The Neuron Times — Mardi 15 septembre 2026

À la Une · FinanceFront Page · FinanceSchlagzeilen · FinanzenPrima pagina · FinanzaIn prima pagina · Finanza

Anthropic lance Claude for Financial Advisors, le modèle s'invite sur le bureau des conseillersAnthropic launches Claude for Financial Advisors, bringing the model to advisers' desksAnthropic lanciert Claude for Financial Advisors – das Modell zieht auf den Schreibtisch der BeraterAnthropic lancia Claude for Financial Advisors, il modello arriva sulla scrivania dei consulenti finanziariAnthropic el lancia Claude for Financial Advisors, el modell el riva in su la scrivania di consejer

Publié le 14 septembre 2026, l'offre verticale vise le secteur de la gestion de patrimoine, un marché hautement réglementé que les grands labos d'IA cherchent à conquérir.Published on 14 September 2026, the vertical offering targets the wealth management sector, a highly regulated market that the major AI labs are seeking to conquer.Am 14. September 2026 veröffentlicht, zielt das vertikale Angebot auf den Sektor der Vermögensverwaltung – einen streng regulierten Markt, den die grossen KI-Labors erobern wollen.Pubblicata il 14 settembre 2026, l'offerta verticale mira al settore della gestione patrimoniale, un mercato fortemente regolamentato che i grandi laboratori di IA cercano di conquistare.Publicaa el 14 de setember 2026, l'offerta verticala la mira al settor de la gestion del patrimoni, on mercaa altament reglamentaa che i grand labo de IA proeuven a conquistà.

De la rédaction — 15 septembre 2026From the editorial desk — 15 September 2026Von der Redaktion — 15. September 2026Dalla redazione — 15 settembre 2026De la redazzion — 15 settembre 2026

L'offre, détaillée dans un billet publié par Anthropic le 14 septembre 2026, positionne Claude comme assistant de travail pour les conseillers en gestion de patrimoine, un segment que les grands labos se disputent depuis deux ans. Elle s'inscrit dans une série d'annonces du même jour, avec la publication « Deploying AI from pilot to production » et un retour d'expérience sur l'usage de Claude Tag par des organisations de santé.The offering, detailed in a post published by Anthropic on 14 September 2026, positions Claude as a work assistant for wealth management advisers, a segment the major labs have been fighting over for two years. It is part of a series of announcements made the same day, including the publication of "Deploying AI from pilot to production" and a case study on how healthcare organizations use Claude Tag.Das Angebot, das Anthropic am 14. September 2026 in einem Blogbeitrag vorstellte, positioniert Claude als Arbeitsassistent für Vermögensverwalter – ein Segment, um das sich die grossen Labors seit zwei Jahren streiten. Es reiht sich ein in eine Serie von Ankündigungen desselben Tages, darunter die Veröffentlichung «Deploying AI from pilot to production» und ein Erfahrungsbericht zum Einsatz von Claude Tag durch Gesundheitsorganisationen.L'offerta, illustrata in un post pubblicato da Anthropic il 14 settembre 2026, posiziona Claude come assistente di lavoro per i consulenti in gestione patrimoniale, un segmento che i grandi laboratori si contendono da due anni. Si inserisce in una serie di annunci dello stesso giorno, con la pubblicazione «Deploying AI from pilot to production» e un resoconto d'esperienza sull'uso di Claude Tag da parte di organizzazioni sanitarie.L'offerta, descrivuda in d'on billet publicaa de Anthropic el 14 de setember 2026, la mett Claude 'me assistent de laurà per i consejer in gestion del patrimoni, on segment che i grand labo gh'hann disputaa per duu agn. La se mett in d'ona serie de anunzi del midemm dì, con la publicazion « Deploying AI from pilot to production » e on ritorn de esperienza in su l'us de Claude Tag de part di organizazion de sanitaa.

La cible est clairement d'entreprise : il s'agit de faire entrer le modèle dans des flux métier réglementés — recommandation d'investissement, préparation de dossiers client, conformité — là où les revenus par siège sont les plus élevés. Anthropic n'a pas communiqué de tarification dédiée dans l'annonce, mais le calendrier n'est pas anodin : la sortie arrive quelques jours après le plaidoyer de Dario Amodei pour un pilotage coordonné du rythme de l'IA.The target is clearly enterprise: the aim is to embed the model in regulated business workflows — investment recommendations, client file preparation, compliance — where per-seat revenue is highest. Anthropic did not announce dedicated pricing, but the timing is not incidental: the release comes days after Dario Amodei's call for coordinated steering of the pace of AI.Die Zielgruppe ist klar die Unternehmenswelt: Es geht darum, das Modell in regulierte Geschäftsprozesse einzuführen – Anlageempfehlung, Vorbereitung von Kundendossiers, Compliance – dort, wo die Erlöse pro Arbeitsplatz am höchsten sind. Anthropic hat in der Ankündigung keine eigene Preisdokumentation veröffentlicht, doch der Zeitpunkt ist kein Zufall: Die Veröffentlichung erscheint wenige Tage nach Dario Amodeis Plädoyer für eine koordinierte Steuerung des Tempos der KI.Il target è chiaramente enterprise: si tratta di portare il modello in flussi operativi regolamentati — raccomandazione di investimento, preparazione dei dossier cliente, conformità — là dove i ricavi per postazione sono più elevati. Anthropic non ha comunicato prezzi dedicati nell'annuncio, ma il calendario non è casuale: il lancio arriva pochi giorni dopo l'appello di Dario Amodei per una governance coordinata del ritmo dell'IA.La targa l'è clarament aziendala: se tratta de fà entra el modell in di fluss professionai reglamentaa — consej d'investiment, preparazion di dossier di client, conformitaa — là indoa i incass per sed hinn i pussee volt. Anthropic l'ha minga comunicaa ona tariffazion dedicada in de l'anunzi, ma 'l calendari l'è no insignificativ: la sortida la riva quij dì là dop del plaidoyer de Dario Amodei per on pilotagg coordinaa del ritm de l'IA.

Ce lancement intervient alors que la preuve sociale fait partie intégrante de la stratégie commerciale du labo : un billet publié le même jour relate le déploiement de Claude par le gestionnaire d'actifs T. Rowe Price, qui intègre le modèle et Claude Code dans son processus d'investissement. La bataille du secteur financier, où OpenAI, Google et Anthropic multiplient les offres verticales, s'annonce comme l'un des terrains d'affrontement majeurs de l'automne.The launch comes as social proof is an integral part of the lab's commercial strategy: a post published the same day describes T. Rowe Price's deployment of Claude, with the asset manager integrating the model and Claude Code into its investment process. The battle for the financial sector, where OpenAI, Google and Anthropic are multiplying vertical offerings, is shaping up to be one of the major battlegrounds of the autumn.Der Launch fällt in eine Phase, in der der gesellschaftliche Beweis fester Bestandteil der Vermarktungsstrategie des Labors ist: Ein am selben Tag veröffentlichter Beitrag berichtet über den Einsatz von Claude beim Vermögensverwalter T. Rowe Price, der das Modell und Claude Code in seinen Anlageprozess integriert. Die Schlacht um den Finanzsektor, in dem OpenAI, Google und Anthropic vertikale Angebote häufen, zeichnet sich als eines der wichtigsten Kräftemessen des Herbsts ab.Questo lancio avviene mentre la prova sociale è parte integrante della strategia commerciale del laboratorio: un post pubblicato lo stesso giorno racconta il dispiegamento di Claude da parte del gestore patrimoniale T. Rowe Price, che integra il modello e Claude Code nel proprio processo d'investimento. La battaglia del settore finanziario, dove OpenAI, Google e Anthropic moltiplicano le offerte verticali, si profila come uno dei terreni di scontro principali dell'autunno.Quell lanch chì el riva in del moment che la proeuva social la fa part integra de la strategia commerciala del labo: on billet publicaa el midemm dì el cunta el dispiegament de Claude del gestor d'asset T. Rowe Price, che 'l integra el modell e Claude Code in del sò process d'investiment. La battaja del settor finanzial, indoa OpenAI, Google e Anthropic moltiplichen i offert verticaj, la se presenta 'me vun di terren de scontr maghior de l'autun.

