026OpenAI triplica i ricavi a 5,7 miliardi di dollari nel T1 2026OpenAI la triplica i sò revenuu a 5,7 miliard de dollar al T1 2026

OpenAI a généré 5,7 milliards de dollars de revenus au premier trimestre 2026, un chiffre triplé par rapport à l'année précédente, mais a dépensé environ 3,7 milliards de dollars pour y parvenir, selon The Decoder. La rémunération en actions a représenté à elle seule plus de 2,3 milliards de dollars. Avec 73 milliards de dollars de réserves, OpenAI n'a pas besoin de capitaux frais à court terme, mais une guerre des prix avec Anthropic pourrait rapidement changer la donne.

OpenAI generated $5.7 billion in revenue in the first quarter of 2026, a figure tripled from the previous year, but spent approximately $3.7 billion to achieve it, according to The Decoder. Stock-based compensation alone accounted for more than $2.3 billion. With $73 billion in reserves, OpenAI does not need fresh capital in the short term, but a price war with Anthropic could quickly change the situation.

OpenAI erzielte im ersten Quartal 2026 einen Umsatz von 5,7 Milliarden Dollar, eine Verdreifachung gegenüber dem Vorjahr, gab dafür aber rund 3,7 Milliarden Dollar aus, wie The Decoder berichtet. Die aktienbasierte Vergütung allein belief sich auf über 2,3 Milliarden Dollar. Mit Reserven von 73 Milliarden Dollar benötigt OpenAI kurzfristig kein frisches Kapital, doch ein Preiskrieg mit Anthropic könnte die Lage schnell ändern.

OpenAI ha generato 5,7 miliardi di dollari di ricavi nel primo trimestre 2026, un numero triplicato rispetto all'anno precedente, ma ha speso circa 3,7 miliardi di dollari per ottenerlo, secondo The Decoder. La remunerazione in azioni ha rappresentato da sola oltre 2,3 miliardi di dollari. Con 73 miliardi di dollari di riserve, OpenAI non ha bisogno di capitali freschi a breve termine, ma una guerra dei prezzi con Anthropic potrebbe rapidamente cambiare le cose.

OpenAI l'ha generaa 5,7 miliard de dollar de revenuu al prim trimestre 2026, ona cifra triplicada rispett a l'ann passaa, ma l'ha spenduu circa 3,7 miliard de dollar per rivàghel, segond The Decoder. La remunerazion in azion l'ha representaa deperlee pussee de 2,3 miliard de dollar. Con 73 miliard de dollar de riserva, OpenAI la gh'ha minga besogn de capital fresch a curt termin, ma ona guerra di prezzi con Anthropic la podaria cambià prest la situazion.

OpenAI

ChatGPT se rapproche de l'assistant personnel avec des tâches planifiéesChatGPT Moves Closer to a Personal Assistant with Scheduled TasksChatGPT nähert sich mit geplanten Aufgaben dem persönlichen Assistenten anChatGPT si avvicina all'assistente personale con compiti pianificatiChatGPT el se vesina a l'assistent personal con di compit pianificaa

OpenAI améliore également les fonctionnalités de planification de ChatGPT, rapporte The Decoder le 20 juin 2026. Une nouvelle page « Scheduled » dans la barre latérale centralise toutes les tâches actives, permettant de les visualiser, mettre en pause, modifier ou supprimer. Les tâches de recherche parcourent le web et les applications connectées, n'envoyant des alertes qu'en cas de changement réel. La fonction « Pulse » précédente est retirée.

OpenAI is also enhancing ChatGPT's scheduling features, reports The Decoder on 20 June 2026. A new "Scheduled" page in the sidebar centralizes all active tasks, allowing users to view, pause, modify, or delete them. Research tasks browse the web and connected applications, sending alerts only when a real change occurs. The previous "Pulse" feature has been removed.

OpenAI verbessert zudem die Planungsfunktionen von ChatGPT, wie The Decoder am 20. Juni 2026 berichtet. Eine neue Seite «Scheduled» in der Seitenleiste zentralisiert alle aktiven Aufgaben und ermöglicht es, sie anzuzeigen, zu pausieren, zu bearbeiten oder zu löschen. Die Suchaufgaben durchsuchen das Web und verbundene Anwendungen und senden nur bei tatsächlichen Änderungen Benachrichtigungen. Die bisherige Funktion «Pulse» wird entfernt.

OpenAI migliora anche le funzionalità di pianificazione di ChatGPT, riporta The Decoder il 20 giugno 2026. Una nuova pagina « Scheduled » nella barra laterale centralizza tutte le attività attive, permettendo di visualizzarle, metterle in pausa, modificarle o eliminarle. Le attività di ricerca esplorano il web e le applicazioni connesse, inviando avvisi solo in caso di cambiamento reale. La precedente funzione « Pulse » viene rimossa.

OpenAI la migliora anca i funzionalità de pianificazion de ChatGPT, la reporta The Decoder el 20 de giugn 2026. Ona pagina noeuva « Scheduled » in la barra lateral la centralizza tucc i compit ativ, permettend de vedèj, mett in pausa, mudà o scassà. I compit de ricerca i navigha el web e i applicazion conness, mandand domà di alert in cas de cambiament real. La funzion « Pulse » precedent l'è tirada via.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Le Cahier TechniqueTech NotebookTechnisches HeftIl Quaderno TecnicoEl Carnet Tecnegh

II. Moteurs et CLIEngines and CLIEngines und CLIMotori e CLIMotor e CLI

Moteur d'inférence

Inference Engine

Inferenz-Engine

Motore di inferenza

Motor d'inferenza

llama.cpp b9744 refond le générateur de grammaire GBNFllama.cpp b9744 Overhauls the GBNF Grammar Generatorllama.cpp b9744 überarbeitet den GBNF-Grammatikgeneratorllama.cpp b9744 riprogetta il generatore di grammatica GBNFllama.cpp b9744 el refà el generator de grammatica GBNF

La version b9744 de llama.cpp a été publiée le 21 juin 2026, avec une refonte majeure du générateur de grammaire GBNF. La PR #24839 remplace l'approche précédente par un automate AC (Aho-Corasick) pour la génération de grammaire à partir de PEG, améliorant l'efficacité et la maintenabilité du système de contraintes de sortie. La release est disponible pour macOS (Apple Silicon et Intel), Linux (x64, arm64, s390x), Windows (x64, arm64) et Android arm64, avec des builds Vulkan, ROCm 7.2, OpenVINO, SYCL et CUDA 12/13.

