The Neuron Times

All the AI that's fit to print

N° 217 Édition du matinMorning EditionMorgenausgabeEdizione del mattinoEdizion del mattin · Genève MERCREDI 5 AOÛT 2026WEDNESDAY, 5 AUGUST 2026MITTWOCH, 5. AUGUST 2026MERCOLEDÌ 5 AGOSTO 2026MERCOLEDÌ 5 AGOSTO 2026

À la Une · Sécurité des modèlesFront Page · Model SafetySchlagzeilen · ModellsicherheitPrima pagina · Sicurezza dei modelliIn prima pagina · Sicurezza di modej

Mistral lance Shieldstral, un classificateur de sécurité multimodal open-weights de 3 milliards de paramètresMistral launches Shieldstral, a 3-billion-parameter open-weights multimodal safety classifierMistral lanciert Shieldstral – ein multimodaler Open-Weights-Sicherheitsklassifikator mit 3 Milliarden ParameternMistral lancia Shieldstral, un classificatore di sicurezza multimodale open-weights da 3 miliardi di parametriMistral el lancia Shieldstral, on classificator de sicurezza multimodal open-weights de 3 miliard de parameter

Le modèle dépasse des classificateurs jusqu'à sept fois sa taille pour la modération de contenu texte et image, comblant un manque critique dans l'écosystème open source.The model outperforms classifiers up to seven times its size on text and image content moderation, filling a critical gap in the open-source ecosystem.Das Modell übertrifft Klassifikatoren, die bis zu siebenmal so gross sind, bei der Text- und Bild-Moderation und schliesst eine kritische Lücke im Open-Source-Ökosystem.Il modello supera classificatori fino a sette volte le sue dimensioni per la moderazione di contenuti testuali e visivi, colmando una lacuna critica nell'ecosistema open source.El modei el sorapassa di classificator finna a sett voeult la soa dimension per la moderazion del contegnuu test e image, colmand on macc critich in de l'ecosistema open source.

Mistral AI a annoncé le 4 août 2026 Shieldstral, un classificateur de sécurité multimodal à poids ouverts de 3 milliards de paramètres. Selon l'entreprise française, le modèle surpasse des classificateurs jusqu'à sept fois sa taille dans les tâches de modération de contenu, couvrant simultanément les modalités texte et image. Sa disponibilité en poids ouverts autorise un déploiement local sans dépendance à une API propriétaire.Mistral AI announced on 4 August 2026 Shieldstral, an open-weights multimodal safety classifier with 3 billion parameters. According to the French company, the model outperforms classifiers up to seven times its size on content moderation tasks, covering both text and image modalities simultaneously. Its availability as open weights allows local deployment without reliance on a proprietary API.Mistral AI hat am 4. August 2026 Shieldstral angekündigt, einen multimodalen Sicherheitsklassifikator mit offenen Gewichten und 3 Milliarden Parametern. Gemäss dem französischen Unternehmen übertrifft das Modell Klassifikatoren, die bis zu siebenmal so gross sind, bei Aufgaben der Inhaltsmoderation und deckt dabei gleichzeitig Text- und Bildmodalitäten ab. Die Verfügbarkeit als offene Gewichte ermöglicht einen lokalen Einsatz ohne Abhängigkeit von einer proprietären API.Mistral AI ha annunciato il 4 agosto 2026 Shieldstral, un classificatore di sicurezza multimodale a pesi aperti da 3 miliardi di parametri. Secondo l'azienda francese, il modello supera classificatori fino a sette volte le sue dimensioni nei compiti di moderazione dei contenuti, coprendo simultaneamente le modalità testo e immagine. La sua disponibilità in pesi aperti consente un'implementazione locale senza dipendenza da un'API proprietaria.Mistral AI l'ha anunziaa el 4 de agost 2026 Shieldstral, on classificator de sicurezza multimodal a pès open de 3 miliard de parameter. Segond l'azienda francesa, el modei el sorapassa di classificator finna a sett voeult la soa dimension in di task de moderazion del contegnuu, covrend simultaneament i modalitaa test e image. La soa disponibilità in di pès open la permett on despiegament local senza dipendenza de ona API proprietaria.

La sortie a suscité un vif intérêt dans la communauté technique : la discussion sur Hacker News a atteint 350 points et 84 commentaires en quelques heures, les débats portant sur l'architecture du modèle, ses limites face aux attaques adversariales et son positionnement face aux solutions propriétaires. Shieldstral se distingue par son encombrement réduit — 3 milliards de paramètres contre les 20+ milliards typiques des classificateurs de référence.The release sparked strong interest in the technical community: the Hacker News discussion reached 350 points and 84 comments within hours, with debates centring on the model's architecture, its limitations against adversarial attacks, and its positioning relative to proprietary solutions. Shieldstral stands out for its compact footprint — 3 billion parameters versus the 20+ billion typical of reference classifiers.Die Veröffentlichung hat in der technischen Community grosses Interesse ausgelöst: Die Diskussion auf Hacker News erreichte innerhalb weniger Stunden 350 Punkte und 84 Kommentare. Die Debatten drehten sich um die Modellarchitektur, die Grenzen bei adversariellen Angriffen und die Positionierung gegenüber proprietären Lösungen. Shieldstral zeichnet sich durch seinen geringen Fussabdruck aus – 3 Milliarden Parameter gegenüber den typischen 20+ Milliarden bei Referenzklassifikatoren.Il rilascio ha suscitato vivo interesse nella comunità tecnica: la discussione su Hacker News ha raggiunto 350 punti e 84 commenti in poche ore, con dibattiti sull'architettura del modello, i suoi limiti di fronte agli attacchi avversari e il suo posizionamento rispetto alle soluzioni proprietarie. Shieldstral si distingue per il suo ingombro ridotto — 3 miliardi di parametri contro i 20+ miliardi tipici dei classificatori di riferimento.La sortida l'ha faa nasser on fort interess in de la comunitaa tecnica: la discussion in su Hacker News l'ha raggiungiuu 350 pont e 84 comment in d'on quaj ora, con di dibattid in su l'architettura del modei, i soeu limit denanz ai attacch aversariaj e 'l so posizionament denanz ai soluzion proprietari. Shieldstral el se disting per el so ingomber ridott — 3 miliard de parameter contra i 20+ miliard tipegh di classificator de riferiment.

