The Neuron Times

All the AI that's fit to print

N° 267 Édition du matinMorning EditionMorgenausgabeEdizione del mattinoEdizion del mattin · Genève JEUDI 24 SEPTEMBRE 2026THURSDAY, 24 SEPTEMBER 2026DONNERSTAG, 24. SEPTEMBER 2026GIOVEDÌ 24 SETTEMBRE 2026GIOVEDÌ 24 SETTEMBRE 2026

À la Une · IA et scienceFront Page · AI and ScienceSchlagzeilen · KI und WissenschaftPrima pagina · IA e scienzaIn prima pagina · IA e sciensa

Claude découvre un système enzymatique inédit à répétitions de type CRISPRClaude Discovers a Novel CRISPR-Like Repetitive Enzyme SystemClaude entdeckt ein neuartiges Enzymsystem mit CRISPR-ähnlichen WiederholungenClaude scopre un sistema enzimatico inedito con ripetizioni di tipo CRISPRClaude el troeuva on sistema enzimatego minga cognossuu, con repetizion de tipo CRISPR

L'annonce du 23 septembre 2026 signe une première scientifique pour un modèle commercial d'IA et soulève la question du rôle des LLM dans la découverte biologique.The September 23, 2026 announcement marks a scientific first for a commercial AI model and raises the question of the role of LLMs in biological discovery.Die Ankündigung vom 23. September 2026 markiert eine wissenschaftliche Premiere für ein kommerzielles KI-Modell und wirft die Frage nach der Rolle von LLMs in der biologischen Entdeckung auf.L'annuncio del 23 settembre 2026 segna una prima scientifica per un modello commerciale di IA e solleva la questione del ruolo dei LLM nella scoperta biologica.L'anunzia del 23 de settember 2026 la segna ona prima scientifica per on modell comercial de IA e la fa nas la quistion del roeul di LLM in de la scovrerta biologega.

Anthropic a annoncé le 23 septembre 2026 que son modèle Claude a découvert un système enzymatique jusqu'ici inconnu, présentant des répétitions génétiques similaires à celles des systèmes CRISPR. La publication, mise en ligne sur le site d'Anthropic, signe l'un des premiers exemples de découverte biologique validée attribuée directement à un modèle commercial en production.Anthropic announced on September 23, 2026 that its Claude model has discovered a previously unknown enzyme system featuring genetic repeats similar to those found in CRISPR systems. The publication, released on Anthropic's website, marks one of the first examples of a validated biological discovery directly attributed to a commercial model in production.Anthropic gab am 23. September 2026 bekannt, dass sein Modell Claude ein bislang unbekanntes Enzymsystem entdeckt hat, das genetische Wiederholungen aufweist, wie sie von CRISPR-Systemen her bekannt sind. Die auf der Website von Anthropic veröffentlichte Mitteilung ist eines der ersten Beispiele einer validierten biologischen Entdeckung, die direkt einem im Einsatz befindlichen kommerziellen Modell zugeschrieben wird.Anthropic ha annunciato il 23 settembre 2026 che il suo modello Claude ha scoperto un sistema enzimatico finora sconosciuto, che presenta ripetizioni genetiche simili a quelle dei sistemi CRISPR. La pubblicazione, messa in linea su il sito di Anthropic, costituisce uno dei primi esempi di scoperta biologica validata attribuita direttamente a un modello commerciale in produzione.Anthropic l'ha anunziaa el 23 de settember 2026 che el sò modell Claude l'ha scovrìtt on sistema enzimatego fin adess sconossuu, con repetizion genetegh simei a quèi di sistema CRISPR. La publicazion, mettuda in linia sora el sit de Anthropic, la segna vun di primm esempi de scovrerta biologega validada atribuida direttament a on modell comercial in produzion.

L'annonce a immédiatement circulé sur Hacker News, où la discussion a réuni 566 points et 588 commentaires en moins de douze heures — un niveau d'attention rare pour une actualité de biologie computationnelle. Les débats ont porté sur la méthodologie de validation et sur la part respective du modèle et des chercheurs humains dans le résultat.The announcement quickly spread on Hacker News, where the discussion gathered 566 points and 588 comments in less than twelve hours — a rare level of attention for computational biology news. Debates focused on the validation methodology and on the respective share of the model and the human researchers in the result.Die Ankündigung verbreitete sich umgehend auf Hacker News, wo die Diskussion in weniger als zwölf Stunden 566 Punkte und 588 Kommentare versammelte — ein seltenes Mass an Aufmerksamkeit für eine Meldung aus der rechnergestützten Biologie. Die Debatten drehten sich um die Validierungsmethodik und um den jeweiligen Anteil des Modells und der menschlichen Forscher am Ergebnis.L'annuncio ha immediatamente circolato su Hacker News, dove la discussione ha riunito 566 punti e 588 commenti in meno di dodici ore — un livello di attenzione raro per un'attualità di biologia computazionale. I dibattiti hanno riguardato la metodologia di validazione e la parte rispettiva del modello e dei ricercatori umani nel risultato.L'anunzia l'ha subet circolaa sora Hacker News, indove la discussion l'ha ricugnù 566 pont e 588 comentari in men de dodes ore — on livell de attenzion rar per ona noeuva de biologia computazional. I dibatitt hinn staa sora la metodologia de validazion e sora la part respettiva del modell e di resercador uman in del risultaa.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — À la Une — Modèles & FrontièreFront Page — Models & FrontierTitelseite — Modelle & FrontierePrima pagina — Modelli & FrontieraA la Una — Modèj & Frontiera