Version b9744 of llama.cpp was released on 21 June 2026, featuring a major overhaul of the GBNF grammar generator. PR #24839 replaces the previous approach with an AC (Aho-Corasick) automaton for grammar generation from PEG, improving the efficiency and maintainability of the output constraint system. The release is available for macOS (Apple Silicon and Intel), Linux (x64, arm64, s390x), Windows (x64, arm64), and Android arm64, with Vulkan, ROCm 7.2, OpenVINO, SYCL, and CUDA 12/13 builds.

Version b9744 von llama.cpp wurde am 21. Juni 2026 veröffentlicht und bringt eine umfassende Überarbeitung des GBNF-Grammatikgenerators mit sich. Der PR #24839 ersetzt den bisherigen Ansatz durch einen AC-Automaten (Aho-Corasick) zur Grammatikgenerierung aus PEG, was die Effizienz und Wartbarkeit des Ausgabebeschränkungssystems verbessert. Das Release ist für macOS (Apple Silicon und Intel), Linux (x64, arm64, s390x), Windows (x64, arm64) und Android arm64 verfügbar, mit Builds für Vulkan, ROCm 7.2, OpenVINO, SYCL und CUDA 12/13.

La versione b9744 di llama.cpp è stata pubblicata il 21 giugno 2026, con una riprogettazione importante del generatore di grammatica GBNF. La PR #24839 sostituisce l'approccio precedente con un automa AC (Aho-Corasick) per la generazione di grammatica da PEG, migliorando l'efficienza e la manutenibilità del sistema di vincoli di output. La release è disponibile per macOS (Apple Silicon e Intel), Linux (x64, arm64, s390x), Windows (x64, arm64) e Android arm64, con build Vulkan, ROCm 7.2, OpenVINO, SYCL e CUDA 12/13.

La version b9744 de llama.cpp l'è stada publicada el 21 de giugn 2026, cont ona refonta magior del generator de grammatica GBNF. La PR #24839 la sostituiss l'approcc precedent cont on automata AC (Aho-Corasick) per la generazion de grammatica de PEG, migliorand l'efficienza e la mantenibilità del sistema de vincol de sortida. La release l'è disponibel per macOS (Apple Silicon e Intel), Linux (x64, arm64, s390x), Windows (x64, arm64) e Android arm64, con di build Vulkan, ROCm 7.2, OpenVINO, SYCL e CUDA 12/13.

Moteur Apple Silicon

Apple Silicon Engine

Apple-Silicon-Engine

Motore Apple Silicon

Motor Apple Silicon

Rapid-MLX v0.8.1 corrige le seed par requêteRapid-MLX v0.8.1 Fixes Per-Request SeedingRapid-MLX v0.8.1 korrigiert Seed pro AnfrageRapid-MLX v0.8.1 corregge il seed per richiestaRapid-MLX v0.8.1 el coregg el seed per richiesta

Rapid-MLX v0.8.1 a été publié le 21 juin 2026, apportant une correction importante à l'API : le seed est désormais correctement transmis à l'état RNG par requête, comme le détaille le changelog. Cette correction garantit la reproductibilité des générations lorsque l'utilisateur spécifie une graine aléatoire. L'installation se fait via `brew upgrade raullenchai/rapid-mlx/rapid-mlx` ou `pip install -U rapid-mlx==0.8.1`.

Rapid-MLX v0.8.1 was released on 21 June 2026, bringing an important API fix: the seed is now correctly passed to the RNG state per request, as detailed in the changelog. This fix ensures reproducibility of generations when the user specifies a random seed. Installation is via `brew upgrade raullenchai/rapid-mlx/rapid-mlx` or `pip install -U rapid-mlx==0.8.1`.

Rapid-MLX v0.8.1 wurde am 21. Juni 2026 veröffentlicht und bringt eine wichtige Korrektur der API: Der Seed wird nun korrekt pro Anfrage an den RNG-Zustand übergeben, wie das Changelog detailliert beschreibt. Diese Korrektur gewährleistet die Reproduzierbarkeit von Generierungen, wenn der Benutzer einen zufälligen Startwert angibt. Die Installation erfolgt via `brew upgrade raullenchai/rapid-mlx/rapid-mlx` oder `pip install -U rapid-mlx==0.8.1`.

Rapid-MLX v0.8.1 è stato pubblicato il 21 giugno 2026, apportando una correzione importante all'API: il seed viene ora correttamente trasmesso allo stato RNG per richiesta, come dettagliato nel changelog. Questa correzione garantisce la riproducibilità delle generazioni quando l'utente specifica un seme casuale. L'installazione avviene tramite `brew upgrade raullenchai/rapid-mlx/rapid-mlx` o `pip install -U rapid-mlx==0.8.1`.

Rapid-MLX v0.8.1 l'è staa publicaa el 21 de giugn 2026, portand ona correzion importanta a l'API: el seed l'è adess trasmiss correttament a l'istat RNG per ciascheduna richiesta, come 'l detalia el changelog. Sta correzion chì la garantiss la riproducibilità di generazion quand che l'utent el specifica ona somenza casual. L'installazion la se fa via `brew upgrade raullenchai/rapid-mlx/rapid-mlx` o `pip install -U rapid-mlx==0.8.1`.