Le lancement intervient dans un contexte de tensions croissantes autour de la sécurité des modèles ouverts. Le même jour, un rapport de l'organisation SaferAI souligne que le modèle GLM-5.2 de Z.ai, diffusé en poids ouverts, approche les capacités de la frontière tout en manquant de garde-fous essentiels — relançant le débat sur la capacité des outils de sécurité open source à suivre le rythme de l'innovation.The launch comes amid growing tensions around the safety of open models. On the same day, a report from the organisation SaferAI highlights that Z.ai's GLM-5.2, released as open weights, approaches frontier-level capabilities while lacking essential guardrails — reigniting the debate over whether open-source safety tools can keep pace with innovation.Der Launch erfolgt vor dem Hintergrund wachsender Spannungen rund um die Sicherheit offener Modelle. Am selben Tag weist ein Bericht der Organisation SaferAI darauf hin, dass das Modell GLM-5.2 von Z.ai, das als offene Gewichte verbreitet wird, sich den Fähigkeiten der Frontier nähert, während ihm wesentliche Schutzmechanismen fehlen – was die Debatte darüber neu entfacht, ob Open-Source-Sicherheitstools mit dem Innovationstempo Schritt halten können.Il lancio arriva in un contesto di crescenti tensioni attorno alla sicurezza dei modelli aperti. Lo stesso giorno, un rapporto dell'organizzazione SaferAI evidenzia che il modello GLM-5.2 di Z.ai, diffuso a pesi aperti, si avvicina alle capacità di frontiera pur mancando di salvaguardie essenziali — rilanciando il dibattito sulla capacità degli strumenti di sicurezza open source di tenere il passo con l'innovazione.El lanciaiment el riva in d'on contest de tension semper pussee fort intorna a la sicurezza di modej open. L'istess dì, on rapport de l'organizzazion SaferAI el sottoligna che el modei GLM-5.2 de Z.ai, spantegaa cont pès open, el se vesina ai capacitaa de la frontiera intant che 'l gh'ha minga i guard-fund essenziaj — relansand el dibattid sora la capacità di strument de sicurezza open source de segondagg el ritmi de l'innovazion.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — À la Une — Modèles & FrontièreFront Page — Models & FrontierTitelseite — Modelle & FrontierIn Prima Pagina — Modelli & FrontieraIn prima pagina — Modej & Frontiera

I. Frontière des modèlesModel FrontierFrontier der ModelleFrontiera dei modelliFrontiera di modej

Inférence mobile

Mobile Inference

Mobile Inferenz

Inferenza mobile

Inferenzia mobel

Maple-Preview : un MoE ternaire de 20B tourne à 120 tokens/seconde sur iPhoneMaple-Preview: a 20B ternary MoE runs at 120 tokens/second on iPhoneMaple-Preview: Ein ternärer MoE mit 20B erreicht 120 Tokens/Sekunde auf dem iPhoneMaple-Preview: un MoE ternario da 20B gira a 120 token/secondo su iPhoneMaple-Preview: on MoE ternari de 20B che 'l va a 120 token al segond sora l'iPhone

DeepGrove a présenté le 4 août 2026 Maple-Preview, un modèle mixture-of-experts ternaire de 20 milliards de paramètres capable d'atteindre 120 tokens par seconde sur un iPhone. La démonstration, saluée sur Hacker News avec 82 points et 22 commentaires, illustre les progrès de la quantification ternaire — où chaque poids est codé sur 1,58 bits — pour l'inférence sur appareil mobile.
DeepGrove unveiled on 4 August 2026 Maple-Preview, a 20-billion-parameter ternary mixture-of-experts model capable of reaching 120 tokens per second on an iPhone. The demonstration, praised on Hacker News with 82 points and 22 comments, illustrates the progress of ternary quantisation — where each weight is encoded on 1.58 bits — for on-device mobile inference.
DeepGrove hat am 4. August 2026 Maple-Preview vorgestellt, ein ternäres Mixture-of-Experts-Modell mit 20 Milliarden Parametern, das 120 Tokens pro Sekunde auf einem iPhone erreicht. Die Demonstration, die auf Hacker News mit 82 Punkten und 22 Kommentaren Anerkennung fand, veranschaulicht die Fortschritte der ternären Quantisierung – bei der jedes Gewicht auf 1,58 Bits codiert wird – für die Inferenz auf mobilen Geräten.
DeepGrove ha presentato il 4 agosto 2026 Maple-Preview, un modello mixture-of-experts ternario da 20 miliardi di parametri in grado di raggiungere 120 token al secondo su un iPhone. La dimostrazione, acclamata su Hacker News con 82 punti e 22 commenti, illustra i progressi della quantizzazione ternaria — in cui ogni peso è codificato su 1,58 bit — per l'inferenza su dispositivi mobili.
DeepGrove l'ha presentaa el 4 de agost 2026 Maple-Preview, on modei mixture-of-experts ternari de 20 miliard de parameter bon de raggiung 120 token al segond sora on iPhone. La dimostrazion, saludada in su Hacker News con 82 pont e 22 comment, la illustra i progress de la quantifegazion ternaria — dove ogni pès l'è codifegaa sora 1,58 bit — per l'inferenzia sora dispositiv mobel.

Évaluations

Evaluations

Evaluierungen

Valutazioni

Valutazion

OpenAI publie le détail de ses évaluations cybersécurité par des tiersOpenAI publishes details of its third-party cybersecurity evaluationsOpenAI veröffentlicht Details zu externen Cybersicherheits-EvaluierungenOpenAI pubblica i dettagli delle sue valutazioni di cybersecurity di terze partiOpenAI el pubblica el detali di so valutazion de cybersicurezza de terz

OpenAI a publié le 4 août 2026 un compte-rendu d'incidents survenus lors d'évaluations cybersécurité menées par des acteurs externes sur ses modèles. L'entreprise décrit de nouveaux garde-fous destinés à renforcer les protocoles de test et d'évaluation face aux menaces offensives, sans toutefois détailler les vulnérabilités spécifiques exploitées lors des incidents.
OpenAI released on 4 August 2026 an incident report on events that occurred during cybersecurity evaluations conducted by external actors on its models. The company describes new guardrails designed to strengthen testing and evaluation protocols against offensive threats, without however detailing the specific vulnerabilities exploited during the incidents.
OpenAI hat am 4. August 2026 einen Bericht über Vorfälle veröffentlicht, die bei Cybersicherheits-Evaluierungen durch externe Akteure an seinen Modellen auftraten. Das Unternehmen beschreibt neue Schutzmassnahmen zur Stärkung der Test- und Bewertungsprotokolle gegenüber offensiven Bedrohungen, ohne jedoch die spezifischen Schwachstellen zu detaillieren, die bei den Vorfällen ausgenutzt wurden.
OpenAI ha pubblicato il 4 agosto 2026 un resoconto di incidenti verificatisi durante valutazioni di cybersecurity condotte da attori esterni sui suoi modelli. L'azienda descrive nuove salvaguardie volte a rafforzare i protocolli di test e valutazione di fronte alle minacce offensive, senza però dettagliare le vulnerabilità specifiche sfruttate durante gli incidenti.
OpenAI l'ha publicaa el 4 de agost 2026 on rendicont di incident sucess durant di valutazion de cybersicurezza menaa de attor esterni sora i so modej. L'azienda la descriv di noeuv guard-fund destinaa a rinforzà i protocoeuj de prov e de valutazion denanz ai menasc offeusiv, senza però dà i detali di vulnerabilitaa spezzifegh sfruttaa durant i incident.