https://claude.com/blog/claude-for-financial-advisorshttps://claude.com/blog/claude-for-financial-advisorshttps://claude.com/blog/claude-for-financial-advisorshttps://claude.com/blog/claude-for-financial-advisorshttps://claude.com/blog/claude-for-financial-advisors

https://claude.com/blog/deploying-ai-from-pilot-to-productionhttps://claude.com/blog/deploying-ai-from-pilot-to-productionhttps://claude.com/blog/deploying-ai-from-pilot-to-productionhttps://claude.com/blog/deploying-ai-from-pilot-to-productionhttps://claude.com/blog/deploying-ai-from-pilot-to-production

https://claude.com/blog/t-rowe-price-claude-investment-processhttps://claude.com/blog/t-rowe-price-claude-investment-processhttps://claude.com/blog/t-rowe-price-claude-investment-processhttps://claude.com/blog/t-rowe-price-claude-investment-processhttps://claude.com/blog/t-rowe-price-claude-investment-process

MajeurMajorMajeur → WichtigRilevanteMaghior

PhysBrain 1.5 : un modèle 8B open source égale les modèles propriétaires en IA incarnéePhysBrain 1.5: an open-source 8B model matches proprietary models in embodied AIPhysBrain 1.5: ein Open-Source-8B-Modell erreicht proprietäre Modelle in der Embodied AIPhysBrain 1.5: un modello 8B open source alla pari con i modelli proprietari nell'IA incarnataPhysBrain 1.5: on modell 8B open source el para i modèj proprietari in IA incarnada

From the Wires —

PhysBrain 1.5, un modèle 8B unifié pour comprendre les environnements physiques, générer des actions et prédire les états futurs, établit un nouveau record open source : 72,5 de score moyen sur 28 benchmarks d'embodied AI, au niveau de modèles propriétaires comme GPT-6-Astra et Gemini 3.6 Flash. Le pré-entraînement s'appuie entièrement sur des vidéos d'interaction humaine. Publié le 14 septembre 2026, le travail a recueilli 51 upvotes. Paper sur arXiv, code et projet sur GitHub.

PhysBrain 1.5, a unified 8B model for understanding physical environments, generating actions and predicting future states, sets a new open-source record: a 72.5 average score across 28 embodied AI benchmarks, on par with proprietary models such as GPT-6-Astra and Gemini 3.6 Flash. Pre-training relies entirely on videos of human interaction. Published on 14 September 2026, the work has gathered 51 upvotes. Paper on arXiv, code and project on GitHub.

PhysBrain 1.5, ein einheitliches 8B-Modell zum Verstehen physischer Umgebungen, zum Generieren von Aktionen und zum Vorhersagen künftiger Zustände, stellt einen neuen Open-Source-Rekord auf: 72,5 Punkte im Schnitt über 28 Embodied-AI-Benchmarks, auf dem Niveau proprietärer Modelle wie GPT-6-Astra und Gemini 3.6 Flash. Das Pre-Training stützt sich vollständig auf Videos menschlicher Interaktion. Die am 14. September 2026 veröffentlichte Arbeit erhielt 51 Upvotes. Paper auf arXiv, Code und Projekt auf GitHub.

PhysBrain 1.5, un modello 8B unificato per comprendere gli ambienti fisici, generare azioni e prevedere gli stati futuri, stabilisce un nuovo record open source: 72,5 di punteggio medio su 28 benchmark di embodied AI, al livello di modelli proprietari come GPT-6-Astra e Gemini 3.6 Flash. Il pre-addestramento si basa interamente su video di interazione umana. Pubblicato il 14 settembre 2026, il lavoro ha raccolto 51 upvote. Paper su arXiv, codice e progetto su GitHub.

PhysBrain 1.5, on modell 8B unificaa per capì i ambient fìsig, generà di azion e prevedì i statt futur, el stabiliss on noeuv record open source: 72,5 de pont medi sora 28 benchmark de embodied AI, al nivell di modèj proprietari 'me GPT-6-Astra e Gemini 3.6 Flash. El pre-addestrament el se appoggia del tutt sora di video d'interazion umana. Publicaa el 14 de setember 2026, el laurà l'ha regolt 51 upvotes. Paper sora arXiv, codes e progett sura GitHub.

À suivreWatch thisÀ suivre → Im Blick behaltenDa seguireDe seguità

ZGCM-1 : un 7B open source qui tient tête à des frontières de 235 milliards de paramètresZGCM-1: an open-source 7B that holds its own against 235-billion-parameter frontiersZGCM-1: ein offenes 7B-Modell, das Frontier-Modelle mit 235 Milliarden Parametern Paroli bietetZGCM-1: un 7B open source che tiene testa a frontiere da 235 miliardi di parametriZGCM-1: on 7B open source che 'l resist a di frontier de 235 miliard de paramiter

From the Wires —

ZGCM-1, un modèle dense 7B entièrement ouvert, reste compétitif avec des frontières beaucoup plus grosses comme Qwen3-235B-A22B et GLM-5.1 en raisonnement mathématique et recherche agentique, grâce à trois leviers : attention couplée à fenêtre glissante, optimiseur FP8 Muon, et contexte progressif jusqu'à 256K. Les auteurs revendiquent un gain de ~4,2x en time-to-loss en pré-entraînement 16K et publient poids, checkpoints et données de chaque étape. Travail au top du jour avec 52 upvotes. Paper sur arXiv, code sur GitHub.

ZGCM-1, a fully open 7B dense model, remains competitive with much larger frontiers such as Qwen3-235B-A22B and GLM-5.1 in mathematical reasoning and agentic research, thanks to three levers: sliding-window coupled attention, the FP8 Muon optimizer, and progressive context up to 256K. The authors claim a ~4.2x gain in time-to-loss in 16K pre-training and release weights, checkpoints and data for every stage. Top paper of the day with 52 upvotes. Paper on arXiv, code on GitHub.

ZGCM-1, ein vollständig offenes dichtes 7B-Modell, hält mit deutlich grösseren Frontier-Modellen wie Qwen3-235B-A22B und GLM-5.1 beim mathematischen Denken und der agentischen Recherche mit – dank dreier Hebel: Aufmerksamkeit mit gleitendem Fenster, FP8-Muon-Optimierer und progressivem Kontext bis 256K. Die Autoren beanspruchen einen Gewinn von rund 4,2x beim Time-to-Loss im 16K-Pre-Training und veröffentlichen Gewichte, Checkpoints und Daten jedes Schritts. Tagesbeste Arbeit mit 52 Upvotes. Paper auf arXiv, Code auf GitHub.

ZGCM-1, un modello denso 7B interamente aperto, resta competitivo con modelli di frontiera molto più grandi come Qwen3-235B-A22B e GLM-5.1 nel ragionamento matematico e nella ricerca agentica, grazie a tre leve: attenzione accoppiata a finestra scorrevole, ottimizzatore FP8 Muon e contesto progressivo fino a 256K. Gli autori rivendicano un guadagno di ~4,2x nel time-to-loss nel pre-addestramento 16K e pubblicano pesi, checkpoint e dati di ogni fase. Lavoro in cima alla giornata con 52 upvote. Paper su arXiv, codice su GitHub.

ZGCM-1, on modell dens 7B vert del tutt, el resta competitiv con di frontier pussee gross 'me Qwen3-235B-A22B e GLM-5.1 in resoneament matemategh e ricerca agentega, grassie a trii levi: attenziœn cuplada a fenestra slissanta, otimizador FP8 Muon, e contest progressiv fin a 256K. I autor i revendichen on guadagn de ~4,2x in time-to-loss in pre-addestrament 16K e i publimen pes, checkpoint e dacc de ògni tapa. Laurà in coo del dì con 52 upvotes. Paper sora arXiv, codes sora GitHub.