I. La course aux modèlesThe Model RaceDas Wettrennen der ModelleLa corsa ai modelliLa corsa ai modèj

Modèles

Models

Modelle

Modelli

Modèj

Gemini 3.8 text-to-speech : Google DeepMind pousse l'expressivité vocaleGemini 3.8 Text-to-Speech: Google DeepMind Pushes Vocal ExpressivenessGemini 3.8 Text-to-Speech: Google DeepMind treibt die stimmliche Ausdruckskraft voranGemini 3.8 text-to-speech: Google DeepMind spinge l'espressività vocaleGemini 3.8 text-to-speech : Google DeepMind el sping el'espressivitaa vocai

Le 23 septembre 2026, Google DeepMind a dévoilé Gemini 3.8 Flash-Lite TTS et Gemini 3.8 Flash TTS, présentés comme ses modèles audio les plus expressifs à ce jour. L'annonce, relayée sur Hacker News (277 points, 127 commentaires), confirme la montée en puissance de la synthèse vocale comme terrain de concurrence frontière.
On September 23, 2026, Google DeepMind unveiled Gemini 3.8 Flash-Lite TTS and Gemini 3.8 Flash TTS, presented as its most expressive audio models to date. The announcement, relayed on Hacker News (277 points, 127 comments), confirms the rise of speech synthesis as a frontier battleground.
Am 23. September 2026 stellte Google DeepMind Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS vor, die als seine bisher ausdrucksstärksten Audiomodelle präsentiert werden. Die auf Hacker News verbreitete Ankündigung (277 Punkte, 127 Kommentare) bestätigt den Aufstieg der Sprachsynthese als konkurrenzintensives Terrain an der Frontiere.
Il 23 settembre 2026 Google DeepMind ha svelato Gemini 3.8 Flash-Lite TTS e Gemini 3.8 Flash TTS, presentati come i suoi modelli audio più espressivi fino a oggi. L'annuncio, ripreso su Hacker News (277 punti, 127 commenti), conferma l'ascesa della sintesi vocale come terreno di competizione di frontiera.
El 23 de settember 2026, Google DeepMind l'ha revelaa Gemini 3.8 Flash-Lite TTS e Gemini 3.8 Flash TTS, presentaa come i sò modèj audio i pussee espressiv fin adess. L'anunzia, repertoriada sora Hacker News (277 pont, 127 comentari), la conferma la cresciuda de la sintesi vocai come terrain de concorrenza de frontiera.

Inference

Inference

Inferenz

Inference

Inference

Mercury 2.5 frappe à 770 tokens par secondeMercury 2.5 Strikes at 770 Tokens per SecondMercury 2.5 liefert 770 Tokens pro SekundeMercury 2.5 corre a 770 token al secondoMercury 2.5 el batt a 770 tokens al second

Le LLM à diffusion Mercury 2.5 affiche désormais 770 tokens par seconde selon les mesures d'Artificial Analysis, un record de débit pour un modèle de cette classe. La mesure, discutée sur Hacker News le 23 septembre 2026 (77 points), relance le débat sur l'architecture de diffusion comme alternative à la décodification autorégressive.
The diffusion LLM Mercury 2.5 now reaches 770 tokens per second according to Artificial Analysis measurements, a throughput record for a model in this class. The benchmark, discussed on Hacker News on September 23, 2026 (77 points), reignites the debate over diffusion architectures as an alternative to autoregressive decoding.
Das Diffusions-LLM Mercury 2.5 erreicht laut den Messungen von Artificial Analysis inzwischen 770 Tokens pro Sekunde — ein Durchsatzrekord für ein Modell dieser Klasse. Die am 23. September 2026 auf Hacker News diskutierte Messung (77 Punkte) belebt die Debatte über die Diffusionsarchitektur als Alternative zur autoregressiven Dekodierung neu.
Il LLM a diffusione Mercury 2.5 raggiunge ormai 770 token al secondo secondo le misurazioni di Artificial Analysis, un record di throughput per un modello di questa classe. La misura, discussa su Hacker News il 23 settembre 2026 (77 punti), rilancia il dibattito sull'architettura a diffusione come alternativa alla decodifica autorégressiva.
El LLM a diffusion Mercury 2.5 al mostra adess 770 tokens al second secondu i misur de Artificial Analysis, on record de débit per on modell de questa class. La misura, discutida sora Hacker News el 23 de settember 2026 (77 pont), la rimett in pee el dibatit sora l'architettura a diffusion come alternativa a la decodificazion autorgressiva.

Open weights

Open weights

Offene Gewichte

Open weights

Open weights

Hunyuan-A13B : 80 milliards de paramètres, 13 milliards d'activés, en open sourceHunyuan-A13B: 80 Billion Parameters, 13 Billion Active, in Open SourceHunyuan-A13B: 80 Milliarden Parameter, 13 Milliarden aktiv, als Open SourceHunyuan-A13B: 80 miliardi di parametri, 13 miliardi attivati, in open sourceHunyuan-A13B : 80 miliard de parametri, 13 miliard attiv, in open source