II. Industrie & RégulationIndustry & RegulationIndustrie & RegulierungIndustria & RegolamentazioneIndustria & Regolazion

Finance IA

AI Finance

KI-Finanzierung

Finanza IA

Finanza IA

Google déplace des milliards de risque puces IA hors de son bilanGoogle moves billions in AI chip risk off its balance sheetGoogle lagert Milliarden an KI-Chip-Risiken aus der Bilanz ausGoogle sposta miliardi di rischio chip IA fuori dal proprio bilancioGoogle el sposta di miliard de ris'c di chip IA foeura del so bilanc

Google construit avec Broadcom, Apollo, Blackstone et Morgan Stanley une structure de financement de plusieurs milliards de dollars pour fournir à Anthropic des puces IA et des centres de données tout en éloignant l'essentiel du risque de son propre bilan. Selon The Decoder le 4 août 2026, environ 200 milliards de dollars de contrats dépendent désormais de la capacité d'Anthropic à honorer ses paiements de bail, révélant l'ampleur des engagements sous-jacents à la course au calcul.
Google is building with Broadcom, Apollo, Blackstone and Morgan Stanley a multi-billion-dollar financing structure to supply Anthropic with AI chips and data centres while keeping most of the risk off its own balance sheet. According to The Decoder on 4 August 2026, approximately $200 billion in contracts now depend on Anthropic's ability to meet its lease payments, revealing the scale of the commitments underpinning the compute race.
Google baut gemeinsam mit Broadcom, Apollo, Blackstone und Morgan Stanley eine Finanzierungsstruktur im mehrstelligen Milliardenbereich auf, um Anthropic mit KI-Chips und Rechenzentren zu versorgen und dabei das wesentliche Risiko von der eigenen Bilanz fernzuhalten. Gemäss The Decoder vom 4. August 2026 hängen inzwischen rund 200 Milliarden Dollar an Verträgen von der Fähigkeit Anthropics ab, seine Leasingzahlungen zu bedienen – was das Ausmass der Verpflichtungen hinter dem Wettrüsten um Rechenleistung offenbart.
Google sta costruendo con Broadcom, Apollo, Blackstone e Morgan Stanley una struttura di finanziamento di diversi miliardi di dollari per fornire ad Anthropic chip IA e data center, allontanando nel contempo la maggior parte del rischio dal proprio bilancio. Secondo The Decoder il 4 agosto 2026, circa 200 miliardi di dollari di contratti dipendono ormai dalla capacità di Anthropic di onorare i propri pagamenti di leasing, rivelando l'entità degli impegni sottostanti alla corsa al calcolo.
Google l'è dree a tirà su con Broadcom, Apollo, Blackstone e Morgan Stanley ona struttura de finonziament de diversi miliard de doller per fornì a Anthropic di chip IA e di center di dacc intant che 'l te lontan el pussee del ris'c del so bilanc. Segond The Decoder el 4 de agost 2026, circa 200 miliard de doller de contracc i dipenden adess de la capacità de Anthropic deonorà i so pagament de afit, reveland l'ampiezza di impegn sotta a la corsa al calcol.

Sécurité

Safety

Sicherheit

Sicurezza

Sicurezza

Les modèles ouverts rattrapent la frontière, le fossé sécuritaire persisteOpen models catch up to the frontier, the safety gap persistsOffene Modelle holen zur Frontier auf – die Sicherheitslücke bleibtI modelli aperti raggiungono la frontiera, il divario di sicurezza persisteI modej open i raggiungen la frontiera, el fossaa de sicurezza el va innanz

Un rapport de SaferAI publié le 4 août 2026 établit que GLM-5.2 de Z.ai, diffusé en poids ouverts, approche les capacités des modèles de frontière tout en manquant de garde-fous essentiels. Le constat relance les inquiétudes sur la capacité des modèles ouverts puissants à devancer les mécanismes de gouvernance. La Maison Blanche, de son côté, exclut les modèles ouverts de son cadre volontaire d'évaluation des risques.
A report from SaferAI published on 4 August 2026 finds that Z.ai's GLM-5.2, released as open weights, approaches the capabilities of frontier models while lacking essential guardrails. The finding reignites concerns about the ability of powerful open models to outpace governance mechanisms. The White House, for its part, excludes open models from its voluntary risk assessment framework.
Ein Bericht von SaferAI vom 4. August 2026 stellt fest, dass GLM-5.2 von Z.ai, das als offene Gewichte verbreitet wird, sich den Fähigkeiten von Frontier-Modellen nähert, während ihm wesentliche Schutzmechanismen fehlen. Diese Feststellung belebt die Besorgnis darüber, dass leistungsfähige offene Modelle die Governance-Mechanismen überholen könnten. Das Weisse Haus wiederum schliesst offene Modelle aus seinem freiwilligen Rahmen zur Risikobewertung aus.
Un rapporto di SaferAI pubblicato il 4 agosto 2026 stabilisce che GLM-5.2 di Z.ai, diffuso a pesi aperti, si avvicina alle capacità dei modelli di frontiera pur mancando di salvaguardie essenziali. La constatazione rilancia le preoccupazioni sulla capacità dei modelli aperti potenti di precedere i meccanismi di governance. La Casa Bianca, da parte sua, esclude i modelli aperti dal proprio quadro volontario di valutazione dei rischi.
On rapport de SaferAI publicaa el 4 de agost 2026 el stabiliss che GLM-5.2 de Z.ai, spantegaa cont pès open, el se vesina ai capacitaa di modej de frontiera intant che 'l gh'ha minga i guard-fund essenziaj. El constatt el relanza i preoccupazion sora la capacità di modej open potent de andà innanz ai mecanismi de governanza. La Cà Bianca, de la soa part, la esclud i modej open del so quadri voluntari de valutazion di ris'c.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Le Cahier Technique — Harnais & MoteursThe Technical Briefing — Harnesses & EnginesTechnischer Teil — Engines & FrameworksQuaderno Tecnico — Harness & MotoriEl Quadern Tecnegh — Harness & Motor

III. Moteurs & HarnaisEngines & HarnessesEngines & FrameworksMotori & HarnessMotor & Harness

Moteur d'inférence

Inference Engine

Inferenz-Engine

Motore di inferenza

Motor d'inferenzia

Ollama 0.32.6 : décoding spéculatif MTP pour Qwen3.5 et conformité OpenAIOllama 0.32.6: MTP speculative decoding for Qwen3.5 and OpenAI complianceOllama 0.32.6: Spekulatives MTP-Decoding für Qwen3.5 und OpenAI-KonformitätOllama 0.32.6: decoding speculativo MTP per Qwen3.5 e conformità OpenAIOllama 0.32.6: decodifica specolativa MTP per Qwen3.5 e conformità OpenAI