SignalSignalSignal → SignalSegnaleSegnal

KaiNinja : décomposer les objets 3D générés en pièces exploitablesKaiNinja: breaking generated 3D objects into usable partsKaiNinja: generierte 3D-Objekte in verwertbare Teile zerlegenKaiNinja: scomporre gli oggetti 3D generati in pezzi sfruttabiliKaiNinja: descomponn i oggett 3D generaa in tocch dopràbij

From the Wires —

KaiNinja étend le générateur 3D natif TRELLIS.2 à la génération par pièces via une représentation à double volume, sans segmenteur ni masque : distance de Chamfer réduite de 40 % et F-score strict de pièces en hausse de 16 % face aux pipelines concurrents. Détail notable : c'est, à la connaissance des auteurs, le premier modèle génératif 3D entraîné en partie sur des données de pièces rédigées par un agent LLM. 8 upvotes, publié le 14 septembre 2026. Paper sur arXiv, projet en ligne.

KaiNinja extends the native 3D generator TRELLIS.2 to part-based generation via a dual-volume representation, with no segmenter or masks: a 40% reduction in Chamfer distance and a 16% increase in strict part F-score against rival pipelines. Notable detail: to the authors' knowledge, it is the first 3D generative model trained in part on part data written by an LLM agent. 8 upvotes, published on 14 September 2026. Paper on arXiv, project online.

KaiNinja erweitert den nativen 3D-Generator TRELLIS.2 um stückweise Generierung mittels einer Dual-Volumen-Repräsentation – ganz ohne Segmentierer oder Masken: 40 % geringere Chamfer-Distanz und 16 % höherer strikter F-Score für Teile gegenüber konkurrierenden Pipelines. Bemerkenswert: Es ist nach Kenntnis der Autoren das erste generative 3D-Modell, das teilweise auf Teile-Daten trainiert wurde, die von einem LLM-Agenten verfasst wurden. 8 Upvotes, veröffentlicht am 14. September 2026. Paper auf arXiv, Projekt online.

KaiNinja estende il generatore 3D nativo TRELLIS.2 alla generazione per pezzi tramite una rappresentazione a doppio volume, senza segmentatore né maschera: distanza di Chamfer ridotta del 40% e F-score rigoroso dei pezzi in aumento del 16% rispetto alle pipeline concorrenti. Dettaglio notevole: è, a conoscenza degli autori, il primo modello generativo 3D addestrato in parte su dati di pezzi redatti da un agente LLM. 8 upvote, pubblicato il 14 settembre 2026. Paper su arXiv, progetto in linea.

KaiNinja 'l estend el generador 3D nativ TRELLIS.2 a la generazion per tocch via ona rapresentazion a doppi volum, senza segmetador ni maschera: distanza de Chamfer sbassada del 40% e F-score strett di tocch in crescita del 16% contra i pipeline concorrent. Detali notabil: l'è, a la cognossenza di autor, 'l prim modell generativ 3D addestraa in part sora di dacc de tocch scrivuu de on agent LLM. 8 upvotes, publicaa el 14 de setember 2026. Paper sora arXiv, progett in linia.

SécuritéSecuritySicherheitSicurezzaSigurezza

HazardAuditor : un garde-fou d'exécution pour les agents qui pilotent des ordinateursHazardAuditor: a runtime guardrail for agents that drive computersHazardAuditor: ein Runtime-Guardrail für Agenten, die Computer steuernHazardAuditor: un guardrail in esecuzione per gli agenti che guidano computerHazardAuditor: on guard-rail d'esecuzion per i agent che i menen di computer

From the Wires —

HazardAuditor (Ant Group, soumis le 15 septembre 2026) fait tourner des agents hétérogènes — Claude Code, Codex, Hermes, OpenClaw — dans des environnements contrôlés et normalise leurs interactions en une représentation d'événements canonique pour superviser les gardes-fous à l'exécution. Son objectif d'optimisation, GuardPO, transforme les verdicts de sûreté en avantages au niveau de la séquence : jusqu'à +16,5 points de précision sur le garde-fou précédent le plus fort. Paper sur arXiv, code sur GitHub.

HazardAuditor (Ant Group, submitted 15 September 2026) runs heterogeneous agents — Claude Code, Codex, Hermes, OpenClaw — in controlled environments and normalizes their interactions into a canonical event representation to supervise runtime guardrails. Its optimization objective, GuardPO, turns safety verdicts into sequence-level advantages: up to +16.5 points of precision over the strongest preceding guardrail. Paper on arXiv, code on GitHub.

HazardAuditor (Ant Group, eingereicht am 15. September 2026) lässt heterogene Agenten – Claude Code, Codex, Hermes, OpenClaw – in kontrollierten Umgebungen laufen und normalisiert ihre Interaktionen zu einer kanonischen Ereignisrepräsentation, um Runtime-Guardrails zu überwachen. Sein Optimierungsziel, GuardPO, verwandelt Sicherheitsurteile in sequenzweise Vorteile: bis zu +16,5 Punkte Präzision gegenüber dem bisher stärksten Guardrail. Paper auf arXiv, Code auf GitHub.

HazardAuditor (Ant Group, sottoposto il 15 settembre 2026) esegue agenti eterogenei — Claude Code, Codex, Hermes, OpenClaw — in ambienti controllati e normalizza le loro interazioni in una rappresentazione canonica di eventi per supervisionare i guardrail in esecuzione. Il suo obiettivo di ottimizzazione, GuardPO, trasforma i verdetti di sicurezza in vantaggi a livello di sequenza: fino a +16,5 punti di precisione sul guardrail precedente più forte. Paper su arXiv, codice su GitHub.

HazardAuditor (Ant Group, presentaa el 15 de setember 2026) el fa andà di agent eterogenej — Claude Code, Codex, Hermes, OpenClaw — in di ambient contròlaa e 'l normalizza i sò interazion in d'ona rapresentazion d'event canonica per supraveglià i guard-rail a l'esecuzion. El sò oggettiv de otimizazion, GuardPO, el transforma i verdett de sigurezza in vantagg a nivell de la sequenza: fin a +16,5 pont de precision sora 'l guard-rail precedent el pussee fort. Paper sora arXiv, codes sura GitHub.

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 — Modèj & Frontiera

I.

OpenAI

Fyxer, l'assistant exécutif qui inspire confiance : fine-tuning, mémoire et feedbackFyxer, the executive assistant that earns trust: fine-tuning, memory and feedbackFyxer, der Vertrauen schaffende Chef-Assistent: Fine-Tuning, Gedächtnis und FeedbackFyxer, l'assistente esecutivo che ispira fiducia: fine-tuning, memoria e feedbackFyxer, l'assistant esecutiv che 'l fa vegnì fiducia: fine-tuning, memoria e feedback

L'éditeur d'assistant email Fyxer a détaillé le 14 septembre 2026 son architecture sur le blog d'OpenAI : les modèles du labo, couplés au fine-tuning et à la mémoire, rédigent les messages dans la voix de chaque utilisateur, un pipeline nourri par les retours réels des clients. Le cas d'usage illustre la conquête par OpenAI du marché de l'assistant de bureau, où la qualité perçue dépend moins du modèle brut que du bouclage entre personnalisation et feedback humain. L'étude de cas est publiée sur openai.com.

Email assistant maker Fyxer detailed its architecture on 14 September 2026 on OpenAI's blog: the lab's models, combined with fine-tuning and memory, draft messages in each user's own voice, a pipeline fed by real customer feedback. The use case illustrates OpenAI's push into the office assistant market, where perceived quality depends less on the raw model than on the loop between personalization and human feedback. The case study is published on openai.com.

Der E-Mail-Assistent-Hersteller Fyxer hat am 14. September 2026 seine Architektur im OpenAI-Blog beschrieben: Die Modelle des Labors, kombiniert mit Fine-Tuning und Gedächtnis, verfassen Nachrichten in der Stimme jedes einzelnen Nutzers – eine Pipeline, die durch reales Kundenfeedback gespeist wird. Der Anwendungsfall illustriert OpenAI Offensive um den Markt für Büroassistenz, wo die wahrgenommene Qualität weniger vom Rohmodell abhängt als von der Rückkopplung zwischen Personalisierung und menschlichem Feedback. Die Fallstudie ist auf openai.com veröffentlicht.

L'editore dell'assistente email Fyxer ha descritto il 14 settembre 2026 la propria architettura sul blog di OpenAI: i modelli del laboratorio, uniti a fine-tuning e memoria, redigono i messaggi nella voce di ogni utente, una pipeline alimentata dai feedback reali dei clienti. Il caso d'uso illustra la conquista da parte di OpenAI del mercato dell'assistente d'ufficio, dove la qualità percepita dipende meno dal modello puro che dal collegamento tra personalizzazione e feedback umano. Il caso di studio è pubblicato su openai.com.