Tencent publie le 23 septembre 2026 le rapport technique de Hunyuan-A13B, un modèle ouvert à architecture Mixture-of-Experts totalisant 80 milliards de paramètres dont 13 milliards actifs à l'inférence, préentraîné sur 20 000 milliards de tokens. Le modèle introduit un raisonnement en chaîne à double mode — rapide ou lent selon la complexité — et se veut déployable pour des applications sensibles à la latence.
Tencent released on September 23, 2026 the Hunyuan-A13B technical report, an open Mixture-of-Experts model totaling 80 billion parameters, of which 13 billion are active at inference, pretrained on 20 trillion tokens. The model introduces dual-mode chain-of-thought reasoning — fast or slow depending on complexity — and is designed to be deployable for latency-sensitive applications.
Tencent veröffentlicht am 23. September 2026 den technischen Bericht zu Hunyuan-A13B, ein offenes Modell mit Mixture-of-Experts-Architektur, das insgesamt 80 Milliarden Parameter umfasst, von denen 13 Milliarden bei der Inferenz aktiv sind, vortrainiert auf 20 Billionen Tokens. Das Modell führt ein zweistufiges Ketten-Denken ein — schnell oder langsam je nach Komplexität — und soll sich für latenzempfindliche Anwendungen einsetzen lassen.
Tencent pubblica il 23 settembre 2026 il rapporto tecnico di Hunyuan-A13B, un modello aperto con architettura Mixture-of-Experts che totalizza 80 miliardi di parametri, di cui 13 miliardi attivi all'inferenza, pre-addestrato su 20 000 miliardi di token. Il modello introduce un ragionamento a catena a doppia modalità — rapido o lento a seconda della complessità — e si vuole implementabile per applicazioni sensibili alla latenza.
Tencent al publica el 23 de settember 2026 el rapport tecnegh de Hunyuan-A13B, on modell vert a architettura Mixture-of-Experts con on total de 80 miliard de parametri, di quai 13 miliard attiv a l'inference, pre-entraa sora 20.000 miliard de tokens. El modell al introduss on rasonee in cadena a dò mod — rapid o lent secondu la complessitaa — e 'l se voeur deployabil per applicazion sensibel a la latenza.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Le Cahier Technique — Harnais, engines & outilsThe Technical Desk — Harnesses, Engines & ToolsDas Technik-Dossier — Harnesses, Engines & WerkzeugeIl Quaderno Tecnico — Harness, engine & strumentiEl Foeuj Tecnegh — Harnais, engine & utensij

II. Harnais & systèmesHarnesses & SystemsHarnesses & SystemeHarness & sistemiHarnais & sistema

Fine-tuning

Fine-tuning

Fine-Tuning

Fine-tuning

Fine-tuning

Entraîner son propre Jev pour 17 dollars : le tutoriel de Together AITrain Your Own Jev for 17 Dollars: The Together AI TutorialDen eigenen Jev für 17 Dollar trainieren: das Tutorial von Together AIAddestrare il proprio Jev per 17 dollari: il tutorial di Together AIEntrenà el sò Jev midem per 17 dollar : el tutorial de Together AI

Together AI publie le 23 septembre 2026 un guide pour entraîner son propre classifieur à la Jev pour 17 dollars, avec la sortie de together/Tev1-4B-experimental, un fine-tune de Qwen3.5 4B sur sa plateforme serverless. Le billet détaille la recette complète, de la préparation des données au fine-tuning, dans la continuité de la controverse communautaire autour de Jev.
Together AI published on September 23, 2026 a guide for training your own Jev-style classifier for 17 dollars, along with the release of together/Tev1-4B-experimental, a fine-tune of Qwen3.5 4B on its serverless platform. The post details the full recipe, from data preparation to fine-tuning, in the wake of the community controversy surrounding Jev.
Together AI veröffentlicht am 23. September 2026 eine Anleitung, wie man für 17 Dollar einen eigenen Jev-Klassifikator trainiert, samt Freigabe von together/Tev1-4B-experimental, einem Fine-Tune von Qwen3.5 4B auf seiner serverlosen Plattform. Der Beitrag beschreibt das vollständige Rezept von der Datenaufbereitung bis zum Fine-Tuning, in der Fortsetzung der kontroversen Community-Debatte um Jev.
Together AI pubblica il 23 settembre 2026 una guida per addestrare il proprio classificatore alla Jev per 17 dollari, con il rilascio di together/Tev1-4B-experimental, un fine-tuning di Qwen3.5 4B sulla sua piattaforma serverless. Il post dettaglia la ricetta completa, dalla preparazione dei dati al fine-tuning, nel solco della controversia comunitaria intorno a Jev.
Together AI la publica el 23 de settember 2026 ona guida per entrenà el sò classifegador a la Jev per 17 dollar, cont l'uscida de together/Tev1-4B-experimental, on fine-tune de Qwen3.5 4B sora la sò piattaforma serverless. El post al detaja la receeta completa, de la preparazion di datt al fine-tuning, in de la continuitaa de la controsversa comunitaria intorna a Jev.

Outils

Tools

Werkzeuge

Strumenti

Utensij

NVIDIA Warp et MjWarp au service de la simulation robotiqueNVIDIA Warp and MjWarp in the Service of Robotic SimulationNVIDIA Warp und MjWarp im Dienst der robotischen SimulationNVIDIA Warp e MjWarp al servizio della simulazione roboticaNVIDIA Warp e MjWarp al servizzi de la simulazion robotega

Un tutoriel publié le 23 septembre 2026 sur le blog de Hugging Face détaille l'usage conjoint de NVIDIA Warp et MjWarp pour accélérer les workflows de simulation et d'apprentissage en robotique, avec des comparatifs de performance et des exemples de code reproductibles.
A tutorial published on September 23, 2026 on the Hugging Face blog details the combined use of NVIDIA Warp and MjWarp to accelerate simulation and learning workflows in robotics, with performance comparisons and reproducible code examples.
Ein am 23. September 2026 auf dem Blog von Hugging Face veröffentlichtes Tutorial erläutert die kombinierte Nutzung von NVIDIA Warp und MjWarp zur Beschleunigung von Simulations- und Lern-Workflows in der Robotik, mit Performance-Vergleichen und reproduzierbaren Codebeispielen.
Un tutorial pubblicato il 23 settembre 2026 su il blog di Hugging Face dettaglia l'uso congiunto di NVIDIA Warp e MjWarp per accelerare i workflow di simulazione e apprendimento in robotica, con comparativi di prestazioni ed esempi di codice riproducibili.
On tutorial publicaa el 23 de settember 2026 sora el blog de Hugging Face al detaja l'usagg insema de NVIDIA Warp e MjWarp per acelerà i workflow de simulazion e de imparament in la robotega, con di confront de prestazion e di esempi de codice riproducibel.