Ollama a publié la version 0.32.6-rc0 le 4 août 2026. Le moteur MLX utilise désormais automatiquement la tête MTP de Qwen3.5 pour le décoding spéculatif sur GPU Apple, accélérant la génération. L'API streaming /v1/chat/completions adopte le format wire d'OpenAI : le champ « role » n'apparaît que sur le premier chunk et « finish_reason » obtient son propre chunk. La commande ollama run kimi-k3 propose désormais kimi-k3:cloud pour les modèles sans tag par défaut.
Ollama released version 0.32.6-rc0 on 4 August 2026. The MLX engine now automatically uses the MTP head of Qwen3.5 for speculative decoding on Apple GPUs, accelerating generation. The streaming /v1/chat/completions API adopts OpenAI's wire format: the "role" field appears only on the first chunk and "finish_reason" receives its own chunk. The ollama run kimi-k3 command now offers kimi-k3:cloud for models without a default tag.
Ollama hat am 4. August 2026 die Version 0.32.6-rc0 veröffentlicht. Die MLX-Engine nutzt nun automatisch den MTP-Kopf von Qwen3.5 für spekulatives Decoding auf Apple-GPUs und beschleunigt damit die Generierung. Die Streaming-API /v1/chat/completions übernimmt das Wire-Format von OpenAI: Das Feld «role» erscheint nur im ersten Chunk und «finish_reason» erhält einen eigenen Chunk. Der Befehl ollama run kimi-k3 bietet nun kimi-k3:cloud für Modelle ohne Standard-Tag an.
Ollama ha pubblicato la versione 0.32.6-rc0 il 4 agosto 2026. Il motore MLX utilizza ormai automaticamente la testa MTP di Qwen3.5 per il decoding speculativo su GPU Apple, accelerando la generazione. L'API streaming /v1/chat/completions adotta il formato wire di OpenAI: il campo « role » appare solo sul primo chunk e « finish_reason » ottiene un proprio chunk. Il comando ollama run kimi-k3 propone ormai kimi-k3:cloud per i modelli senza tag predefinito.
Ollama l'ha publicaa la version 0.32.6-rc0 el 4 de agost 2026. El motor MLX el dopera adess automaticament la testa MTP de Qwen3.5 per la decodifica specolativa sora i GPU Apple, acelerand la generazion. L'API streaming /v1/chat/completions la adotta el format wire d'OpenAI: el camp « role » el compariss domà sora el primm chunk e « finish_reason » el gh'ha el so chunk. El comand ollama run kimi-k3 el propon adess kimi-k3:cloud per i modej senza tag de default.

Harnais de codage

Coding Harness

Coding-Framework

Harness di codifica

Harness de codes

Claude Code 2.1.222 verrouille les sessions isolées contre gitClaude Code 2.1.222 locks isolated sessions against gitClaude Code 2.1.222 schützt isolierte Sessions gegen gitClaude Code 2.1.222 blocca le sessioni isolate contro gitClaude Code 2.1.222 el bloca i session isolaa contra git

Anthropic a corrigé dans Claude Code v2.1.222, publié le 4 août 2026, une faille critique : les sessions worktree-isolées et leurs sous-agents pouvaient exécuter des commandes git destructives contre le checkout principal. L'isolation s'étend désormais aux modifications de fichiers et aux commandes Bash dans tous les types de sessions. Un hook PreToolUse contournant les restrictions d'outils dans les tâches d'agents en arrière-plan a également été corrigé.
Anthropic has fixed in Claude Code v2.1.222, released on 4 August 2026, a critical vulnerability: worktree-isolated sessions and their sub-agents could execute destructive git commands against the main checkout. Isolation now extends to file modifications and Bash commands across all session types. A PreToolUse hook that bypassed tool restrictions in background agent tasks has also been patched.
Anthropic hat in Claude Code v2.1.222, veröffentlicht am 4. August 2026, eine kritische Schwachstelle behoben: Worktree-isolierte Sessions und deren Unter-Agenten konnten destruktive git-Befehle gegen den Haupt-Checkout ausführen. Die Isolation erstreckt sich nun auf Dateiänderungen und Bash-Befehle in allen Session-Typen. Zudem wurde ein PreToolUse-Hook korrigiert, der Tool-Beschränkungen bei Hintergrund-Agentenaufgaben umging.
Anthropic ha corretto in Claude Code v2.1.222, pubblicato il 4 agosto 2026, una falla critica: le sessioni worktree-isolate e i relativi sotto-agenti potevano eseguire comandi git distruttivi contro il checkout principale. L'isolamento si estende ormai alle modifiche dei file e ai comandi Bash in tutti i tipi di sessione. Anche un hook PreToolUse che aggirava le restrizioni degli strumenti nelle attività degli agenti in background è stato corretto.
Anthropic l'ha corregii in Claude Code v2.1.222, publicaa el 4 de agost 2026, ona falla creatiga: i session worktree-isolaa e i so sot-agent podeven eseguì di comand git distruttiv contra el checkout principal. L'isolament el se estend adess ai modifegh di file e ai comand Bash in tucc i tipo de session. On hook PreToolUse che 'l passava oltra i restrezzion de strument in di task di agent in background l'è staa corregii anca lu.

Runtime MLX

MLX Runtime

MLX-Runtime

Runtime MLX

Runtime MLX

Rapid-MLX 0.12.4 ajoute LFM2.5-2.6B et stabilise DeepSeek V4Rapid-MLX 0.12.4 adds LFM2.5-2.6B and stabilises DeepSeek V4Rapid-MLX 0.12.4 fügt LFM2.5-2.6B hinzu und stabilisiert DeepSeek V4Rapid-MLX 0.12.4 aggiunge LFM2.5-2.6B e stabilizza DeepSeek V4Rapid-MLX 0.12.4 el gionta LFM2.5-2.6B e 'l stabilizza DeepSeek V4

Rapid-MLX v0.12.4, publié le 4 août 2026, ajoute le support de LFM2.5-2.6B dont les huit quants partagent un seul dépôt, et apporte plusieurs correctifs au cache DeepSeek V4 : persistance du préfixe le plus profond à l'arrêt, rejeu des tokens à travers les frontières de prompt, et matérialisation des graphes de cache pendant le décodage. Les Mac à 8 Go de RAM reçoivent désormais une recommandation de configuration au lieu d'un rejet catégorique.
Rapid-MLX v0.12.4, released on 4 August 2026, adds support for LFM2.5-2.6B whose eight quants share a single repository, and brings several fixes to the DeepSeek V4 cache: persistence of the deepest prefix on shutdown, token replay across prompt boundaries, and cache graph materialisation during decoding. Macs with 8 GB of RAM now receive a configuration recommendation instead of an outright rejection.
Rapid-MLX v0.12.4, veröffentlicht am 4. August 2026, fügt Unterstützung für LFM2.5-2.6B hinzu, dessen acht Quants sich ein einziges Repository teilen, und bringt mehrere Korrekturen am DeepSeek-V4-Cache: Persistenz des tiefsten Präfixes beim Stopp, Replay von Tokens über Prompt-Grenzen hinweg sowie Materialisierung der Cache-Graphen während des Decodings. Macs mit 8 GB RAM erhalten nun eine Konfigurationsempfehlung statt einer kategorischen Ablehnung.
Rapid-MLX v0.12.4, pubblicato il 4 agosto 2026, aggiunge il supporto per LFM2.5-2.6B i cui otto quant condividono un unico repository, e apporta diverse correzioni alla cache di DeepSeek V4: persistenza del prefisso più profondo all'arresto, riesecuzione dei token attraverso i confini di prompt e materializzazione dei grafi di cache durante il decoding. I Mac con 8 GB di RAM ricevono ormai una raccomandazione di configurazione invece di un rifiuto categorico.
Rapid-MLX v0.12.4, publicaa el 4 de agost 2026, el gionta el support de LFM2.5-2.6B che i so vot quant i condividen on sol deposit, e 'l porta divers correttiv al cache de DeepSeek V4: persistenza del prefiss pussee profond a l'arrest, re-generazion di token travers i frontier de prompt, e materializzazion di graf de cache durant la decodifica. I Mac con 8 Go de RAM i riceven adess ona raccomandazion de configurazion inveci de on refud categoric.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — La Recherche — Papers & LabosResearch — Papers & LabsForschung — Papers & LaboreLa Ricerca — Paper & LaboratoriLa Ricerca — Paper & Laboratori