L'editor d'assistant email Fyxer l'ha descrivuu el 14 de setember 2026 la sò architettura sora 'l blog de OpenAI: i modèj del labo, cuplaa cont el fine-tuning e la memoria, scriver i messagg con la vos de ògni utilisateur, ona pipeline alimentada di retor ver di client. El cas d'us el illustra la conquista de part de OpenAI del mercaa de l'assistant de uffici, indoa la qualità percepida la dipend manch del modell brut che del saràss tra personalizzazion e feedback uman. L'studi de cas l'è publicaa sora openai.com.

Régulation

Regulation

Regulierung

Regolamentazione

Regolazion

Ex-FTC Lina Khan : « des menottes pour les PDG de l'IA », sur un précédent de 1934Ex-FTC's Lina Khan: "handcuffs for AI CEOs", on a 1934 precedentEx-FTC-Chefin Lina Khan: «Handschellen für KI-CEOs» – nach einem Präzedenzfall von 1934Ex-FTC Lina Khan: «manette per i CEO dell'IA», su un precedente del 1934Ex-FTC Lina Khan: « di manett per i CEO de l'IA», sora on precedent del 1934

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

L'ancienne patronne de la FTC Lina Khan a appelé le 14 septembre 2026, dans des propos rapportés par The Register, à des poursuites pénales contre les dirigeants des grands labos d'IA, en s'appuyant sur un précédent législatif de 1934. La proposition, qui relance le débat sur la responsabilité individuelle des dirigeants technologiques, a totalisé 95 points sur Hacker News en quelques heures. Le détail des propos est sur theregister.com et la réaction est sur le fil Hacker News.

Former FTC chair Lina Khan called on 14 September 2026, in remarks reported by The Register, for criminal prosecution of the executives of the major AI labs, invoking a 1934 legislative precedent. The proposal, which reignites the debate over individual accountability for technology executives, gathered 95 points on Hacker News within hours. The full remarks are on theregister.com and the reaction on the Hacker News thread.

Die frühere FTC-Chefin Lina Khan hat am 14. September 2026, wie The Register berichtet, strafrechtliche Verfolgung der Führungskräfte der grossen KI-Labors gefordert – unter Berufung auf ein legislatorisches Präzedenzurteil von 1934. Der Vorschlag, der die Debatte über die individuelle Verantwortung von Tech-Führungskräften neu entfacht, erreichte innert Stunden 95 Punkte auf Hacker News. Die Einzelheiten der Aussagen stehen auf theregister.com, die Reaktionen im Hacker-News-Thread.

L'ex responsabile della FTC Lina Khan ha chiesto il 14 settembre 2026, in dichiarazioni riportate da The Register, azioni penali contro i dirigenti dei grandi laboratori di IA, richiamandosi a un precedente legislativo del 1934. La proposta, che rilancia il dibattito sulla responsabilità individuale dei dirigenti tecnologici, ha totalizzato 95 punti su Hacker News in poche ore. Il dettaglio delle dichiarazioni è su theregister.com e la reazione è sul thread di Hacker News.

L'antiga patrona de la FTC Lina Khan l'ha ciamaa el 14 de setember 2026, in di parlà riportaa de The Register, di perseguizion penaj contra i dirigent di grand labo de IA, apoggiandoss sora on precedent legislativ del 1934. La proposta, che la riarma 'l dibattit in su la responsabilità individual di dirigent tecnologegh, l'ha totalizzaa 95 pont sora Hacker News in quij or chì. El detali di parlà l'è sora theregister.com e la reazion l'è sora 'l fil Hacker News.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Le Cahier TechniqueThe Technical DeskDas Technik-DossierIl Quaderno TecnicoEl Quadernegh Tecnegh

II.

Claude Code

Anthropic : « le codage agentique met le CI sous tension » — et voici comment l'équipe l'a apprivoiséAnthropic: "agentic coding is straining CI" — and how the team tamed itAnthropic: «Agentisches Codieren bringt die CI ans Limit» – und so hat das Team es gezähmtAnthropic: «il coding agentico mette sotto pressione il CI» — ed ecco come il team l'ha addomesticatoAnthropic: « el codes agentegh el mett el CI sota tension » — e chichinscì come l'equipa l'ha domesticaa

Dans un billet du 14 septembre 2026, l'équipe Claude Code décrit l'impact de l'adoption massive des agents de code sur les chaînes d'intégration continue : des milliers de pull requests quotidiennes rendent intenable une exécution exhaustive des suites de tests. La réponse d'Anthropic : l'analyse d'impact de tests, qui sélectionne à chaque commit le sous-ensemble de tests pertinents. Le billet, signé depuis l'intérieur de l'entreprise, offre l'un des premiers retours détaillés sur la charge infrastructurelle que le codage agentique fait peser sur le CI. L'article complet est sur claude.com.

In a 14 September 2026 post, the Claude Code team describes the impact of mass adoption of coding agents on continuous integration pipelines: thousands of daily pull requests make exhaustive execution of test suites untenable. Anthropic's answer: test impact analysis, which selects the relevant subset of tests for each commit. The post, written from inside the company, offers one of the first detailed accounts of the infrastructure load that agentic coding places on CI. The full article is on claude.com.

In einem Beitrag vom 14. September 2026 beschreibt das Claude-Code-Team, welche Auswirkungen die massenhafte Einführung von Code-Agenten auf Continuous-Integration-Ketten hat: Tausende täglicher Pull Requests machen eine erschöpfende Ausführung der Testsuiten unhaltbar. Anthropics Antwort: Test-Impact-Analyse, die bei jedem Commit die relevante Teilmenge der Tests auswählt. Der aus dem Innern des Unternehmens verfasste Beitrag liefert eines der ersten detaillierten Zeugnisse über die infrastrukturelle Last, die agentisches Codieren auf die CI legt. Der vollständige Artikel steht auf claude.com.

In un post del 14 settembre 2026, il team di Claude Code descrive l'impatto dell'adozione massiccia degli agenti di codice sulle catene d'integrazione continua: migliaia di pull request quotidiane rendono insostenibile un'esecuzione esaustiva delle suite di test. La risposta di Anthropic: l'analisi d'impatto dei test, che seleziona a ogni commit il sottoinsieme di test pertinenti. Il post, firmato dall'interno dell'azienda, offre uno dei primi resoconti dettagliati sul carico infrastrutturale che il coding agentico fa pesare sul CI. L'articolo completo è su claude.com.

In d'on billet del 14 de setember 2026, l'equipa Claude Code la descriv l'impatto de l'adozion massizza di agent de codes sora i caden de integrazion continova: migiaia de pull requests giornaler renf_even ona esecuzion esaustiva di suit de test impossibila de tegnì. La risposta de Anthropic: l'analisi d'impatt di test, che la selessiona a ògni commit el sotto-insiema di test pertinent. El billet, firmaa de dent de l'azienda, el prester vun di primm retor dettagiaa sora 'l careg infrastruttural che 'l codes agentegh el fa pesà sora 'l CI. L'articol complet l'è sora claude.com.

Self-hosting

Migrer des pre-prompts de 35 kb d'Opus vers Ollama : le journal de bord d'un self-hosterMigrating 35 kb pre-prompts from Opus to Ollama: a self-hoster's logbook35 kB Pre-Prompts von Opus nach Ollama migrieren: das Logbuch eines Self-HostersMigrare pre-prompt di 35 kb da Opus a Ollama: il diario di bordo di un self-hosterMigrà di pre-prompts de 35 kb de Opus vers Ollama: 'l giornal de bord d'on self-hoster

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Publiée le 14 septembre 2026, une note d'ingénierie relate la migration de pre-prompts de 35 kilo-octets depuis les API d'Anthropic et d'OpenAI vers un Ollama auto-hébergé : incompatibilités de tokenisation, dérives de comportement système et pièges de cache, documentés pas à pas. Le récit, qui a recueilli 124 points sur Hacker News, intéressera les équipes cherchant à rapatrier des charges de travail sur leurs propres serveurs. La note est sur patrickmccanna.net, avec la discussion.