CLI

Claude Code v2.1.185 améliore la gestion des timeouts APIClaude Code v2.1.185 Improves API Timeout HandlingClaude Code v2.1.185 verbessert API-Timeout-HandlingClaude Code v2.1.185 migliora la gestione dei timeout APIClaude Code v2.1.185 el migliora la gestion di timeout API

Claude Code v2.1.185, publié le 20 juin 2026, modifie le message d'attente de flux : le texte passe de « No response from API · Retrying in … » à « Waiting for API response · will retry in … », et le délai de déclenchement passe de 10 à 20 secondes de silence, selon les notes de version. Ce changement réduit les fausses alertes et améliore l'expérience utilisateur lors des longues inférences.

Claude Code v2.1.185, released on 20 June 2026, changes the stream waiting message: the text changes from "No response from API · Retrying in …" to "Waiting for API response · will retry in …", and the trigger delay increases from 10 to 20 seconds of silence, according to the release notes. This change reduces false alerts and improves the user experience during long inferences.

Claude Code v2.1.185, veröffentlicht am 20. Juni 2026, ändert die Stream-Wartemeldung: Der Text wechselt von «No response from API · Retrying in …» zu «Waiting for API response · will retry in …», und die Auslöseverzögerung wird von 10 auf 20 Sekunden Stille erhöht, wie aus den Versionshinweisen hervorgeht. Diese Änderung reduziert Fehlalarme und verbessert die Benutzererfahrung bei langen Inferenzen.

Claude Code v2.1.185, pubblicato il 20 giugno 2026, modifica il messaggio di attesa del flusso: il testo passa da « No response from API · Retrying in … » a « Waiting for API response · will retry in … », e il ritardo di attivazione passa da 10 a 20 secondi di silenzio, secondo le note di rilascio. Questo cambiamento riduce i falsi allarmi e migliora l'esperienza utente durante le lunghe inferenze.

Claude Code v2.1.185, publicaa el 20 de giugn 2026, el muda el messagg de spetta de fluss: el test el passa de « No response from API · Retrying in … » a « Waiting for API response · will retry in … », e el delay de innesch el passa de 10 a 20 segond de silenzi, segond i nott de version. Sto cambiament chì el ridus i falsi alert e 'l migliora l'esperienza utent duranta i longh inferenz.

CLI

OpenCode v1.17.9 ajoute le support de GLM-5.2OpenCode v1.17.9 Adds GLM-5.2 SupportOpenCode v1.17.9 fügt Unterstützung für GLM-5.2 hinzuOpenCode v1.17.9 aggiunge il supporto di GLM-5.2OpenCode v1.17.9 el gionta el support de GLM-5.2

OpenCode v1.17.9, publié le 21 juin 2026, apporte plusieurs correctifs et améliorations, notamment le respect des limites d'étapes configurées pour les agents, la détection correcte du modèle Devstral, et l'ajout des variantes de raisonnement « high » et « max » pour GLM-5.2, comme indiqué dans les notes de version. Les messages utilisateur ne sont plus enveloppés dans un rappel de guidage, ce qui préserve l'efficacité du cache de prompt.

OpenCode v1.17.9, released on 21 June 2026, brings several fixes and improvements, including respecting configured step limits for agents, correct detection of the Devstral model, and the addition of "high" and "max" reasoning variants for GLM-5.2, as noted in the release notes. User messages are no longer wrapped in a guidance reminder, preserving prompt cache efficiency.

OpenCode v1.17.9, veröffentlicht am 21. Juni 2026, bringt mehrere Korrekturen und Verbesserungen, darunter die Einhaltung der konfigurierten Schrittlimits für Agenten, die korrekte Erkennung des Devstral-Modells und die Hinzufügung der Reasoning-Varianten «high» und «max» für GLM-5.2, wie in den Versionshinweisen angegeben. Benutzernachrichten werden nicht mehr in eine Leitfaden-Erinnerung eingebettet, was die Effizienz des Prompt-Caches bewahrt.

OpenCode v1.17.9, pubblicato il 21 giugno 2026, apporta diverse correzioni e miglioramenti, tra cui il rispetto dei limiti di passaggi configurati per gli agenti, la corretta rilevazione del modello Devstral, e l'aggiunta delle varianti di ragionamento « high » e « max » per GLM-5.2, come indicato nelle note di rilascio. I messaggi utente non sono più avvolti in un richiamo di guida, preservando l'efficienza della cache di prompt.

OpenCode v1.17.9, publicaa el 21 de giugn 2026, el porta diversi corett e migliorament, in particolar el rispett di limit de pass configurà per i agent, la detezion coretta del model Devstral, e l'gionta di variant de resonament « high » e « max » per GLM-5.2, come indicaa in di nott de version. I messagg utent hinn puu inviluppaa in on richiam de guida, che 'l conserva l'efficienza del cache de prompt.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — La RechercheResearchForschungLa RicercaLa Ricerca

III. Papers et avancéesPapers and BreakthroughsPapiere und FortschrittePaper e avanzamentiPaper e avanzament

Paper — 68 upvotes

Paper – 68 Upvotes

Paper — 68 upvotes

HumanScale : les vidéos humaines surpassent les données robotiques pour l'apprentissage incarnéHumanScale: Human Videos Outperform Robotic Data for Embodied LearningHumanScale: Menschliche Videos übertreffen Roboterdaten für verkörpertes LernenHumanScale: i video umani superano i dati robotici per l'apprendimento incarnatoHumanScale: i video uman superen i dacc robotica per l'inalverament incarnaa

Des chercheurs de l'Université de Pékin et collaborateurs présentent HumanScale, une étude systématique comparant les vidéos humaines égocentriques aux trajectoires de robots téléopérées comme source de pré-entraînement pour les modèles de fondation incarnés. Résultat surprenant : les modèles pré-entraînés sur données égocentriques atteignent une perte de validation inférieure de 24 % sur la prédiction d'actions robotiques, et des taux de succès supérieurs de 52,5 % (distribution identique) et 90 % (hors distribution) sur des tâches réelles, par rapport aux modèles entraînés sur données robotiques.