IV. Agents, RL & SécuritéAgents, RL & SafetyAgenten, RL & SicherheitAgenti, RL & SicurezzaAgent, RL & Sicurezza

Agents longue portée

Long-Horizon Agents

Langstrecken-Agenten

Agenti a lungo raggio

Agent de longa portada

LongHorizon-Harness : la boucle Manage-Exécute-Audit propulse les agents longue portéeLongHorizon-Harness: the Manage-Execute-Audit loop propels long-horizon agentsLongHorizon-Harness: Die Manage-Execute-Audit-Schleife treibt Langstrecken-Agenten anLongHorizon-Harness: il ciclo Manage-Esegui-Audit spinge gli agenti a lungo raggioLongHorizon-Harness: el lacc Manage-Execute-Audit el sping i agent de longa portada

Une équipe propose LongHorizon-Harness, un harnais qui externalise la gestion d'état des tâches hors du contexte d'exécution via une boucle Manage-Execute-Audit (MEA). Les gains sont substantiels : Qwen 3.7-Plus passe de 51,8 % à 80,7 % sur WeaveBench, de 69,7 % à 77,2 % sur Terminal-Bench 2.1, et Claude Opus 4.7 grimpe de 20,0 % à 34,3 % sur un sous-ensemble d'OSWorld 2.0. Le papier a récolté 134 votes sur Hugging Face Daily Papers le 5 août 2026.
A team proposes LongHorizon-Harness, a harness that externalises task state management from the execution context via a Manage-Execute-Audit (MEA) loop. The gains are substantial: Qwen 3.7-Plus improves from 51.8% to 80.7% on WeaveBench, from 69.7% to 77.2% on Terminal-Bench 2.1, and Claude Opus 4.7 climbs from 20.0% to 34.3% on a subset of OSWorld 2.0. The paper garnered 134 votes on Hugging Face Daily Papers on 5 August 2026.
Ein Team schlägt LongHorizon-Harness vor, ein Framework, das das Zustandsmanagement von Aufgaben aus dem Ausführungskontext über eine Manage-Execute-Audit-Schleife (MEA) auslagert. Die Ergebnisse sind substanziell: Qwen 3.7-Plus steigt von 51,8 % auf 80,7 % auf WeaveBench, von 69,7 % auf 77,2 % auf Terminal-Bench 2.1, und Claude Opus 4.7 klettert von 20,0 % auf 34,3 % auf einem Subset von OSWorld 2.0. Das Paper erhielt 134 Stimmen auf Hugging Face Daily Papers am 5. August 2026.
Un team propone LongHorizon-Harness, un harness che esternalizza la gestione dello stato delle attività fuori dal contesto di esecuzione tramite un ciclo Manage-Execute-Audit (MEA). I risultati sono sostanziali: Qwen 3.7-Plus passa dal 51,8% all'80,7% su WeaveBench, dal 69,7% al 77,2% su Terminal-Bench 2.1, e Claude Opus 4.7 sale dal 20,0% al 34,3% su un sottoinsieme di OSWorld 2.0. Il paper ha raccolto 134 voti su Hugging Face Daily Papers il 5 agosto 2026.
On'equipe la propon LongHorizon-Harness, on harness che 'l esternalizza la gestion del stat di task foeura del contest d'esecuzion travers on lacc Manage-Execute-Audit (MEA). I guadagn hinn sostanziai: Qwen 3.7-Plus el va del 51,8% al 80,7% in su WeaveBench, del 69,7% al 77,2% in su Terminal-Bench 2.1, e Claude Opus 4.7 el rampa del 20,0% al 34,3% sora on sott-insieme de OSWorld 2.0. El paper l'ha catkaa su 134 vott in su Hugging Face Daily Papers el 5 de agost 2026.

Post-training

Post-training

Post-Training

Post-training

Post-training

DAPD combat l'« illusion de privilège » dans la distillation sur politiqueDAPD combats the "privilege illusion" in on-policy distillationDAPD bekämpft die «Privilegien-Illusion» bei der On-Policy-DestillationDAPD combatte l'«illusione di privilegio» nella distillazione on-policyDAPD el combatt l'«illusione de privilésg» in la destillazion in su la politega

Le Dual-Anchored Policy Distillation (DAPD), développé au Shanghai AI Laboratory, identifie une cause d'échec majeure dans la distillation sur politique (OPSD) : l'étudiant apprend des comportements dépendants d'informations privilégiées indisponibles à l'inférence. DAPD surpasse OPSD de +2,00 points en moyenne sur Qwen3-4B, avec des gains qui s'amplifient à l'échelle : +2,69 à 4B et +2,78 à 32B. Le papier compte 97 votes sur Hugging Face Daily Papers.
Dual-Anchored Policy Distillation (DAPD), developed at the Shanghai AI Laboratory, identifies a major failure mode in on-policy distillation (OPSD): the student learns behaviours dependent on privileged information unavailable at inference. DAPD outperforms OPSD by +2.00 points on average on Qwen3-4B, with gains that amplify at scale: +2.69 at 4B and +2.78 at 32B. The paper has 97 votes on Hugging Face Daily Papers.
Die Dual-Anchored Policy Distillation (DAPD), entwickelt am Shanghai AI Laboratory, identifiziert eine wesentliche Fehlerursache bei der On-Policy-Destillation (OPSD): Der Student lernt Verhaltensweisen, die von privilegierten Informationen abhängen, die zur Inferenzzeit nicht verfügbar sind. DAPD übertrifft OPSD um durchschnittlich +2,00 Punkte auf Qwen3-4B, wobei die Gewinne mit dem Massstab wachsen: +2,69 bei 4B und +2,78 bei 32B. Das Paper zählt 97 Stimmen auf Hugging Face Daily Papers.
La Dual-Anchored Policy Distillation (DAPD), sviluppata presso lo Shanghai AI Laboratory, identifica una causa principale di fallimento nella distillazione on-policy (OPSD): lo studente apprende comportamenti dipendenti da informazioni privilegiate non disponibili all'inferenza. DAPD supera OPSD di +2,00 punti in media su Qwen3-4B, con guadagni che si amplificano a scala: +2,69 a 4B e +2,78 a 32B. Il paper conta 97 voti su Hugging Face Daily Papers.
El Dual-Anchored Policy Distillation (DAPD), svilupaa al Shanghai AI Laboratory, el recognoss ona causa de insuccess magior in la destillazion in su la politega (OPSD): el student el impara di comportament dependent de informazion privilégiad minga disponibil a l'inferenzia. DAPD el sorapassa OPSD de +2,00 pont in media sora Qwen3-4B, con di guadagn che se amplifichen a la scala: +2,69 a 4B e +2,78 a 32B. El paper el cunta 97 vott in su Hugging Face Daily Papers.