Published on 14 September 2026, an engineering note recounts the migration of 35-kilobyte pre-prompts from Anthropic's and OpenAI's APIs to a self-hosted Ollama: tokenization mismatches, system behaviour drift and cache pitfalls, documented step by step. The account, which drew 124 points on Hacker News, will interest teams looking to bring workloads back onto their own servers. The note is on patrickmccanna.net, along with the discussion.

Eine am 14. September 2026 veröffentlichte Engineering-Notiz beschreibt die Migration von 35 Kilobyte grossen Pre-Prompts von den APIs von Anthropic und OpenAI zu einem selbst gehosteten Ollama: Tokenisierungs-Inkompatibilitäten, Drift im Systemverhalten und Cache-Fallen, Schritt für Schritt dokumentiert. Der Bericht, der auf Hacker News 124 Punkte erhielt, dürfte Teams interessieren, die Workloads auf eigene Server zurückholen wollen. Die Notiz steht auf patrickmccanna.net, samt der Diskussion.

Pubblicata il 14 settembre 2026, una nota d'ingegneria racconta la migrazione di pre-prompt da 35 kilobyte dalle API di Anthropic e OpenAI verso un Ollama self-hosted: incompatibilità di tokenizzazione, derive comportamentali di sistema e trappole di cache, documentate passo per passo. Il resoconto, che ha raccolto 124 punti su Hacker News, interesserà i team che cercano di riportare carichi di lavoro sui propri server. La nota è su patrickmccanna.net, con la discussione.

Publicaa el 14 de setember 2026, ona nota d'ingegneria la cunta la migrazion di pre-prompts de 35 kilo-octett di API de Anthropic e OpenAI vers on Ollama auto-ospidaa: incompatibilità de tokenizzazion, deriv de comportament sistema e trabocchej de cache, documentaa pass per pass. 'L rest, che l'ha regolt 124 pont sora Hacker News, 'l interessarà i equip ch'i cerchen de portà i careg de laurà sora i pròppi servidô. La nota l'è sora patrickmccanna.net, con la discussion.

Produit

Product

Produkt

Prodotto

Prodott

ChatGPT assouplit les permissions par défaut des connexions HealthChatGPT loosens default permissions for Health connectionsChatGPT lockert die Standardberechtigungen der Health-VerbindungenChatGPT allenta i permessi predefiniti delle connessioni HealthChatGPT el fa pussee molar i permission per defoelt di conession Health

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Les notes de version de ChatGPT du 14 septembre 2026 précisent un changement de permissions pour les nouvelles connexions du plugin Health : les données connectées seront désormais traitées selon le réglage global des permissions de plugins de l'utilisateur, avec par défaut « Allow low-risk actions » — autrement dit, l'assistant peut exploiter les informations de santé sans demander à chaque fois, hors actions sensibles comme l'envoi d'emails. Un choix d'ergonomie qui ravive la question du consentement implicite sur les données les plus personnelles. Les notes de version sont sur help.openai.com.

ChatGPT's 14 September 2026 release notes specify a permissions change for new Health plugin connections: connected data will now be handled according to the user's global plugin permissions setting, with "Allow low-risk actions" as the default — in other words, the assistant can act on health information without asking each time, except for sensitive actions such as sending emails. An ergonomic choice that revives the question of implicit consent over the most personal of data. The release notes are on help.openai.com.

Die Release Notes von ChatGPT vom 14. September 2026 präzisieren eine Berechtigungsänderung für neue Verbindungen des Health-Plugins: Die angeschlossenen Daten werden künftig gemäss der globalen Plugin-Berechtigungseinstellung des Nutzers behandelt, standardmässig mit «Allow low-risk actions» – das heisst, der Assistent kann Gesundheitsinformationen nutzen, ohne jedes Mal zu fragen, ausser bei sensiblen Aktionen wie dem Versand von E-Mails. Eine Ergonomie-Entscheidung, die die Frage der impliziten Einwilligung bei den persönlichsten Daten neu aufwirft. Die Release Notes stehen auf help.openai.com.

Le note di versione di ChatGPT del 14 settembre 2026 precisano un cambiamento di permessi per le nuove connessioni del plugin Health: i dati collegati saranno d'ora in poi trattati secondo l'impostazione globale dei permessi dei plugin dell'utente, con default «Allow low-risk actions» — in altre parole, l'assistente può sfruttare le informazioni sulla salute senza chiedere ogni volta, salvo azioni sensibili come l'invio di email. Una scelta ergonomica che ravviva la questione del consenso implicito sui dati più personali. Le note di versione sono su help.openai.com.

I not de version de ChatGPT del 14 de setember 2026 sprecifen on cambiamment de permission per i noeuv conession del plugin Health: i dacc conness sarann ades trataa segond el regagg global di permission di plugin de l'utilisateur, con per defoelt « Allow low-risk actions » — var a dì che l'assistant el po doprà i informazion de sanitaa senza domandà ògni volta, foeura di azion sensibij 'me l'invi di email. Ona scerna de ergonomia che la riarma la question del consens implicit sora i dacc i pussee personaj. I not de version hinn sora help.openai.com.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — La RechercheResearchDie ForschungLa RicercaLa Ricerca

III.

Agents

Agenti

Agent

Quand les agents ralentissent : l'Elo-par-token révèle les limites du calcul au testWhen agents slow down: Elo-per-token reveals the limits of test-time computeWenn Agenten langsamer werden: Elo pro Token enthüllt die Grenzen der Testzeit-BerechnungQuando gli agenti rallentano: l'Elo-per-token rivela i limiti del calcolo al testQuand i agent i rallenten: l'Elo-per-token el revella i limit del calcol al test

Le journal, soumis le 15 septembre 2026 et qui a cumulé 5 upvotes sur Hugging Face, propose l'analyse Elo-per-token pour mesurer comment les agents LLM convertissent le calcul au moment du test en performance. Trois résultats structurent l'étude : les sessions atteignent jusqu'à 100 millions de tokens, les agents convertissent d'abord les tokens en Elo plus vite qu'un échantillonnage indépendant avant de décroître, et sur FrontierCS Polyomino Packing, répartir 100M de tokens en sessions parallèles apporte +264 Elo par rapport à une seule session longue, et +355 par rapport à dix sessions courtes — preuve quantitative que « ralentir » est une propriété structurelle des agents actuels, pendant que les meilleurs humains au concours AtCoder progressent de façon superlinéaire. Le paper est sur arXiv.

The paper, submitted on 15 September 2026 and with 5 upvotes on Hugging Face, proposes Elo-per-token analysis to measure how LLM agents convert test-time compute into performance. Three findings structure the study: sessions reach up to 100 million tokens, agents first convert tokens into Elo faster than independent sampling before declining, and on FrontierCS Polyomino Packing, splitting 100M tokens into parallel sessions yields +264 Elo compared with a single long session, and +355 compared with ten short sessions — quantitative evidence that "slowing down" is a structural property of current agents, while the best humans on AtCoder contests improve superlinearly. The paper is on arXiv.

Die am 15. September 2026 eingereichte Studie, die auf Hugging Face 5 Upvotes erhielt, schlägt die Elo-per-Token-Analyse vor, um zu messen, wie LLM-Agenten Testzeit-Berechnung in Leistung umsetzen. Drei Resultate strukturieren die Arbeit: Sessions erreichen bis zu 100 Millionen Tokens; die Agenten wandeln Tokens zunächst schneller in Elo um als unabhängiges Sampling, bevor die Kurve abflacht; und auf FrontierCS Polyomino Packing bringt die Aufteilung von 100M Tokens in parallele Sessions +264 Elo gegenüber einer einzelnen langen Session und +355 gegenüber zehn kurzen – der quantitative Beweis, dass «Verlangsamen» eine strukturelle Eigenschaft heutiger Agenten ist, während die besten Menschen im AtCoder-Wettbewerb superlinear Fortschritte machen. Das Paper steht auf arXiv.