Researchers from Peking University and collaborators present HumanScale, a systematic study comparing egocentric human videos to teleoperated robot trajectories as a pre-training source for embodied foundation models. Surprising result: models pre-trained on egocentric data achieve 24% lower validation loss on robotic action prediction, and 52.5% (in-distribution) and 90% (out-of-distribution) higher success rates on real-world tasks, compared to models trained on robotic data.

Forscher der Universität Peking und Mitarbeiter präsentieren HumanScale, eine systematische Studie, die egozentrische menschliche Videos mit teleoperierten Roboter-Trajektorien als Quelle für das Vortraining von verkörperten Foundation-Modellen vergleicht. Überraschendes Ergebnis: Auf egozentrischen Daten vortrainierte Modelle erreichen einen um 24 % niedrigeren Validierungsverlust bei der Vorhersage von Roboteraktionen und um 52,5 % (gleiche Verteilung) bzw. 90 % (andere Verteilung) höhere Erfolgsraten bei realen Aufgaben im Vergleich zu auf Roboterdaten trainierten Modellen.

Ricercatori dell'Università di Pechino e collaboratori presentano HumanScale, uno studio sistematico che confronta i video umani egocentrici con le traiettorie di robot teleoperate come fonte di pre-addestramento per i modelli di fondazione incarnati. Risultato sorprendente: i modelli pre-addestrati su dati egocentrici raggiungono una perdita di validazione inferiore del 24% sulla predizione di azioni robotiche, e tassi di successo superiori del 52,5% (distribuzione identica) e del 90% (fuori distribuzione) su compiti reali, rispetto ai modelli addestrati su dati robotici.

Di ressearcher de l'Università de Pechin e collaborator presenten HumanScale, on studi sistemategh che 'l confronta i video uman egocentrich ai traiettori di robot teleoperà come sorgent de pre-inalverament per i model de fondazion incarnaa. Resultaa sorprendent: i model pre-inalveraa in su dacc egocentrich riven a ona perdita de validazion inferiora del 24 % in su la prevision d'azion robotica, e di tass de sucess superior del 52,5 % (distribuzion identica) e 90 % (foeura distribuzion) in su di compit reai, rispett ai model inalveraa in su dacc robotica.

Cisco Foundation AI

Cisco open-source FAPO, l'optimiseur autonome de pipelines LLMCisco Open-Sources FAPO, the Autonomous LLM Pipeline OptimizerCisco veröffentlicht FAPO als Open Source – den autonomen Optimierer für LLM-PipelinesCisco open-source FAPO, l'ottimizzatore autonomo di pipeline LLMCisco l'open-sorcia FAPO, l'ottimizzator autonom de pipeline LLM

L'équipe de Cisco Foundation AI a open-sourcé FAPO (Fully Automated Prompt Optimization), un système piloté par Claude Code qui optimise de manière autonome les pipelines LLM multi-étapes. FAPO évalue une chaîne, attribue les échecs au niveau de l'étape, propose des variantes (prompt, paramètres, structure de chaîne) et valide chaque modification via un réviseur indépendant. Sur 18 comparaisons modèle-benchmark, FAPO bat le baseline GEPA dans 15 cas, avec un gain moyen de +14,1 points de pourcentage.

The Cisco Foundation AI team has open-sourced FAPO (Fully Automated Prompt Optimization), a system powered by Claude Code that autonomously optimizes multi-step LLM pipelines. FAPO evaluates a chain, attributes failures at the step level, proposes variants (prompt, parameters, chain structure), and validates each modification via an independent reviewer. Across 18 model-benchmark comparisons, FAPO beats the GEPA baseline in 15 cases, with an average gain of +14.1 percentage points.

Das Team von Cisco Foundation AI hat FAPO (Fully Automated Prompt Optimization) als Open Source veröffentlicht, ein von Claude Code gesteuertes System, das mehrstufige LLM-Pipelines autonom optimiert. FAPO bewertet eine Kette, weist Fehler auf Schritt-Ebene zu, schlägt Varianten vor (Prompt, Parameter, Kettenstruktur) und validiert jede Änderung durch einen unabhängigen Prüfer. In 18 Modell-Benchmark-Vergleichen schlägt FAPO die GEPA-Baseline in 15 Fällen mit einem durchschnittlichen Gewinn von +14,1 Prozentpunkten.

Il team di Cisco Foundation AI ha open-sourcato FAPO (Fully Automated Prompt Optimization), un sistema guidato da Claude Code che ottimizza autonomamente i pipeline LLM multi-fase. FAPO valuta una catena, attribuisce i fallimenti a livello di fase, propone varianti (prompt, parametri, struttura della catena) e convalida ogni modifica tramite un revisore indipendente. Su 18 confronti modello-benchmark, FAPO batte il baseline GEPA in 15 casi, con un guadagno medio di +14,1 punti percentuali.

L'equip de Cisco Foundation AI l'ha open-sorciad FAPO (Fully Automated Prompt Optimization), on sistema guidaa de Claude Code che 'l ottimizza de manera autonoma i pipeline LLM multi-pass. FAPO el valuta ona cadena, el attribuiss i faliment al nivell del pass, el propon di variant (prompt, parameter, struttura de cadena) e 'l valida ogni mudifica via on revisor independent. In su 18 confront model-benchmark, FAPO el bat el baseline GEPA in 15 cas, cont on guadagn medi de +14,1 pont percentual.