Sécurité des agents

Agent Security

Agenten-Sicherheit

Sicurezza degli agenti

Sicurezza di agent

SkillJack : la première attaque par porte dérobée dans les compétences des agents auto-évolutifsSkillJack: the first backdoor attack in self-evolving agent skillsSkillJack: Der erste Backdoor-Angriff auf Fähigkeiten selbst-evolvierender AgentenSkillJack: il primo attacco con backdoor nelle competenze degli agenti auto-evolutiviSkillJack: el primm attacch con porta scorlant dent di competenz di agent auto-evolueuv

Des chercheurs de Tencent révèlent SkillJack, la première attaque exploitant le pipeline de conversion d'expérience en compétence des agents auto-évolutifs. Les résultats sont alarmants : dans SkillX, le taux de détection de sécurité chute de 98,5 % pour les trajectoires empoisonnées à 11,4 % pour les compétences extraites. Les taux de succès d'attaque atteignent 56,2 % et 89,2 % sur deux systèmes, et 80 % des attaques persistent après suppression des enregistrements empoisonnés d'origine.
Researchers at Tencent reveal SkillJack, the first attack exploiting the experience-to-skill conversion pipeline of self-evolving agents. The results are alarming: in SkillX, the safety detection rate drops from 98.5% for poisoned trajectories to 11.4% for extracted skills. Attack success rates reach 56.2% and 89.2% on two systems, and 80% of attacks persist after removal of the original poisoned records.
Forscher von Tencent enthüllen SkillJack, den ersten Angriff, der die Pipeline zur Umwandlung von Erfahrung in Fähigkeiten bei selbst-evolvierenden Agenten ausnutzt. Die Ergebnisse sind alarmierend: In SkillX fällt die Sicherheits-Erkennungsrate von 98,5 % für vergiftete Trajektorien auf 11,4 % für extrahierte Fähigkeiten. Die Angriffserfolgsraten erreichen 56,2 % und 89,2 % auf zwei Systemen, und 80 % der Angriffe persistieren nach der Löschung der ursprünglichen vergifteten Aufzeichnungen.
Ricercatori di Tencent rivelano SkillJack, il primo attacco che sfrutta la pipeline di conversione dell'esperienza in competenza degli agenti auto-evolutivi. I risultati sono allarmanti: in SkillX, il tasso di rilevamento di sicurezza crolla dal 98,5% per le traiettorie avvelenate all'11,4% per le competenze estratte. I tassi di successo degli attacchi raggiungono il 56,2% e l'89,2% su due sistemi, e l'80% degli attacchi persiste dopo la rimozione dei record avvelenati originali.
Di recercador de Tencent i revelen SkillJack, el primm attacch che 'l sfrutta la pipeline de conversion de l'esperienza in competenza di agent auto-evolueuv. I risultaa hinn allarmant: in SkillX, el tass de rilevazion de sicurezza el borla del 98,5% per i traiettorej avvelenaa al 11,4% per i competenz estratt. I tass de success d'attacch i raggiungen el 56,2% e l'89,2% in su duu sistema, e l'80% di attacch el resista anca dòpo la cancellazion di register avvelenaa d'origin.

Vidéo générative

Generative Video

Generative Video

Video generativo

Video generativa

JoyAI-Video-Edit : édition vidéo en temps réel à 30 FPS sur un seul B200JoyAI-Video-Edit: real-time video editing at 30 FPS on a single B200JoyAI-Video-Edit: Video-Bearbeitung in Echtzeit mit 30 FPS auf einem einzigen B200JoyAI-Video-Edit: editing video in tempo reale a 30 FPS su un solo B200JoyAI-Video-Edit: modifice video in temp real a 30 FPS sora on sol B200

Un cadre de 16 milliards de paramètres nommé JoyAI-Video-Edit, développé par JD.com, permet l'édition vidéo en temps réel sans accès aux images futures. Grâce à l'adaptation autoregressive par blocs et à deux techniques de distillation (SA-DMD et Long-Horizon Autoregressive Distillation), le système atteint environ 30 FPS en édition 720p sur un seul GPU Nvidia B200, rivalisant avec les systèmes hors ligne tant sur les vidéos courtes que longues. Le papier totalise 53 votes sur Hugging Face Daily Papers.
A 16-billion-parameter framework named JoyAI-Video-Edit, developed by JD.com, enables real-time video editing without access to future frames. Through block-wise autoregressive adaptation and two distillation techniques (SA-DMD and Long-Horizon Autoregressive Distillation), the system achieves approximately 30 FPS in 720p editing on a single Nvidia B200 GPU, rivalling offline systems on both short and long videos. The paper totals 53 votes on Hugging Face Daily Papers.
Ein 16-Milliarden-Parameter-Framework namens JoyAI-Video-Edit, entwickelt von JD.com, ermöglicht die Video-Bearbeitung in Echtzeit ohne Zugriff auf zukünftige Frames. Dank blockweiser autoregressiver Adaption und zweier Destillationstechniken (SA-DMD und Long-Horizon Autoregressive Distillation) erreicht das System rund 30 FPS bei der 720p-Bearbeitung auf einem einzigen Nvidia-B200-GPU und konkurriert mit Offline-Systemen sowohl bei kurzen als auch bei langen Videos. Das Paper kommt auf insgesamt 53 Stimmen auf Hugging Face Daily Papers.
Un framework di 16 miliardi di parametri denominato JoyAI-Video-Edit, sviluppato da JD.com, consente l'editing video in tempo reale senza accesso ai frame futuri. Grazie all'adattamento autoregressivo a blocchi e a due tecniche di distillazione (SA-DMD e Long-Horizon Autoregressive Distillation), il sistema raggiunge circa 30 FPS in editing 720p su un'unica GPU Nvidia B200, rivaleggiando con i sistemi offline tanto sui video brevi quanto su quelli lunghi. Il paper totalizza 53 voti su Hugging Face Daily Papers.
On framework de 16 miliard de parameter ciamaa JoyAI-Video-Edit, svilupaa de JD.com, el permett la modifica video in temp real senza accès ai image futur. Grazzie a l'adattament autoregressiv per bloch e a duu tecnich de destillazion (SA-DMD e Long-Horizon Autoregressive Distillation), el sistema el raggiung circa 30 FPS in modifice 720p sora on sol GPU Nvidia B200, a la pari cont i sistema off-line sia sora i video curt che longh. El paper el totalizza 53 vott in su Hugging Face Daily Papers.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — La Communauté & ÉditoCommunity & EditorialCommunity & LeitartikelComunità & EditorialeLa Comunitaa & Editoriale

V. Signaux de la communautéCommunity SignalsSignale aus der CommunitySegnali dalla comunitàSegnai de la comunitaa

Communauté

Community

Community

Comunità

Comunitaa

gwern quitte l'écriture à temps plein pour lancer Guardian Angelgwern steps away from full-time writing to launch Guardian Angelgwern gibt das Schreiben Vollzeit auf und gründet Guardian Angelgwern lascia la scrittura a tempo pieno per lanciare Guardian Angelgwern el lassa la scritura a temp pien per lancià Guardian Angel