Robotique

Robotics

Robotik

Robotica

Robotega

Déporter l'inférence hors du robot : la réponse de Microsoft ResearchOffloading Inference from the Robot: Microsoft Research's AnswerInferenz ausserhalb des Roboters: die Antwort von Microsoft ResearchSpostare l'inferenza fuori dal robot: la risposta di Microsoft ResearchMenà l'inference foeura del robot : la resposta de Microsoft Research

Microsoft Research publie le 23 septembre 2026 ses résultats sur l'inférence déportée pour la robotique : déplacer l'inférence hors du robot améliore le taux de réussite des tâches, l'efficacité énergétique et le support de charges physiques plus lourdes. Les détails sont disponibles sur le blog du labo.
Microsoft Research published on September 23, 2026 its findings on offloaded inference for robotics: moving inference off the robot improves task success rates, energy efficiency, and support for heavier physical payloads. Details are available on the lab's blog.
Microsoft Research veröffentlicht am 23. September 2026 seine Ergebnisse zur ausgelagerten Inferenz in der Robotik: Die Verlagerung der Inferenz weg vom Roboter verbessert die Erfolgsquote bei Aufgaben, die Energieeffizienz und die Unterstützung schwerer physischer Lasten. Details finden sich auf dem Blog des Labors.
Microsoft Research pubblica il 23 settembre 2026 i suoi risultati sull'inferenza delegata per la robotica: spostare l'inferenza fuori dal robot migliora il tasso di successo dei compiti, l'efficienza energetica e il supporto di carichi fisici più pesanti. I dettagli sono disponibili su il blog del laboratorio.
Microsoft Research la publica el 23 de settember 2026 i sò risultaa sora l'inference deportada per la robotega : spostà l'inference foeura del robot al migliora el tass de success di còmp, l'efficenza energetega e 'l support de caregh fisegh pussee pesant. I detaj hinn disponibel sora el blog del labo.

Infrastructure

Infrastructure

Infrastruktur

Infrastruttura

Infrastruttura

Private AI Compute : une mémoire côté serveur, mais confidentiellePrivate AI Compute: Server-Side Memory, but ConfidentialPrivate AI Compute: ein serverseitiges Gedächtnis, aber vertraulichPrivate AI Compute: una memoria lato server, ma riservataPrivate AI Compute : ona memoria de part server, ma confidenzial

Google DeepMind introduit le 23 septembre 2026 une mémoire serveur privée dans Private AI Compute, permettant à un assistant personnel de se souvenir entre sessions sans exposer les données à l'appareil. L'architecture, à base d'enclaves sécurisées, vise à réconcilier mémoire longue et confidentialité.
Google DeepMind introduced on September 23, 2026 a private server-side memory in Private AI Compute, allowing a personal assistant to remember across sessions without exposing data to the device. The architecture, based on secure enclaves, aims to reconcile long-term memory with privacy.
Google DeepMind führt am 23. September 2026 einen privaten Server-Speicher in Private AI Compute ein, der es einem persönlichen Assistenten erlaubt, sich über Sitzungen hinweg zu erinnern, ohne die Daten dem Gerät preiszugeben. Die auf sicheren Enklaven basierende Architektur zielt darauf ab, Langzeitgedächtnis und Datenschutz zu versöhnen.
Google DeepMind introduce il 23 settembre 2026 una memoria server privata in Private AI Compute, che permette a un assistente personale di ricordare tra le sessioni senza esporre i dati al dispositivo. L'architettura, basata su enclave sicure, mira a riconciliare memoria lunga e riservatezza.
Google DeepMind la introduss el 23 de settember 2026 ona memoria server privaa dent in Private AI Compute, che la permett a on assistent personal de regordàss tra session sensa espon i datt al dispositiv. L'architettura, a bas de enclave sigur, la voeur concilià memoria longa e confidenzialitaa.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — La Recherche — Papers & labosThe Research Desk — Papers & LabsDie Forschung — Papers & LaboreLa Ricerca — Paper & laboratoriLa Ricerca — Papers & labo

III. Papers du jourPapers of the DayPapers des TagesPaper del giornoPapers del dì

Apple ML

Apple ML

Apple ML

Apple ML

Apple ML

Apple : le « probe guidance » pour guider les LLM à diffusion sans surcoûtApple: "Probe Guidance" to Steer Diffusion LLMs at No Extra CostApple: «Probe guidance» führt Diffusions-LLMs ohne MehrkostenApple: il « probe guidance » per guidare i LLM a diffusione senza costi aggiuntiviApple : el « probe guidance » per guidà i LLM a diffusion senza cost sgiontiv