Paper — 41 upvotes

Paper – 41 Upvotes

Paper — 41 upvotes

RATs : des robots qui apprennent par le jeu avant d'exécuter des tâchesRATs: Robots That Learn Through Play Before Executing TasksRATs: Roboter, die durch Spielen lernen, bevor sie Aufgaben ausführenRATs: robot che imparano giocando prima di eseguire compitiRATs: di robot che imparen per el jugà prima de eseguì di compit

Des chercheurs de l'Université de Californie à Berkeley présentent RATs (Robotics Agent Teams), un système où des agents de codage incarnés apprennent des compétences réutilisables par le jeu auto-dirigé, avant même de recevoir des instructions explicites. Pendant la phase de jeu, RATs propose des tâches exploratoires, exécute des politiques robotiques, diagnostique les échecs et distille les exécutions réussies dans une bibliothèque de compétences persistante. Sur LIBERO-PRO et MolmoSpaces, les compétences apprises par jeu améliorent les performances de 20,6 et 17,0 points de pourcentage respectivement.

Researchers at the University of California, Berkeley present RATs (Robotics Agent Teams), a system where embodied coding agents learn reusable skills through self-directed play, even before receiving explicit instructions. During the play phase, RATs proposes exploratory tasks, executes robotic policies, diagnoses failures, and distills successful executions into a persistent skill library. On LIBERO-PRO and MolmoSpaces, skills learned through play improve performance by 20.6 and 17.0 percentage points, respectively.

Forscher der University of California, Berkeley, präsentieren RATs (Robotics Agent Teams), ein System, bei dem verkörperte Code-Agenten durch selbstgesteuertes Spiel wiederverwendbare Fähigkeiten erlernen, noch bevor sie explizite Anweisungen erhalten. Während der Spielphase schlägt RATs Erkundungsaufgaben vor, führt Roboterpolitiken aus, diagnostiziert Fehler und destilliert erfolgreiche Ausführungen in eine persistente Fähigkeitsbibliothek. Auf LIBERO-PRO und MolmoSpaces verbessern spielerisch erlernte Fähigkeiten die Leistung um 20,6 bzw. 17,0 Prozentpunkte.

Ricercatori dell'Università della California a Berkeley presentano RATs (Robotics Agent Teams), un sistema in cui agenti di codifica incarnati apprendono competenze riutilizzabili attraverso il gioco auto-diretto, prima ancora di ricevere istruzioni esplicite. Durante la fase di gioco, RATs propone compiti esplorativi, esegue politiche robotiche, diagnostica i fallimenti e distilla le esecuzioni riuscite in una libreria di competenze persistente. Su LIBERO-PRO e MolmoSpaces, le competenze apprese tramite gioco migliorano le prestazioni rispettivamente di 20,6 e 17,0 punti percentuali.

Di ressearcher de l'Università de California a Berkeley presenten RATs (Robotics Agent Teams), on sistema indè che di agent de codifega incarnaa imparen di competenza doperabel de noeuv per el jugà auto-dirigiu, anmò prima de ricev di istruzion esplicite. Durant la fase de jugà, RATs el propon di compit esploratori, el eseguis di politegh robotica, el diagnostega i faliment e 'l distilla i esecuzion riusside in ona biblioteca de competenza persistent. In su LIBERO-PRO e MolmoSpaces, i competenza imprend per el jugà miglioren i performance de 20,6 e 17,0 pont percentual rispettivament.

Paper — 34 upvotes

Paper – 34 Upvotes

Paper — 34 upvotes

S-Agent : un raisonnement spatial qui rivalise avec GPT-5.4S-Agent: Spatial Reasoning That Rivals GPT-5.4S-Agent: Räumliches Denken, das mit GPT-5.4 konkurriertS-Agent: un ragionamento spaziale che rivaleggia con GPT-5.4S-Agent: on resonament spazial che 'l rivalizza con GPT-5.4

Le framework S-Agent propose un nouveau paradigme de raisonnement spatial pour les modèles de langage visuels (VLM). En formulant le raisonnement spatial comme une accumulation spatio-temporelle de preuves plutôt qu'une prédiction isolée par image, S-Agent utilise une hiérarchie d'outils spatiaux et une mémoire temporelle (mémoire de scène + mémoire d'agent). Le modèle S-Agent-8B, obtenu par fine-tuning supervisé sur 300 000 trajectoires spatiales, surpasse significativement Qwen3-VL-8B et rivalise avec GPT-5.4 et Gemini 3.

The S-Agent framework proposes a new paradigm for spatial reasoning in vision-language models (VLMs). By formulating spatial reasoning as a spatio-temporal accumulation of evidence rather than an isolated per-image prediction, S-Agent uses a hierarchy of spatial tools and temporal memory (scene memory + agent memory). The S-Agent-8B model, obtained through supervised fine-tuning on 300,000 spatial trajectories, significantly outperforms Qwen3-VL-8B and rivals GPT-5.4 and Gemini 3.

Das Framework S-Agent schlägt ein neues Paradigma für räumliches Denken in visuellen Sprachmodellen (VLM) vor. Indem räumliches Denken als räumlich-zeitliche Akkumulation von Beweisen formuliert wird, anstatt als isolierte Vorhersage pro Bild, nutzt S-Agent eine Hierarchie räumlicher Werkzeuge und ein zeitliches Gedächtnis (Szenengedächtnis + Agentengedächtnis). Das durch überwachtes Feintuning auf 300 000 räumlichen Trajektorien erzielte Modell S-Agent-8B übertrifft Qwen3-VL-8B deutlich und konkurriert mit GPT-5.4 und Gemini 3.

Il framework S-Agent propone un nuovo paradigma di ragionamento spaziale per i modelli di linguaggio visivi (VLM). Formulando il ragionamento spaziale come un accumulo spazio-temporale di prove piuttosto che una predizione isolata per immagine, S-Agent utilizza una gerarchia di strumenti spaziali e una memoria temporale (memoria di scena + memoria d'agente). Il modello S-Agent-8B, ottenuto tramite fine-tuning supervisionato su 300.000 traiettorie spaziali, supera significativamente Qwen3-VL-8B e rivaleggia con GPT-5.4 e Gemini 3.