Le chercheur connu sous le pseudonyme gwern a annoncé le 4 août 2026 sa retraite de l'écriture à temps plein et de son anonymat pour fonder Guardian Angel. La discussion sur Hacker News a attiré 228 points et 142 commentaires, nombreux à saluer l'influence de gwern.net sur la recherche en IA depuis plus d'une décennie. La page produit est consultable sur gwern.net/guardian-angel.
The researcher known by the pseudonym gwern announced on 4 August 2026 his retirement from full-time writing and his anonymity to found Guardian Angel. The Hacker News discussion attracted 228 points and 142 comments, many praising the influence of gwern.net on AI research for over a decade. The product page is available at gwern.net/guardian-angel.
Der unter dem Pseudonym gwern bekannte Forscher hat am 4. August 2026 seinen Rückzug vom Vollzeit-Schreiben und aus seiner Anonymität bekannt gegeben, um Guardian Angel zu gründen. Die Diskussion auf Hacker News zog 228 Punkte und 142 Kommentare an; viele hoben den Einfluss von gwern.net auf die KI-Forschung über mehr als ein Jahrzehnt hervor. Die Produktseite ist unter gwern.net/guardian-angel abrufbar.
Il ricercatore noto con lo pseudonimo di gwern ha annunciato il 4 agosto 2026 il ritiro dalla scrittura a tempo pieno e dal proprio anonimato per fondare Guardian Angel. La discussione su Hacker News ha attirato 228 punti e 142 commenti, molti dei quali hanno salutato l'influenza di gwern.net sulla ricerca in IA da oltre un decennio. La pagina del prodotto è consultabile su gwern.net/guardian-angel.
El recercador cognossuu sotta el pseudonim gwern l'ha anunziaa el 4 de agost 2026 el so ritir de la scritura a temp pien e del so anonimaa per fondà Guardian Angel. La discussion in su Hacker News l'ha tiraa 228 pont e 142 comment, tant a saludà l'influenza de gwern.net in su la ricerca in IA de pussee de ona decada. La pagina prodot l'è consultabella in su gwern.net/guardian-angel.

Écosystème

Ecosystem

Ökosystem

Ecosistema

Ecosistema

Flowise, la plateforme d'orchestration LLM no-code, ferme ses portesFlowise, the no-code LLM orchestration platform, shuts downFlowise, die No-Code-Plattform für LLM-Orchestrierung, stellt den Betrieb einFlowise, la piattaforma di orchestrazione LLM no-code, chiude i battentiFlowise, la piattaforma de orchestrazion LLM no-code, la sera i port

Flowise a annoncé sa fermeture le 5 août 2026. L'outil open source d'orchestration de LLM par glisser-déposer, largement utilisé pour prototyper des chaînes RAG et des workflows d'agents, cesse ses opérations. La nouvelle sur Hacker News (29 points, 17 commentaires) suscite des débats sur la durabilité des projets open source dans un écosystème IA en consolidation accélérée.
Flowise announced its closure on 5 August 2026. The open-source drag-and-drop LLM orchestration tool, widely used for prototyping RAG chains and agent workflows, is ceasing operations. The news on Hacker News (29 points, 17 comments) has sparked debates about the sustainability of open-source projects in an AI ecosystem undergoing rapid consolidation.
Flowise hat am 5. August 2026 seine Schliessung bekannt gegeben. Das Open-Source-Tool zur Drag-and-Drop-Orchestrierung von LLMs, das weit verbreitet war, um RAG-Ketten und Agenten-Workflows zu prototypisieren, stellt den Betrieb ein. Die Nachricht auf Hacker News (29 Punkte, 17 Kommentare) löst Debatten über die Nachhaltigkeit von Open-Source-Projekten in einem KI-Ökosystem mit beschleunigter Konsolidierung aus.
Flowise ha annunciato la chiusura il 5 agosto 2026. Lo strumento open source di orchestrazione di LLM tramite drag-and-drop, ampiamente utilizzato per prototipare catene RAG e workflow di agenti, cessa le operazioni. La notizia su Hacker News (29 punti, 17 commenti) suscita dibattiti sulla sostenibilità dei progetti open source in un ecosistema IA in rapida consolidazione.
Flowise l'ha anunziaa la soa saradura el 5 de agost 2026. El strument open source de orchestrazion de LLM per drag-and-drop, doperaa ampiament per prototipà di cadenn RAG e di workflow de agent, el ferma i operazion. La notizzia in su Hacker News (29 pont, 17 comment) la fa nasser dibattid in su la sostenibilità di proget open source in d'on ecosistema IA in consolidament aceleraa.

Outils

Tools

Werkzeuge

Strumenti

Strument

CopilotKit open-source Channels SDK : agents AG-UI dans Slack et TeamsCopilotKit open-sources Channels SDK: AG-UI agents in Slack and TeamsCopilotKit veröffentlicht Channels SDK als Open Source: AG-UI-Agenten in Slack und TeamsCopilotKit rende open source Channels SDK: agenti AG-UI in Slack e TeamsCopilotKit el rend open source Channels SDK: agent AG-UI in Slack e Teams

CopilotKit a publié le 4 août 2026 Channels SDK, une bibliothèque sous licence MIT permettant d'exécuter n'importe quel agent AG-UI existant dans Slack et Microsoft Teams. La version 0.5.0 embarque cinq adaptateurs de plateforme et un contrat d'exécution documenté, élargissant le déploiement d'agents au-delà des interfaces web dédiées.
CopilotKit released on 4 August 2026 Channels SDK, an MIT-licensed library that enables running any existing AG-UI agent in Slack and Microsoft Teams. Version 0.5.0 ships with five platform adapters and a documented execution contract, broadening agent deployment beyond dedicated web interfaces.
CopilotKit hat am 4. August 2026 Channels SDK veröffentlicht, eine unter MIT-Lizenz stehende Bibliothek, die es ermöglicht, beliebige bestehende AG-UI-Agenten in Slack und Microsoft Teams auszuführen. Version 0.5.0 umfasst fünf Plattform-Adapter und einen dokumentierten Ausführungsvertrag und erweitert so den Einsatz von Agenten über dedizierte Web-Schnittstellen hinaus.
CopilotKit ha pubblicato il 4 agosto 2026 Channels SDK, una libreria con licenza MIT che consente di eseguire qualsiasi agente AG-UI esistente in Slack e Microsoft Teams. La versione 0.5.0 include cinque adattatori di piattaforma e un contratto di esecuzione documentato, ampliando l'implementazione di agenti oltre le interfacce web dedicate.
CopilotKit l'ha publicaa el 4 de agost 2026 Channels SDK, ona libreria sotta licensa MIT che la permett de eseguì ogni agent AG-UI esistent in Slack e Microsoft Teams. La version 0.5.0 la gh'ha dent cinch adatador de piattaforma e on contratt d'esecuzion documentaa, slargand el despiegament di agent oltra i interfacc web dedicaa.