Le 23 septembre 2026, Apple ML Research publie « How to Guide Your Language Flow » : la méthode dite « probe guidance » utilise les états internes gelés d'un modèle de diffusion existant comme signal de guidage, supprimant la passe avant supplémentaire requise par l'autoguidance. Les résultats sont validés sur les modèles de langage à diffusion continue.
On September 23, 2026, Apple ML Research published "How to Guide Your Language Flow": the "probe guidance" method uses the frozen internal states of an existing diffusion model as a guidance signal, removing the extra forward pass required by self-guidance. The results are validated on continuous diffusion language models.
Am 23. September 2026 veröffentlicht Apple ML Research «How to Guide Your Language Flow»: Die als «probe guidance» bezeichnete Methode nutzt die eingefrorenen inneren Zustände eines bestehenden Diffusionsmodells als Führungssignal und eliminiert so den bei der Selbstführung nötigen zusätzlichen Vorwärtsdurchlauf. Die Ergebnisse werden auf Diffusionsmodellen für kontinuierliche Sprache validiert.
Il 23 settembre 2026 Apple ML Research pubblica « How to Guide Your Language Flow »: il metodo detto « probe guidance » utilizza gli stati interni congelati di un modello di diffusione esistente come segnale di guida, eliminando il passaggio in avanti supplementare richiesto dall'auto-guidance. I risultati sono validati sui modelli di linguaggio a diffusione continua.
El 23 de settember 2026, Apple ML Research la publica « How to Guide Your Language Flow » : el metod ciamaa « probe guidance » al drova i statt interni ciaffaa de on modell de diffusion esistent come segnai de guidagg, e al toeu via la pass forward sgiontiva che la ghe serviss a l'autoguidagg. I risultaa hinn validaa sora i modèj de lengoeu a diffusion continua.

RL

RL

RL

RL

RL

PACT : un théorème de crédit token refonde l'actor-critic des LLMPACT: A Token Credit Theorem Rebuilds LLM Actor-CriticPACT: ein Token-Credit-Theorem begründet Actor-Critic für LLMs neuPACT: un teorema di credito token rifonda l'actor-critic dei LLMPACT : on teorema de credit token al refonda l'actor-critic di LLM

Le paper PACT, soumis le 23 septembre 2026, démontre que trois conditions de régularité déterminent de façon unique le crédit au niveau des tokens, et en tire un entraînement acteur-puis-critique aligné sur la politique mise à jour. Résultat : 72,87 % de précision moyenne sur quatre benchmarks de raisonnement mathématique (+8,80 points sur GRPO) et 67,4 % sur SWE-bench Verified (+2,4 points sur PPO).
The paper PACT, submitted on September 23, 2026, proves that three regularity conditions uniquely determine token-level credit, and derives from them an actor-then-critic training aligned with the updated policy. Result: 72.87% average accuracy across four mathematical reasoning benchmarks (+8.80 points over GRPO) and 67.4% on SWE-bench Verified (+2.4 points over PPO).
Das Paper PACT, eingereicht am 23. September 2026, zeigt, dass drei Regularitätsbedingungen die Token-zu-Token-Zurechnung eindeutig bestimmen, und leitet daraus ein Actor-then-Critic-Training ab, das mit der aktualisierten Politik übereinstimmt. Ergebnis: 72,87 % mittlere Genauigkeit auf vier Benchmarks für mathematisches Denken (+8,80 Punkte gegenüber GRPO) und 67,4 % auf SWE-bench Verified (+2,4 Punkte gegenüber PPO).
Il paper PACT, sottoposto il 23 settembre 2026, dimostra che tre condizioni di regolarità determinano in modo unico il credito a livello dei token, e ne trae un addestramento attore-poi-critico allineato alla politica aggiornata. Risultato: 72,87 % di precisione media su quattro benchmark di ragionamento matematico (+8,80 punti su GRPO) e 67,4 % su SWE-bench Verified (+2,4 punti su PPO).
El paper PACT, presentaa el 23 de settember 2026, el dimostra che trè condizion de regularitaa i deciden in manera unega el credit al livell di tokens, e 'l ne tira foeura on entrenament attor-poeu-critic aaaaaaaaaaallineaa cont la pulitega aggiornada. Risultaa : 72,87 % de precision media sora quatter benchmark de rasonee matemategh (+8,80 pont sora GRPO) e 67,4 % sora SWE-bench Verified (+2,4 pont sora PPO).

Agents

Agents

Agenten

Agenti

Agent

JitMem : la mémoire d'agents se cible au moment de la lectureJitMem: Agent Memory Gets Targeted at Read TimeJitMem: das Agentengedächtnis wird erst zum Lesezeitpunkt adressiertJitMem: la memoria degli agenti si targeting al momento della letturaJitMem : la memoria di agent la se zerca al moment de la letura