El framework S-Agent el propon on noeuv paradigma de resonament spazial per i model de lenguagg visuai (VLM). Formuland el resonament spazial come ona accumulazion spaziotemporal de evidenza inveci che ona prevision isolada per immagin, S-Agent el dopera ona gerarchia de utensil spaziai e ona memoria temporal (memoria de scena + memoria de agent). El model S-Agent-8B, otegnuu per fine-tuning supervisaa in su 300 000 traiettori spaziai, el supera significativament Qwen3-VL-8B e 'l rivalizza con GPT-5.4 e Gemini 3.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — La Communauté & ÉditoCommunity & EditorialCommunity & EditorialLa Comunità & EditorialeLa Comunità & Edito

IV. Communauté et sociétéCommunity and SocietyCommunity und GesellschaftComunità e societàComunità e società

Économie

Economy

Wirtschaft

Economia

Damodaran prévient : un krach de l'IA serait pire que le dot-comDamodaran Warns: An AI Crash Would Be Worse Than the Dot-Com BustDamodaran warnt: Ein KI-Crash wäre schlimmer als der Dot-Com-CrashDamodaran avverte: un crollo dell'IA sarebbe peggiore del dot-comDamodaran el preven: on krach de l'IA el saria pesgior del dot-com

Le professeur de finance de NYU Aswath Damodaran estime qu'un potentiel krach de l'IA serait plus douloureux que l'éclatement de la bulle internet, rapporte The Decoder le 20 juin 2026. Selon lui, l'industrie construit des infrastructures physiques massives financées par la dette, contrairement aux logiciels légers du dot-com. Même en cas de succès de l'IA, le modèle économique consiste à remplacer des emplois entiers, avec des conséquences sociétales incertaines.

NYU finance professor Aswath Damodaran believes a potential AI crash would be more painful than the bursting of the internet bubble, reports The Decoder on 20 June 2026. According to him, the industry is building massive physical infrastructure financed by debt, unlike the lightweight software of the dot-com era. Even if AI succeeds, the business model involves replacing entire jobs, with uncertain societal consequences.

Der NYU-Finanzprofessor Aswath Damodaran schätzt, dass ein potenzieller KI-Crash schmerzhafter wäre als das Platzen der Internetblase, wie The Decoder am 20. Juni 2026 berichtet. Seiner Ansicht nach baut die Industrie massive, fremdfinanzierte physische Infrastrukturen auf, im Gegensatz zur leichten Software des Dot-Com. Selbst bei Erfolg der KI bestehe das Geschäftsmodell darin, ganze Arbeitsplätze zu ersetzen, mit ungewissen gesellschaftlichen Folgen.

Il professore di finanza della NYU Aswath Damodaran stima che un potenziale crollo dell'IA sarebbe più doloroso dello scoppio della bolla internet, riporta The Decoder il 20 giugno 2026. Secondo lui, l'industria sta costruendo infrastrutture fisiche massicce finanziate dal debito, contrariamente ai software leggeri del dot-com. Anche in caso di successo dell'IA, il modello economico consiste nel sostituire interi posti di lavoro, con conseguenze sociali incerte.

El professor de finanza de NYU Aswath Damodaran el stimma che on potenzial krach de l'IA el saria pussee doloros de l's-ciopada de la bolla internet, el reporta The Decoder el 20 de giugn 2026. Segond lu, l'industria la costruiss di infrastruttur fisich massiv finanziad del debit, al contrari di software legger del dot-com. Anca in cas de sucess de l'IA, el model economegh el consist in del sostituì di impiegh intregh, con di conseguenz societai incert.

Société

Society

Gesellschaft

Società

Meredith Whittaker (Signal) : « Les chatbots ne sont pas vos amis »Meredith Whittaker (Signal): "Chatbots Are Not Your Friends"Meredith Whittaker (Signal): «Chatbots sind nicht eure Freunde»Meredith Whittaker (Signal): « I chatbot non sono vostri amici »Meredith Whittaker (Signal): « I chatbot hinn no i voster amis »

La directrice de Signal, Meredith Whittaker, a déclaré le 20 juin 2026 que les chatbots IA « ne sont pas vos amis », rapporte TechCrunch. « Ce ne sont pas vos amis. Ce ne sont pas des êtres conscients. Ce ne sont pas des interlocuteurs doués de sensibilité », a-t-elle insisté, dans un appel à la vigilance sur la tendance à anthropomorphiser les systèmes d'IA conversationnelle.

Signal president Meredith Whittaker stated on 20 June 2026 that AI chatbots "are not your friends," reports TechCrunch. "They are not your friends. They are not conscious beings. They are not sentient interlocutors," she insisted, in a call for vigilance against the tendency to anthropomorphize conversational AI systems.

Die Direktorin von Signal, Meredith Whittaker, erklärte am 20. Juni 2026, dass KI-Chatbots «nicht eure Freunde» seien, wie TechCrunch berichtet. «Sie sind nicht eure Freunde. Sie sind keine bewussten Wesen. Sie sind keine empfindsamen Gesprächspartner», betonte sie und rief zur Wachsamkeit gegenüber der Tendenz auf, konversationelle KI-Systeme zu vermenschlichen.

La direttrice di Signal, Meredith Whittaker, ha dichiarato il 20 giugno 2026 che i chatbot IA « non sono vostri amici », riporta TechCrunch. « Non sono vostri amici. Non sono esseri coscienti. Non sono interlocutori dotati di sensibilità », ha insistito, in un appello alla vigilanza sulla tendenza ad antropomorfizzare i sistemi di IA conversazionale.

La diretriss de Signal, Meredith Whittaker, l'ha declaraa el 20 de giugn 2026 che i chatbot IA « hinn no i voster amis », la reporta TechCrunch. « Hinn no i voster amis. Hinn no di vesser consapevoi. Hinn no di interlocutor dotaa de sensibilità », l'ha insistii, in on ciam a la vigilanza in su la tendenza a antropomorfizzà i sistema de IA conversazional.