VI. ÉditoEditorialLeitartikelEditorialeEditoriale

Éditorial

Editorial

Editorial

Editoriale

Editorial

L'IA ouverte rattrape la frontière, la gouvernance reste à quaiOpen AI catches up to the frontier, governance remains at the dockOffene KI holt zur Frontier auf – die Governance bleibt im HafenL'IA aperta raggiunge la frontiera, la governance resta a terraL'IA open la riva a la frontiera, la governanza la resta in port

Le 4 août 2026 condense en une journée le paradoxe qui définit l'industrie. Un rapport de SaferAI confirme que les modèles à poids ouverts rejoignent les capacités des systèmes propriétaires de pointe — GLM-5.2 de Z.ai en tête — sans disposer des garde-fous que la frontière propriétaire a mis des années à construire. Simultanément, le cadre volontaire de la Maison Blanche exclut délibérément les modèles ouverts de toute évaluation. Le message est cohérent : les régulateurs ne savent pas quoi faire des poids ouverts, alors même que leur puissance explose. La réponse de Mistral — un classificateur de sécurité lui-même ouvert, Shieldstral, qui bat des modèles sept fois plus gros — esquisse une voie. Si les capacités sont ouvertes, les défenses doivent l'être aussi. Mais un patch diffusable ne suffira pas si l'écart entre capacités offensives et défenses continue de se creuser à la vitesse observée. Les 10 milliards de dollars qu'Anthropic vient de garantir auprès de Volta pour sécuriser son calcul, et les 200 milliards de dollars de contrats que Google maintient hors bilan, rappellent que la course à la puissance ne ralentit pas. La question n'est plus de savoir si l'IA ouverte atteindra la frontière — c'est déjà le cas — mais si les outils pour la contenir seront prêts à temps.
4 August 2026 condenses into a single day the paradox that defines the industry. A SaferAI report confirms that open-weight models are matching the capabilities of cutting-edge proprietary systems — Z.ai's GLM-5.2 in the lead — without the guardrails that the proprietary frontier took years to build. Simultaneously, the White House's voluntary framework deliberately excludes open models from any assessment. The message is consistent: regulators do not know what to do with open weights, even as their power explodes. Mistral's response — a safety classifier that is itself open, Shieldstral, which beats models seven times larger — sketches a path forward. If capabilities are open, defences must be too. But a distributable patch will not suffice if the gap between offensive capabilities and defences continues to widen at the pace observed. The $10 billion that Anthropic just secured from Volta to lock in its compute, and the $200 billion in contracts that Google keeps off its balance sheet, are a reminder that the race for power is not slowing down. The question is no longer whether open AI will reach the frontier — it already has — but whether the tools to contain it will be ready in time.
Der 4. August 2026 verdichtet in einem einzigen Tag das Paradoxon, das die Branche definiert. Ein Bericht von SaferAI bestätigt, dass Modelle mit offenen Gewichten die Fähigkeiten proprietärer Spitzen-Systeme erreichen – GLM-5.2 von Z.ai an der Spitze –, ohne über die Schutzmassnahmen zu verfügen, die der proprietäre Frontier-Bereich über Jahre aufgebaut hat. Gleichzeitig schliesst der freiwillige Rahmen des Weissen Hauses offene Modelle bewusst von jeglicher Evaluierung aus. Die Botschaft ist konsistent: Die Regulatoren wissen nicht, was sie mit offenen Gewichten anfangen sollen, während deren Leistung explodiert. Die Antwort von Mistral – ein ebenfalls offener Sicherheitsklassifikator, Shieldstral, der Modelle übertrifft, die siebenmal so gross sind – skizziert einen Weg. Wenn die Fähigkeiten offen sind, müssen es die Verteidigungsmechanismen ebenfalls sein. Ein verteilbarer Patch reicht jedoch nicht aus, wenn die Lücke zwischen offensiven Fähigkeiten und Abwehrmassnahmen weiterhin in dem beobachteten Tempo wächst. Die 10 Milliarden Dollar, die Anthropic soeben bei Volta zur Sicherung seiner Rechenleistung garantiert hat, und die 200 Milliarden Dollar an Verträgen, die Google ausserhalb der Bilanz hält, erinnern daran, dass das Wettrüsten um Leistung nicht nachlässt. Die Frage ist nicht mehr, ob offene KI die Frontier erreichen wird – das ist bereits geschehen –, sondern ob die Werkzeuge, sie einzudämmen, rechtzeitig bereitstehen.
Il 4 agosto 2026 condensa in una sola giornata il paradosso che definisce l'industria. Un rapporto di SaferAI conferma che i modelli a pesi aperti raggiungono le capacità dei sistemi proprietari di punta — con GLM-5.2 di Z.ai in testa — senza disporre delle salvaguardie che la frontiera proprietaria ha impiegato anni a costruire. Simultaneamente, il quadro volontario della Casa Bianca esclude deliberatamente i modelli aperti da qualsiasi valutazione. Il messaggio è coerente: i regolatori non sanno cosa fare dei pesi aperti, proprio mentre la loro potenza esplode. La risposta di Mistral — un classificatore di sicurezza anch'esso aperto, Shieldstral, che batte modelli sette volte più grandi — abbozza una via. Se le capacità sono aperte, anche le difese devono esserlo. Ma una patch distribuibile non basterà se il divario tra capacità offensive e difese continua ad allargarsi alla velocità osservata. I 10 miliardi di dollari che Anthropic ha appena garantito con Volta per mettere al sicuro il proprio calcolo, e i 200 miliardi di dollari di contratti che Google mantiene fuori bilancio, ricordano che la corsa alla potenza non rallenta. La domanda non è più se l'IA aperta raggiungerà la frontiera — è già così — ma se gli strumenti per contenerla saranno pronti in tempo.
El 4 de agost 2026 el condesna in d'on sol dì el paradoss che 'l definiss l'industria. On rapport de SaferAI el conferma che i modej a pès open i raggiungen i capacitaa di sistema proprietari de ponta — GLM-5.2 de Z.ai in testa — senza avegh i guard-fund che la frontiera proprietaria l'ha mettuu on bell poo d'agn a tirà su. In manera simultanea, el quadri voluntari de la Cà Bianca el esclud deliberatament i modej open de ogni valutazion. El messagg l'è coerent: i regolador i sa no cossà fà di pès open, intant che la soa potenza la s'ceppa. La resposta de Mistral — on classificator de sicurezza lu medema open, Shieldstral, che 'l batt di modej sett voeult pussee grand — la traccia ona via. Se i capacitaa hinn open, anca i defensiv i gh'hann de vess. Ma ona pezza che se pò spantegà la basterà minga se 'l vosid in tra capacità offeusiv e defensiv el va innanz a svellescà a la velocità osservada. I 10 miliard de doller che Anthropic l'ha de pu garantii con Volta per sicurizzà el so calcol, e i 200 miliard de doller de contracc che Google el mantegn foeura del bilanc, i regorden che la corsa a la potenza la rallenta minga. La domanda l'è pu se l'IA open la raggiungirà la frontiera — l'è giamò inscì — ma se i strument per contenella i sarann pront a temp.