Il paper, sottoposto il 15 settembre 2026 e che ha accumulato 5 upvote su Hugging Face, propone l'analisi Elo-per-token per misurare come gli agenti LLM convertono il calcolo al momento del test in prestazione. Tre risultati strutturano lo studio: le sessioni raggiungono fino a 100 milioni di token, gli agenti convertono prima i token in Elo più velocemente di un campionamento indipendente per poi calare, e su FrontierCS Polyomino Packing distribuire 100M di token in sessioni parallele porta +264 Elo rispetto a un'unica sessione lunga, e +355 rispetto a dieci sessioni brevi — prova quantitativa che «rallentare» è una proprietà strutturale degli agenti attuali, mentre i migliori umani al concorso AtCoder progrediscono in modo superlineare. Il paper è su arXiv.

El giornal, presentaa el 15 de setember 2026 e che l'ha regolt 5 upvotes sora Hugging Face, el propon l'analisi Elo-per-token per misurà come i agent LLM convertissen el calcol al moment del test in performance. Trii risultaa strcturen el studi: i session riven fin a 100 milion de token, i agent convertissen primma i token in Elo pussee a svelta che on campionament independant prima de calà, e sora FrontierCS Polyomino Packing, spartì 100M de token in session paralèll el porta +264 Elo in confront a ona sessiona longa sola, e +355 in confront a des session curt — proeuva quantitativa che « rallentà » l'è ona proprietà strctural di agent d'incoeu, intant che i mej uman al concors AtCoder i vananz de manera superlineara. El paper l'è sora arXiv.

Sécurité

Security

Sicherheit

Sicurezza

Sigurezza

Anthropic chiffre le pire cas des backdoors : de 3 % à 80 % selon le choix du poisonAnthropic quantifies the worst case for backdoors: from 3% to 80% depending on the poison you pickAnthropic beziffert den Worst Case von Backdoors: 3 % bis 80 % je nach Wahl des GiftsAnthropic quantifica il caso peggiore delle backdoor: dal 3% all'80% a seconda del veleno sceltoAnthropic el cifra el pesg cas di backdoor: dal 3% a l'80% segond la scerna del velen

Soumis le 15 septembre 2026 à la curation Hugging Face (1 upvote mais directement adossé à Anthropic), le travail « Pick Your Poison » montre que les évaluations de backdoors sous-estiment gravement la vulnérabilité : sur trois scénarios LLaMA-3-8B, à modèle, données propres et nombre d'exemples empoisonnés identiques, le taux de succès de l'attaque varie de 3 % à 80 % selon le seul choix de l'ensemble empoisonné. La méthode SAILS apprend un scoreur d'ensembles à partir de quelques centaines de runs et gagne en moyenne 30 points de pourcentage sur les baselines d'influence, avec transfert vers les backdoors agentic et API-only. Le paper est sur arXiv.

Submitted on 15 September 2026 to Hugging Face curation (1 upvote but directly tied to Anthropic), the "Pick Your Poison" work shows that backdoor evaluations severely underestimate vulnerability: across three LLaMA-3-8B scenarios, with identical model, clean data and number of poisoned examples, attack success rates range from 3% to 80% depending solely on the choice of poisoned set. The SAILS method learns a set scorer from a few hundred runs and gains an average of 30 percentage points over influence baselines, with transfer to agentic and API-only backdoors. The paper is on arXiv.

Die am 15. September 2026 bei der Hugging-Face-Kuration eingereichte Arbeit (1 Upvote, aber direkt mit Anthropic verbunden) mit dem Titel «Pick Your Poison» zeigt, dass Backdoor-Evaluationen die Verwundbarkeit gravierend unterschätzen: In drei LLaMA-3-8B-Szenarien variiert bei identischem Modell, sauberen Daten und gleicher Anzahl vergifteter Beispiele die Erfolgsquote des Angriffs zwischen 3 % und 80 % – allein abhängig von der Wahl des vergifteten Datensatzes. Die Methode SAILS lernt aus wenigen Hundert Runs einen Datensatz-Scorer und schlägt die Influence-Baselines im Schnitt um 30 Prozentpunkte, mit Transfer auf agentische und reine API-Backdoors. Das Paper steht auf arXiv.

Sottoposto il 15 settembre 2026 alla curatela di Hugging Face (1 upvote ma direttamente collegato ad Anthropic), il lavoro «Pick Your Poison» mostra che le valutazioni delle backdoor sottovalutano gravemente la vulnerabilità: su tre scenari LLaMA-3-8B, a modello, dati puliti e numero di esempi avvelenati identici, il tasso di successo dell'attacco varia dal 3% all'80% secondo la sola scelta dell'insieme avvelenato. Il metodo SAILS apprende uno scorer di insiemi a partire da qualche centinaio di run e guadagna in media 30 punti percentuali sulle baseline d'influenza, con trasferimento verso backdoor agentic e API-only. Il paper è su arXiv.

Presentaa el 15 de setember 2026 a la curazion Hugging Face (1 upvote ma ligaa diretament a Anthropic), 'l laurà « Pick Your Poison » el mostra che i valutazion di backdoor i sotastimen gravement la vulnerabilitaa: sora trii scenari LLaMA-3-8B, a modell, dacc nett e numer de esempi avvelenaa identigh, el tass de sucess de l'attacch el varia dal 3% a l'80% segond domà la scerna de l'insiema avvelenaa. 'L metoda SAILS 'l Impara on scorer d'insiema partend de quij centinaj de run e 'l guadagna in media 30 pont de percentual sora i baseline d'influenza, con trasferiment vers i backdoor agentegh e domà API. El paper l'è sora arXiv.

Human-AI

Umano-IA

Human-AI

Atria Dawn : 769 tâches et 56 chercheurs pour cartographier la collaboration humain-IAAtria Dawn: 769 tasks and 56 researchers to map human-AI collaborationAtria Dawn: 769 Aufgaben und 56 Forschende zur Kartierung der Mensch-KI-ZusammenarbeitAtria Dawn: 769 task e 56 ricercatori per mappare la collaborazione umano-IAAtria Dawn: 769 tass e 56 ricercae per trascì la mapa de la collaborazion uman-IA

Sur la base de 769 enregistrements de tâches produits par 56 participants, l'étude Atria Dawn (InternLM, 46 upvotes sur Hugging Face) documente la division du travail émergente dans la R&D assistée par IA : les agents proposent méthodes et implémentent les révisions, tandis que les humains gardent l'essentiel des décisions finales — et environ un tiers des tâches assistées sont jugées irréalisables sans IA. Le modèle, un « foundation agentic language model » entraîné par un pipeline d'expériences vérifiables, se montre compétitif sur 16 benchmarks de recherche et d'ingénierie, avec le meilleur score rapporté sur cinq d'entre eux. Le paper est sur arXiv et le projet sur atria-asi.ai.

Drawing on 769 task records produced by 56 participants, the Atria Dawn study (InternLM, 46 upvotes on Hugging Face) documents the emerging division of labour in AI-assisted R&D: agents propose methods and implement revisions, while humans retain most final decisions — and roughly a third of assisted tasks are judged impossible without AI. The model, a "foundation agentic language model" trained via a pipeline of verifiable experiments, proves competitive across 16 research and engineering benchmarks, with the best reported score on five of them. The paper is on arXiv and the project on atria-asi.ai.

Auf der Grundlage von 769 Aufgaben-Aufzeichnungen von 56 Teilnehmenden dokumentiert die Studie Atria Dawn (InternLM, 46 Upvotes auf Hugging Face) die emergente Arbeitsteilung in KI-gestützter F&E: Agenten schlagen Methoden vor und setzen Revisionen um, während die Menschen die eigentlichen Endentscheidungen behalten – und rund ein Drittel der unterstützten Aufgaben gilt ohne KI als nicht realisierbar. Das Modell, ein «foundation agentic language model», trainiert über eine Pipeline überprüfbarer Experimente, ist auf 16 Forschungs- und Engineering-Benchmarks konkurrenzfähig, mit den besten berichteten Werten auf fünf davon. Das Paper steht auf arXiv, das Projekt auf atria-asi.ai.

Sulla base di 769 registrazioni di task prodotte da 56 partecipanti, lo studio Atria Dawn (InternLM, 46 upvote su Hugging Face) documenta la divisione del lavoro emergente nella R&D assistita da IA: gli agenti propongono metodi e implementano le revisioni, mentre gli umani mantengono la parte essenziale delle decisioni finali — e circa un terzo dei task assistiti è giudicato irrealizzabile senza IA. Il modello, un «foundation agentic language model» addestrato da una pipeline di esperienze verificabili, si dimostra competitivo su 16 benchmark di ricerca e ingegneria, con il miglior punteggio riportato su cinque di essi. Il paper è su arXiv e il progetto su atria-asi.ai.