Régulation

Regulation

Regulierung

Regolamentazione

Regolazion

Le commerce de détail européen veut exempter les pubs IA de l'AI ActEuropean Retail Wants AI Ads Exempted from the AI ActEuropäischer Einzelhandel will KI-Werbung vom AI Act ausnehmenIl commercio al dettaglio europeo vuole esentare le pubblicità IA dall'AI ActEl comerz al detaj europee el voeur esentà i pub IA de l'AI Act

Le consortium Eurocommerce, qui représente Amazon, H&M et IKEA, demande que les publicités générées par IA soient exemptées des règles de transparence de l'AI Act européen, rapporte The Decoder le 20 juin 2026. L'argument : une image de salon générée par IA pour vendre un canapé n'est pas un deepfake. Zalando indique que 90 % du contenu marketing sur sa plateforme est déjà généré par IA.

The Eurocommerce consortium, representing Amazon, H&M, and IKEA, is requesting that AI-generated advertisements be exempted from the transparency rules of the European AI Act, reports The Decoder on 20 June 2026. The argument: an AI-generated image of a living room used to sell a sofa is not a deepfake. Zalando indicates that 90% of marketing content on its platform is already AI-generated.

Das Konsortium Eurocommerce, das Amazon, H&M und IKEA vertritt, fordert, dass KI-generierte Werbung von den Transparenzregeln des europäischen AI Act ausgenommen wird, wie The Decoder am 20. Juni 2026 berichtet. Das Argument: Ein KI-generiertes Wohnzimmerbild zum Verkauf eines Sofas sei kein Deepfake. Zalando gibt an, dass 90 % der Marketinginhalte auf seiner Plattform bereits KI-generiert seien.

Il consorzio Eurocommerce, che rappresenta Amazon, H&M e IKEA, chiede che le pubblicità generate dall'IA siano esentate dalle regole di trasparenza dell'AI Act europeo, riporta The Decoder il 20 giugno 2026. L'argomento: un'immagine di un soggiorno generata dall'IA per vendere un divano non è un deepfake. Zalando indica che il 90% del contenuto marketing sulla sua piattaforma è già generato dall'IA.

El consorzi Eurocommerce, che 'l representa Amazon, H&M e IKEA, el domanda che i publicità generaa de IA sien esentad di regol de trasparenza de l'AI Act europee, el reporta The Decoder el 20 de giugn 2026. L'argoment: ona immagin de salon generada de IA per vend on sofà l'è no on deepfake. Zalando l'indica che el 90 % del contegnud de marketing in su la soa piattaforma l'è già generaa de IA.

Données

Data

Daten

Dati

Dacc

The Atlantic publie une base de données des musiques utilisées pour l'entraînement des IAThe Atlantic Publishes Database of Music Used for AI TrainingThe Atlantic veröffentlicht Datenbank der für KI-Training verwendeten MusikThe Atlantic pubblica un database delle musiche usate per l'addestramento delle IAThe Atlantic el publica ona base de dacc di museghe doperà per l'inalverament di IA

Le magazine The Atlantic a publié une base de données consultable des morceaux de musique utilisés pour entraîner les modèles d'IA, rapporte The Verge le 20 juin 2026. Le journaliste Alex Reisner a découvert quatre ensembles de données, dont deux sont massifs avec 12 millions et 9 millions de pistes chacun. Cette publication relance le débat sur l'utilisation d'œuvres protégées pour l'entraînement des IA.

The Atlantic magazine has published a searchable database of music tracks used to train AI models, reports The Verge on 20 June 2026. Journalist Alex Reisner discovered four datasets, two of which are massive with 12 million and 9 million tracks each. This publication reignites the debate over the use of copyrighted works for AI training.

Das Magazin The Atlantic hat eine durchsuchbare Datenbank der Musikstücke veröffentlicht, die zum Training von KI-Modellen verwendet wurden, wie The Verge am 20. Juni 2026 berichtet. Der Journalist Alex Reisner entdeckte vier Datensätze, darunter zwei massive mit je 12 Millionen und 9 Millionen Titeln. Diese Veröffentlichung entfacht die Debatte über die Nutzung urheberrechtlich geschützter Werke für das KI-Training neu.

La rivista The Atlantic ha pubblicato un database consultabile dei brani musicali utilizzati per addestrare i modelli di IA, riporta The Verge il 20 giugno 2026. Il giornalista Alex Reisner ha scoperto quattro set di dati, di cui due sono massicci con 12 milioni e 9 milioni di tracce ciascuno. Questa pubblicazione riaccende il dibattito sull'utilizzo di opere protette per l'addestramento delle IA.

El magazine The Atlantic l'ha publicaa ona base de dacc consultabel di toch de musega doperà per inalverà i model de IA, el reporta The Verge el 20 de giugn 2026. El giornalista Alex Reisner l'ha descovert quater insema de dacc, di quai duu hinn massiv con 12 milion e 9 milion de pista ognidun. Sta publicazion chì la relanza el debatt in su l'usagg d'oeuv protett per l'inalverament di IA.

V. ÉditorialEditorialLeitartikelEditorialeEditorial

Éditorial

Editorial

Leitartikel

Editoriale

Editorial

Édito : le calme avant la tempêteEditorial: The Calm Before the StormLeitartikel: Die Ruhe vor dem SturmEditoriale: la calma prima della tempestaEdito: el calm prima de la tempesta

L'édition de ce lundi 21 juin 2026 est marquée par un paradoxe : alors que les grands labos (OpenAI, Anthropic, Google DeepMind, Meta, Mistral) n'ont publié aucune annonce majeure dans la fenêtre des dernières 48 heures, le secteur bouillonne en coulisses. Le départ de John Jumper de DeepMind vers Anthropic, révélé par TechCrunch, est le signal le plus fort d'une recomposition des talents qui redessine la carte de la recherche en IA. Ce mouvement, combiné aux chiffres financiers d'OpenAI (5,7 milliards de dollars de revenus, 3,7 milliards de dépenses au T1), dessine un secteur en pleine maturation économique. La leçon de cette édition est claire : les grands modèles ne font pas toute l'actualité. Les avancées les plus concrètes du jour viennent des outils — Codex qui apprend par démonstration, FAPO qui optimise les pipelines, RATs qui apprend par le jeu — et des papers de recherche qui repoussent les frontières du raisonnement spatial et de l'apprentissage incarné. Pendant ce temps, la société s'interroge : les pubs IA doivent-elles être régulées ? Les chatbots sont-ils vraiment nos amis ? Et que faire des 12 millions de morceaux de musique utilisés sans consentement pour entraîner les modèles ? The Neuron Times continuera de couvrir ces questions avec la rigueur qui caractérise notre titre.