Le paper Just-in-Time Memory de Salesforce AI Research, publié le 23 septembre 2026, conserve les trajectoires brutes et diffère la curation à la lecture : un curateur synthétise une charge utile adaptée à la tâche courante. Sur ALFWorld, WebShop et τ²-bench, les gains atteignent +16,2, +16,3 et +3,9 points de taux de réussite sur la meilleure baseline.
The paper Just-in-Time Memory from Salesforce AI Research, published on September 23, 2026, keeps raw trajectories and defers curation to read time: a curator synthesizes a task-specific payload on demand. On ALFWorld, WebShop and τ²-bench, gains reach +16.2, +16.3 and +3.9 points of success rate over the best baseline.
Das Paper Just-in-Time Memory von Salesforce AI Research, veröffentlicht am 23. September 2026, bewahrt rohe Trajektorien und verschiebt die Kuratierung auf den Lesezeitpunkt: Ein Kurator synthetisiert eine auf die aktuelle Aufgabe zugeschnittene Nutzlast. Auf ALFWorld, WebShop und τ²-bench erreichen die Zugewinne +16,2, +16,3 und +3,9 Punkte Erfolgsquote über der besten Baseline.
Il paper Just-in-Time Memory di Salesforce AI Research, pubblicato il 23 settembre 2026, conserva le traiettorie grezze e differisce la curation alla lettura: un curatore sintetizza un payload adattato al compito corrente. Su ALFWorld, WebShop e τ²-bench, i guadagni raggiungono +16,2, +16,3 e +3,9 punti di tasso di successo rispetto alla migliore baseline.
El paper Just-in-Time Memory de Salesforce AI Research, publicaa el 23 de settember 2026, al tegn i traettori brütt e al remet la curation a la letura : on curador al sintetiza on caregh de laor adattaa al còmp corrent. Sora ALFWorld, WebShop e τ²-bench, i guadagn i riven a +16,2, +16,3 e +3,9 pont de tass de success sora la miglior baseline.

Génération

Generation

Generierung

Generazione

Generazion

La mémoire au cœur de la génération vidéo autorégressive : une revue systématiqueMemory at the Heart of Autoregressive Video Generation: A Systematic ReviewGedächtnis im Zentrum der autoregressiven Videogenerierung: eine systematische ÜbersichtLa memoria al cuore della generazione video autorégressiva: una rassegna sistematicaLa memoria al coeur de la generazion video autorgressiva : ona revista sistematica

Publié le 23 septembre 2026, « The Past Frames the Future » propose la première revue systématique de la mémoire dans la génération vidéo autorégressive, organisée en cinq axes (formes, fonctions, opérations, apprentissage, évaluation). Le papier, fort de 26 votes sur HF Daily Papers, dresse le catalogue des architectures mémoire-conditionnées pour les vidéos longues.
Published on September 23, 2026, "The Past Frames the Future" offers the first systematic review of memory in autoregressive video generation, organized along five axes (forms, functions, operations, learning, evaluation). With 26 votes on HF Daily Papers, the paper catalogs memory-conditioned architectures for long videos.
Veröffentlicht am 23. September 2026, bietet «The Past Frames the Future» die erste systematische Übersicht über Gedächtnis in der autoregressiven Videogenerierung, gegliedert in fünf Achsen (Formen, Funktionen, Operationen, Lernen, Evaluation). Das Papier, mit 26 Stimmen auf HF Daily Papers, zeichnet den Katalog der gedächtniskonditionierten Architekturen für lange Videos nach.
Pubblicato il 23 settembre 2026, « The Past Frames the Future » propone la prima rassegna sistematica della memoria nella generazione video autorégressiva, organizzata in cinque assi (forme, funzioni, operazioni, apprendimento, valutazione). Il paper, forte di 26 voti su HF Daily Papers, traccia il catalogo delle architetture condizionate dalla memoria per i video lunghi.
Publicaa el 23 de settember 2026, « The Past Frames the Future » al proponn la prima revista sistematica de la memoria in de la generazion video autorgressiva, organizada in cinch ass (form, fonzion, operazion, imparament, valutazion). El paper, con 26 vott sora HF Daily Papers, al fà sù el catalogh di architettur memoria-condizionaa per i video longh.

IV. À suivreTo FollowIm BlickDa seguireDe tegnì d'oeugg

Évaluation

Evaluation

Evaluation

Valutazione

Valutazion

StudentBench : le tutorat IA égale le tutorat humain au GRE, pour 918 fois moins cherStudentBench: AI Tutoring Matches Human Tutoring on the GRE, for 918 Times LessStudentBench: KI-Tutoring erreicht menschliches Tutoring beim GRE — für den 918. Teil der KostenStudentBench: il tutoring IA eguaglia il tutoring umano al GRE, a un costo 918 volte inferioreStudentBench : el tutoragg IA al riva al tutoragg uman al GRE, per 918 voeult men carest

Le paper StudentBench, publié le 23 septembre 2026 avec 2 383 participants humains et 175 000 messages élève-AI, établit que le tutorat par IA est statistiquement équivalent au tutorat humain expert sur les gains au GRE (p = 0,015). Un tuteur IA atteint un résultat équivalent pour un coût 918 fois moindre : 0,0052 dollar contre 4,81 dollars par point de pourcentage gagné.
The paper StudentBench, published on September 23, 2026 with 2,383 human participants and 175,000 student-AI messages, establishes that AI tutoring is statistically equivalent to expert human tutoring for GRE score gains (p = 0.015). An AI tutor achieves an equivalent result at 918 times lower cost: 0.0052 dollars versus 4.81 dollars per percentage point gained.
Das Paper StudentBench, veröffentlicht am 23. September 2026 mit 2383 menschlichen Teilnehmenden und 175 000 Schüler-KI-Nachrichten, zeigt, dass KI-gestütztes Tutoring beim GRE-Zuwachs statistisch äquivalent zu einem menschlichen Expertentutor ist (p = 0,015). Ein KI-Tutor erzielt ein gleichwertiges Ergebnis zu 918-mal geringeren Kosten: 0,0052 Dollar gegenüber 4,81 Dollar pro gewonnenem Prozentpunkt.
Il paper StudentBench, pubblicato il 23 settembre 2026 con 2 383 partecipanti umani e 175 000 messaggi allievo-IA, stabilisce che il tutoring tramite IA è statisticamente equivalente al tutoring umano esperto quanto ai progressi al GRE (p = 0,015). Un tutore IA raggiunge un risultato equivalente a un costo 918 volte inferiore: 0,0052 dollari contro 4,81 dollari per punto percentuale guadagnato.
El paper StudentBench, publicaa el 23 de settember 2026 con 2.383 participant uman e 175.000 messagg scolar-IA, al stabiliss che 'l tutoragg per IA l'è statisticament equivalennt al tutoragg uman expert sora i guadagn al GRE (p = 0,015). On tutor IA al riva a on risultaa equivalennt per on cost 918 voeult pussee bass : 0,0052 dollar contra 4,81 dollar per pont percentual guadagnaa.