In su la bas de 769 registrad de tass prodott de 56 participant, el studi Atria Dawn (InternLM, 46 upvotes sora Hugging Face) el documenta la division del laurà emergenta in de la R&D assistida de IA: i agent proponen metodi e implementen i revision, intant che i uman i garlissen l'essenzial di decision finai — e circa on terz di tass assistii hinn giugaa irrealizzabij senza IA. El modell, on « foundation agentic language model » addestraa de ona pipeline d'esperienz verificabij, el se mostra competitiv sora 16 benchmark de ricerca e ingegneria, cont el mej pont riportaa sora cinch de lor. El paper l'è sora arXiv e 'l progett sora atria-asi.ai.

Question ouverte

Open question

Offene Frage

Questione aperta

Question verta

Pourquoi les agents de recherche en ML ne surapprennent-ils pas ?Why don't ML research agents overfit?Warum überanpassen sich ML-Forschungsagenten nicht?Perché gli agenti di ricerca in ML non fanno overfitting?Perchè i agent de ricerca in ML i fann minga sur-aprendiment?

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Dans un billet publié sur Amazon Science et qui a recueilli 114 points sur Hacker News le 14 septembre 2026, l'équipe interroge une observation empirique intrigante : les agents de recherche en machine learning semblent ne pas sur-apprendre leurs benchmarks, contrairement aux attentes. L'analyse explore les mécanismes — tâches ouvertes, boucles de feedback, diversité des environnements — qui les en écartent, avec des implications directes pour la fiabilité des workflows de découverte automatisée. Le billet est sur amazon.science.

In a post published on Amazon Science that drew 114 points on Hacker News on 14 September 2026, the team probes an intriguing empirical observation: machine learning research agents appear not to overfit their benchmarks, contrary to expectations. The analysis explores the mechanisms — open-ended tasks, feedback loops, environment diversity — that keep them from doing so, with direct implications for the reliability of automated discovery workflows. The post is on amazon.science.

In einem auf Amazon Science veröffentlichten Beitrag, der am 14. September 2026 auf Hacker News 114 Punkte erhielt, geht ein Team einer verblüffenden empirischen Beobachtung nach: ML-Forschungsagenten scheinen ihre Benchmarks – anders als erwartet – nicht zu überanpassen. Die Analyse untersucht die Mechanismen – offene Aufgaben, Feedback-Schleifen, Vielfalt der Umgebungen –, die sie davon abhalten, mit unmittelbaren Implikationen für die Zuverlässigkeit automatisierter Entdeckungs-Workflows. Der Beitrag steht auf amazon.science.

In un post pubblicato su Amazon Science e che ha raccolto 114 punti su Hacker News il 14 settembre 2026, il team esamina un'osservazione empirica intrigante: gli agenti di ricerca in machine learning sembrano non fare overfitting sui propri benchmark, contrariamente alle attese. L'analisi esplora i meccanismi — task aperti, cicli di feedback, diversità degli ambienti — che li tengono lontani da questo rischio, con implicazioni dirette per l'affidabilità dei workflow di scoperta automatizzata. Il post è su amazon.science.

In d'on billet publicaa sora Amazon Science e che l'ha regolt 114 pont sora Hacker News el 14 de setember 2026, l'equipa la interroga ona osservazion empiricala curiosa: i agent de ricerca in machine learning i somejen minga a sur-imparà i sò benchmark, al contrari di attes. L'analisi la esplora i meccanism — tass vert, verz de feedback, diversità di ambient — che i tenen via de quell, con implicazion dirett per la fidabilità di workflow de descoverta automatizada. El billet l'è sora amazon.science.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — La Communauté & ÉditoCommunity & EditorialCommunity & LeitartikelLa Community & EditorialeLa Comunitaa & Editorial

IV.

Agents

Agenti

Agent

Pion, l'agent conçu pour diriger une entreprise entière en autonomiePion, the agent built to run an entire company autonomouslyPion, der Agent, der ein gesamtes Unternehmen autonom führen sollPion, l'agente concepito per dirigere un'intera azienda in autonomiaPion, l'agent faa su per dirigg onaazienda intrega in autonomia

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Andon Labs, le labo connu pour ses évaluations d'agents, a présenté le 14 septembre 2026 Pion, un agent conçu pour faire tourner une entreprise entière de façon autonome. Le billet de lancement justifie l'ambition : tester en conditions réelles ce que valent les boucles de décision longue durée, là où les benchmarks classiques s'arrêtent. La discussion sur Hacker News a totalisé 334 points et 375 commentaires, entre enthousiasme pour l'expérience et scepticisme sur la définition même de « autonomie ». L'annonce est sur andonlabs.com, la réaction sur Hacker News.

Andon Labs, the lab known for its agent evaluations, unveiled Pion on 14 September 2026, an agent designed to run an entire company autonomously. The launch post justifies the ambition: testing in real conditions what long-horizon decision loops are worth, where conventional benchmarks stop. The Hacker News discussion racked up 334 points and 375 comments, split between enthusiasm for the experiment and scepticism about the very definition of "autonomy". The announcement is on andonlabs.com, the reaction on Hacker News.

Andon Labs, das für seine Agenten-Evaluationen bekannte Labor, hat am 14. September 2026 Pion vorgestellt, einen Agenten, der ein entire Unternehmen autonom führen soll. Der Launch-Beitrag begründet den Anspruch: unter realen Bedingungen zu erproben, was lang andauernde Entscheidungsschleifen taugen – dort, wo klassische Benchmarks enden. Die Diskussion auf Hacker News erreichte 334 Punkte und 375 Kommentare, zwischen Begeisterung für das Experiment und Skepsis gegenüber der Definition von «Autonomie» selbst. Die Ankündigung steht auf andonlabs.com, die Reaktion auf Hacker News.

Andon Labs, il laboratorio noto per le proprie valutazioni di agenti, ha presentato il 14 settembre 2026 Pion, un agente concepito per gestire un'intera azienda in modo autonomo. Il post di lancio giustifica l'ambizione: testare in condizioni reali il valore dei cicli decisionali di lunga durata, là dove i benchmark classici si fermano. La discussione su Hacker News ha totalizzato 334 punti e 375 commenti, tra entusiasmo per l'esperimento e scetticismo sulla definizione stessa di «autonomia». L'annuncio è su andonlabs.com, la reazione su Hacker News.

Andon Labs, 'l labo cognossuu per i sò valutazion d'agent, l'ha presentaa el 14 de setember 2026 Pion, on agent faa per fà andà onaazienda intrega de manera autonoma. El billet de lanch el giustifica l'ambizion: pròvaa in condizion reai che var i verz de decision de longa durada, là indoa i benchmark classegh i se fermen. La discussion sora Hacker News l'ha totalizzaa 334 pont e 375 comment, tra entusiasem per l'esperienza e scetticismo sora la definizion midema de « autonomia ». L'anunzi l'è sora andonlabs.com, la reazion sora Hacker News.

Écosystème

Ecosystem

Ökosystem

Ecosistema

DevFest 2026 : plus de 800 événements mondiaux à l'ère agentiqueDevFest 2026: more than 800 events worldwide in the agentic eraDevFest 2026: über 800 Veranstaltungen weltweit im agentischen ZeitalterDevFest 2026: più di 800 eventi mondiali nell'era agenticaDevFest 2026: pussee de 800 evento mondiaj a l'era agentega

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Google a annoncé le 14 septembre 2026 le retour de DevFest, avec plus de 800 événements dans le monde autour de la construction, la sécurisation et la montée en échec d'applications à l'ère agentique. Le même jour, le blog publie un dialogue entre l'astronaute Christina Koch et James Manyika, vice-président senior de Research, Labs, Technology & Society, sur l'espace et la découverte scientifique. L'annonce DevFest est sur blog.google tout comme l'entretien avec Christina Koch.