This Monday, 21 June 2026 edition is marked by a paradox: while the major labs (OpenAI, Anthropic, Google DeepMind, Meta, Mistral) have made no major announcements in the last 48 hours, the sector is buzzing behind the scenes. John Jumper's departure from DeepMind to Anthropic, revealed by TechCrunch, is the strongest signal yet of a talent reshuffling that is redrawing the map of AI research. This move, combined with OpenAI's financial figures ($5.7 billion in revenue, $3.7 billion in spending in Q1), paints a picture of a sector in full economic maturation. The lesson of this edition is clear: the big models do not make all the news. The most concrete advances of the day come from tools — Codex learning by demonstration, FAPO optimizing pipelines, RATs learning through play — and from research papers pushing the boundaries of spatial reasoning and embodied learning. Meanwhile, society is asking questions: should AI ads be regulated? Are chatbots really our friends? And what to do about the 12 million music tracks used without consent to train models? The Neuron Times will continue to cover these questions with the rigor that characterizes our title.

Die Ausgabe dieses Montags, 21. Juni 2026, ist von einem Paradoxon geprägt: Während die grossen Labors (OpenAI, Anthropic, Google DeepMind, Meta, Mistral) in den letzten 48 Stunden keine grossen Ankündigungen gemacht haben, brodelt es hinter den Kulissen. Der Wechsel von John Jumper von DeepMind zu Anthropic, von TechCrunch enthüllt, ist das stärkste Signal einer Talentneuordnung, die die Landkarte der KI-Forschung neu zeichnet. Diese Bewegung, kombiniert mit den Finanzzahlen von OpenAI (5,7 Milliarden Dollar Umsatz, 3,7 Milliarden Dollar Ausgaben im ersten Quartal), zeichnet einen Sektor in voller wirtschaftlicher Reifung. Die Lektion dieser Ausgabe ist klar: Grosse Modelle machen nicht die ganze Nachricht aus. Die konkretesten Fortschritte des Tages kommen von den Werkzeugen – Codex, das durch Vorführung lernt, FAPO, das Pipelines optimiert, RATs, das durch Spielen lernt – und von Forschungspapieren, die die Grenzen des räumlichen Denkens und des verkörperten Lernens verschieben. In der Zwischenzeit stellt die Gesellschaft Fragen: Soll KI-Werbung reguliert werden? Sind Chatbots wirklich unsere Freunde? Und was tun mit den 12 Millionen Musikstücken, die ohne Zustimmung zum Training von Modellen verwendet wurden? The Neuron Times wird diese Fragen weiterhin mit der für unser Blatt charakteristischen Gründlichkeit behandeln.

L'edizione di questo lunedì 21 giugno 2026 è segnata da un paradosso: mentre i grandi laboratori (OpenAI, Anthropic, Google DeepMind, Meta, Mistral) non hanno pubblicato alcun annuncio importante nella finestra delle ultime 48 ore, il settore ribolle dietro le quinte. La partenza di John Jumper da DeepMind verso Anthropic, rivelata da TechCrunch, è il segnale più forte di una ricomposizione dei talenti che ridisegna la mappa della ricerca sull'IA. Questo movimento, combinato con i dati finanziari di OpenAI (5,7 miliardi di dollari di ricavi, 3,7 miliardi di spese nel T1), delinea un settore in piena maturazione economica. La lezione di questa edizione è chiara: i grandi modelli non fanno tutta l'attualità. I progressi più concreti del giorno provengono dagli strumenti — Codex che impara per dimostrazione, FAPO che ottimizza i pipeline, RATs che impara giocando — e dai paper di ricerca che spingono i confini del ragionamento spaziale e dell'apprendimento incarnato. Nel frattempo, la società si interroga: le pubblicità IA devono essere regolamentate? I chatbot sono davvero nostri amici? E cosa fare dei 12 milioni di brani musicali usati senza consenso per addestrare i modelli? The Neuron Times continuerà a coprire queste domande con il rigore che caratterizza la nostra testata.

L'edizion de sto lunedì 21 de giugn 2026 l'è marcada d'on paradoss: intant che i gran laboratori (OpenAI, Anthropic, Google DeepMind, Meta, Mistral) hann publicaa nissun anunzi magior in la finestra di ultim 48 or, el settor el boeugg in dree ai quinte. La partenza de John Jumper de DeepMind vers Anthropic, revelada de TechCrunch, l'è el segnal pussee fort d'ona recomposizion di talent che la redisegna la carta de la ricerca in IA. Sto moviment chì, combinaa ai cifre finanziari de OpenAI (5,7 miliard de dollar de revenuu, 3,7 miliard de spesa al T1), el disegna on settor in piena maturazion economega. La lezzion de sta edizion chì l'è ciara: i gran model fan no tutta l'atualità. I avanzament pussee concrett del dì riven di utensil — Codex che 'l imprend per dimostrazion, FAPO che 'l ottimizza i pipeline, RATs che 'l imprend per el jugà — e di paper de ricerca che spencen indree i frontiere del resonament spazial e de l'inalverament incarnaa. In del menter, la società la se interoga: i pub IA hann de vess regolad? I chatbot hinn proppi i noster amis? E cossa fà di 12 milion de toch de musega doperà senza consens per inalverà i model? The Neuron Times el continuarà a quatà sti question chì con la rigor che la caratterizza el noster titol.