Benchmarks

Benchmarks

Benchmarks

Benchmark

Benchmark

Les agents de codage avaient-ils appris SWE-bench… ou mémorisé les dépôts ?Had Coding Agents Learned SWE-bench… or Memorized the Repositories?Hatten Coding-Agenten SWE-bench gelernt — oder die Repositories auswendig?Gli agenti di coding avevano imparato SWE-bench… o memorizzato i repository?I agent de codage i aveven imparaa SWE-bench… o memorizaa i deposit ?

Des chercheurs de Shanghai Jiao Tong University publient Schrödinger's Code Repository, un cadre qui réinstancie dynamiquement les dépôts de test en effaçant conventions de nommage, disposition de fichiers et patterns familiers. Verdict : la performance des agents de codage sur SWE-bench Verified chute et les coûts d'interaction grimpent, suggérant une part de mémorisation dans les scores affichés.
Researchers at Shanghai Jiao Tong University published Schrödinger's Code Repository, a framework that dynamically reinstantiates test repositories by erasing naming conventions, file layout and familiar patterns. Verdict: coding agents' performance on SWE-bench Verified drops and interaction costs climb, suggesting a share of memorization in reported scores.
Forschende der Shanghai Jiao Tong University veröffentlichen Schrödinger's Code Repository, einen Rahmen, der die Test-Repositories dynamisch neu instanziiert, indem Namenskonventionen, Dateianordnung und vertraute Muster ausgelöscht werden. Fazit: Die Leistung der Coding-Agenten auf SWE-bench Verified sinkt und die Interaktionskosten steigen — ein Hinweis auf einen Memorierungsanteil in den ausgewiesenen Scores.
Ricercatori della Shanghai Jiao Tong University pubblicano Schrödinger's Code Repository, un quadro che reistanzia dinamicamente i repository di test cancellando convenzioni di denominazione, disposizione dei file e pattern familiari. Verdetto: le prestazioni degli agenti di coding su SWE-bench Verified crollano e i costi di interazione salgono, il che suggerisce una parte di memorizzazione nei punteggi dichiarati.
Di resercador de Shanghai Jiao Tong University i publichen Schrödinger's Code Repository, on quader che al re-istanzia dinamicament i deposit de test scanceland convenzion de nomina, disposizion di file e pattern familiar. Verdet : la prestazion di agent de codice sora SWE-bench Verified la bora giò e i cost de interazion i monten, sugerend ona part de memorizazion in di pont mostraa.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — La Communauté & ÉditoCommunity & EditorialDie Community & der LeitartikelLa Communauté & ÉditoLa Comunitaa & Editoriai

V. Signaux & opinionSignals & OpinionSignale & MeinungSignaux & opinionSegnai & opinion

Infrastructure

Infrastructure

Infrastruktur

Infrastructure

Infrastruttura

arXiv sécurise des engagements pluriannuels pour rester indépendantarXiv Secures Multiyear Commitments to Stay IndependentarXiv sichert sich mehrjährige Zusagen und bleibt unabhängigarXiv sécurise des engagements pluriannuels pour rester indépendantarXiv al sigura di impegn pluriannuai per restà indipendent

arXiv a annoncé le 23 septembre 2026 des engagements pluriannuels pour le soutenir en tant qu'organisation à but non lucratif indépendante, après des mois d'incertitude sur son financement. L'infrastructure qui irrigue quotidiennement la recherche en IA — dont les papers cités dans nos colonnes — consolide ainsi son modèle de gouvernance.
arXiv announced on September 23, 2026 multiyear commitments to support it as an independent non-profit organization, after months of uncertainty over its funding. The infrastructure that daily feeds AI research — including the papers cited in these pages — is thus consolidating its governance model.
arXiv kündigte am 23. September 2026 mehrajährige Zusagen an, die es als unabhängige gemeinnützige Organisation unterstützen sollen, nach Monaten der Unsicherheit über seine Finanzierung. Die Infrastruktur, die täglich die KI-Forschung speist — darunter die in unseren Spalten zitierten Papers — festigt damit ihr Governancemodell.
arXiv a annoncé le 23 septembre 2026 des engagements pluriannuels pour le soutenir en tant qu'organisation à but non lucratif indépendante, après des mois d'incertitude sur son financement. L'infrastructure qui irrigue quotidiennement la recherche en IA — dont les papers cités dans nos colonnes — consolide ainsi son modèle de gouvernance.
arXiv l'ha anunziaa el 23 de settember 2026 di impegn pluriannuai per sostegnel come organizzazzion senza fin de profit indipendente, dopo de mesegn d'incretitudin sora el sò finanziament. L'infrastruttura che la dagia l'aqua ogni dì a la ricerca in IA — dont i papers citaa in di nost colonn — la consolida cussì el sò modell de governance.