Google announced on 14 September 2026 the return of DevFest, with more than 800 events worldwide on building, securing and scaling applications in the agentic era. The same day, the blog published a dialogue between astronaut Christina Koch and James Manyika, senior vice-president of Research, Labs, Technology & Society, on space and scientific discovery. The DevFest announcement is on blog.google, as is the interview with Christina Koch.

Google hat am 14. September 2026 die Rückkehr von DevFest angekündigt, mit über 800 Veranstaltungen weltweit rund um den Aufbau, die Absicherung und das Hochskalieren von Anwendungen im agentischen Zeitalter. Am selben Tag veröffentlicht das Blog ein Gespräch zwischen der Astronautin Christina Koch und James Manyika, Senior Vice President Research, Labs, Technology & Society, über den Weltraum und wissenschaftliche Entdeckung. Die DevFest-Ankündigung steht auf blog.google, ebenso das Gespräch mit Christina Koch.

Google ha annunciato il 14 settembre 2026 il ritorno di DevFest, con più di 800 eventi nel mondo dedicati alla costruzione, alla messa in sicurezza e allo scaling di applicazioni nell'era agentica. Lo stesso giorno, il blog pubblica un dialogo tra l'astronauta Christina Koch e James Manyika, vicepresidente senior di Research, Labs, Technology & Society, sullo spazio e la scoperta scientifica. L'annuncio di DevFest è su blog.google così come l'intervista con Christina Koch.

Google l'ha anunziaa el 14 de setember 2026 'l ritorn de DevFest, con pussee de 800 evento in del mond intorna de la costruzion, la sigurezza e la scala di aplicazion a l'era agentega. El midemm dì, 'l blog el publica on dialogh tra l'astronawta Christina Koch e James Manyika, vicepresident senior de Research, Labs, Technology & Society, sora 'l spazzi e la descoverta scentifica. L'anunzi DevFest l'è sora blog.google istess 'me l'intervista con Christina Koch.

Fondamentaux

Fundamentals

Grundlagen

Fondamenti

Fondamentaj

Sakana AI publie une alternative à la backpropagation : le Predictive Coding augmentéSakana AI publishes an alternative to backpropagation: augmented Predictive CodingSakana AI veröffentlicht eine Alternative zur Backpropagation: erweitertes Predictive CodingSakana AI pubblica un'alternativa alla backpropagation: il Predictive Coding aumentatoSakana AI el publica ona alternativa a la backpropagation: 'l Predictive Coding augmentaa

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Publiée sur pub.sakana.ai le 14 septembre 2026 et arrivée en front page de Hacker News avec 62 points, l'initiative de Sakana AI explore le Predictive Coding augmenté par Lagrangien comme alternative à la rétropropagation, avec le code ouvert sur GitHub (SakanaAI/pc-alm) et le paper sur arXiv. Une ligne de recherche qui, si elle se confirme, toucherait au fondement même de l'entraînement des réseaux de neurones. La page du projet est sur pub.sakana.ai, avec le paper arXiv et le code.

Published on pub.sakana.ai on 14 September 2026 and reaching Hacker News' front page with 62 points, Sakana AI's initiative explores Lagrangian-augmented Predictive Coding as an alternative to backpropagation, with code open-sourced on GitHub (SakanaAI/pc-alm) and the paper on arXiv. A research line that, if confirmed, would touch the very foundation of how neural networks are trained. The project page is on pub.sakana.ai, with the arXiv paper and the code.

Am 14. September 2026 auf pub.sakana.ai veröffentlicht und mit 62 Punkten auf die Hacker-News-Frontpage gelangt, erkundet Sakana AIs Initiative das Lagrange-erweiterte Predictive Coding als Alternative zur Backpropagation, mit offenem Code auf GitHub (SakanaAI/pc-alm) und dem Paper auf arXiv. Eine Forschungslinie, die – sollte sie sich bestätigen – das Fundament des Trainings neuronaler Netzwerke selbst berühren würde. Die Projektseite steht auf pub.sakana.ai, mit dem arXiv-Paper und dem Code.

Pubblicata su pub.sakana.ai il 14 settembre 2026 e approdata in prima pagina su Hacker News con 62 punti, l'iniziativa di Sakana AI esplora il Predictive Coding aumentato mediante lagrangiana come alternativa alla retropropagazione, con il codice aperto su GitHub (SakanaAI/pc-alm) e il paper su arXiv. Una linea di ricerca che, se confermata, toccherebbe il fondamento stesso dell'addestramento delle reti neurali. La pagina del progetto è su pub.sakana.ai, con il paper arXiv e il codice.

Publicada sora pub.sakana.ai el 14 de setember 2026 e rivada in prima pagina de Hacker News con 62 pont, l'iniziativa de Sakana AI la esplora el Predictive Coding augmentaa cont el Lagrangian 'me alternativa a la retropropagazion, cont el codes vert sora GitHub (SakanaAI/pc-alm) e 'l paper sora arXiv. Ona linia de ricerca che, se la se conferma, la tocarav el fondament midemm de l'addestrament di red de neuron. La pagina del progett l'è sora pub.sakana.ai, con 'l paper arXiv e 'l codes.

Entreprise

Enterprise

Unternehmen

Impresa

Azienda

Du pilote à la production : Anthropic industrialise son discours entrepriseFrom pilot to production: Anthropic industrializes its enterprise pitchVom Pilot zur Produktion: Anthropic industrialisiert seine UnternehmensbotschaftDal pilota alla produzione: Anthropic industrializza il proprio discorso enterpriseDel pilota a la produzion: Anthropic el industrializza 'l sò discors aziendal

From the Wires — 14 septembre 2026

From the Wires — 14 September 2026

From the Wires — 14. September 2026

Dagli studi — From the Wires — 14 settembre 2026

From the Wires — 14 de setember 2026

Deux annonces d'entreprise d'Anthropic complètent la moisson du 14 septembre 2026 : un billet « Deploying AI from pilot to production » sur le passage à l'échelle des déploiements, et un retour d'expérience sur l'usage de Claude Tag par des organisations de santé. Ces publications, coordonnées avec le lancement de l'offre financière, dessinent une stratégie de sectorisation explicite : à chaque vertical son cas d'usage, ses preuves et son offre. Le billet deployment est sur claude.com, de même que celui sur la santé.

Two Anthropic enterprise announcements round out the 14 September 2026 harvest: a post, "Deploying AI from pilot to production", on scaling deployments, and a case study on how healthcare organizations use Claude Tag. These publications, coordinated with the launch of the financial offering, sketch an explicit verticalization strategy: each vertical gets its use cases, its proof points and its offering. The deployment post is on claude.com, as is the healthcare one.

Zwei Unternehmensankündigungen von Anthropic ergänzen die Ausbeute des 14. September 2026: ein Beitrag «Deploying AI from pilot to production» über das Skalieren von Deployments und ein Erfahrungsbericht zum Einsatz von Claude Tag durch Gesundheitsorganisationen. Diese mit dem Launch des Finanzangebots koordinierten Publikationen zeichnen eine explizite Sektoralisierungsstrategie: für jede Branche ihr Anwendungsfall, ihre Belege und ihr Angebot. Der Deployment-Beitrag steht auf claude.com, ebenso jener zum Gesundheitswesen.

Due annunci enterprise di Anthropic completano il raccolto del 14 settembre 2026: un post «Deploying AI from pilot to production» sul passaggio a scala dei dispiegamenti, e un resoconto d'esperienza sull'uso di Claude Tag da parte di organizzazioni sanitarie. Queste pubblicazioni, coordinate con il lancio dell'offerta finanziaria, delineano una strategia di settorializzazione esplicita: a ogni verticale il suo caso d'uso, le sue prove e la sua offerta. Il post sul deployment è su claude.com, così come quello sulla sanità.

Duu anunzi d'azienda de Anthropic i completen el racolt del 14 de setember 2026: on billet « Deploying AI from pilot to production » sora 'l passagg a la scala di dispiegament, e on ritorn de esperienza sora l'us de Claude Tag de part di organizazion de sanitaa. 'Sti pubblicazion chì, coordinaa cont el lanch de l'offerta finanziala, i dissennen ona strategia de setorizzazion esplícita: a ògni vertical el sò cas d'us, i sò prov e la sò offerta. El billet deployment l'è sora claude.com, istess 'me quell sora la sanitaa.