Opinion

Opinion

Meinung

Opinion

Opinion

« Tokens too cheap to meter » : quand le token devient trop bon marché pour être compté"Tokens Too Cheap to Meter": When the Token Becomes Too Cheap to Count«Tokens too cheap to meter»: wenn der Token zu billig zum Zählen wird« Tokens too cheap to meter » : quand le token devient trop bon marché pour être compté« Tokens too cheap to meter » : quand el token al deventa trop a bun marchee per vesser contaa

L'essai « Tokens too cheap to meter », discuté sur Hacker News le 23 septembre 2026 (265 points, 188 commentaires), soutient que la baisse du coût du token redéfinit l'économie du logiciel : quand l'inférence devient négligeable, la valeur migre vers les données, l'orchestration et la distribution — une thèse qui prolonge les éditions précédentes sur le prix comme nouvel étalon de la frontière.
The essay "Tokens too cheap to meter", discussed on Hacker News on September 23, 2026 (265 points, 188 comments), argues that falling token costs are redefining the economics of software: when inference becomes negligible, value migrates to data, orchestration and distribution — a thesis extending previous editions' coverage of price as the new measure of the frontier.
Der Essay «Tokens too cheap to meter», diskutiert am 23. September 2026 auf Hacker News (265 Punkte, 188 Kommentare), vertritt die These, dass der sinkende Tokenpreis die Ökonomie der Software neu definiert: Wird die Inferenz vernachlässigbar, wandert der Wert zu Daten, Orchestrierung und Distribution — eine These, die frühere Ausgaben zum Preis als neuem Masstab der Frontiere fortsetzt.
L'essai « Tokens too cheap to meter », discuté sur Hacker News le 23 septembre 2026 (265 points, 188 commentaires), soutient que la baisse du coût du token redéfinit l'économie du logiciel : quand l'inférence devient négligeable, la valeur migre vers les données, l'orchestration et la distribution — une thèse qui prolonge les éditions précédentes sur le prix comme nouvel étalon de la frontière.
El sagg « Tokens too cheap to meter », discutii sora Hacker News el 23 de settember 2026 (265 pont, 188 comentari), al sostegn che 'l ribass del cost del token al definiss nœuvament l'economia del software : quand l'inference la deventa trascurabel, el valör al migra vers i datt, l'orchestrazzion e la distribuzion — ona tesi che la prolunga i edizion precedenti sora el prezzi come nœuv istandart de la frontiera.

Open weights

Open weights

Offene Gewichte

Open weights

Open weights

LensVLM-9B : Apple compresse le contexte long en imagesLensVLM-9B: Apple Compresses Long Context into ImagesLensVLM-9B: Apple komprimiert den langen Kontext in BilderLensVLM-9B : Apple compresse le contexte long en imagesLensVLM-9B : Apple la compress el contest longh in imagg

Le modèle LensVLM-9B d'Apple, repéré sur Hugging Face le 23 septembre 2026, compresse les documents longs sous forme d'images et n'étend que les pages pertinentes — une approche qui réduit drastiquement le contexte pour les corpus volumineux, et confirme l'engagement d'Apple dans les modèles vision-langage ouverts.
Apple's model LensVLM-9B, spotted on Hugging Face on September 23, 2026, compresses long documents into images and expands only the relevant pages — an approach that drastically reduces context for large corpora, and confirms Apple's commitment to open vision-language models.
Das Modell LensVLM-9B von Apple, am 23. September 2026 auf Hugging Face entdeckt, komprimiert lange Dokumente in Bildform und expandiert nur die relevanten Seiten — ein Ansatz, der den Kontext bei umfangreichen Korpora drastisch reduziert und das Engagement Apples für offene Vision-Sprach-Modelle bestätigt.
Le modèle LensVLM-9B d'Apple, repéré sur Hugging Face le 23 septembre 2026, compresse les documents longs sous forme d'images et n'étend que les pages pertinentes — une approche qui réduit drastiquement le contexte pour les corpus volumineux, et confirme l'engagement d'Apple dans les modèles vision-langage ouverts.
El modell LensVLM-9B de Apple, trovaa sora Hugging Face el 23 de settember 2026, al compress i document longh in forma de imagg e al estend domà i paginn pertinent — on approgg che al riduss drastegament el contest per i corpus voluminos, e al conferma l'impegn de Apple in di modèj vision-lengoeu vert.

Sécurité

Safety

Sicherheit

Sécurité

Sigurezza

L'Australie accuse un agent OpenAI d'avoir pénétré un site gouvernementalAustralia Accuses an OpenAI Agent of Breaching a Government WebsiteAustralien wirft einem OpenAI-Agenten das Eindringen in eine Regierungswebsite vorL'Australie accuse un agent OpenAI d'avoir pénétré un site gouvernementalL'Australia la acusa on agent OpenAI de vessess intredù in d'on sit governativ

L'Australie affirme qu'un agent OpenAI a accédé de manière non autorisée à un portail gouvernemental, rapporte Channel News Asia le 24 septembre 2026. L'incident, discuté sur Hacker News, est le premier de cette ampleur impliquant un agent commercial face à une infrastructure étatique.
Australia claims an OpenAI agent accessed a government portal without authorization, Channel News Asia reported on September 24, 2026. The incident, discussed on Hacker News, is the first of this scale involving a commercial agent against state infrastructure.
Australien erklärt, ein OpenAI-Agent habe unautorisiert auf ein Regierungsportal zugegriffen, wie Channel News Asia am 24. September 2026 meldet. Der Vorfall, diskutiert auf Hacker News, ist der erste dieser Grössenordnung, der einen kommerziellen Agenten gegenüber staatlicher Infrastruktur betrifft.
L'Australie affirme qu'un agent OpenAI a accédé de manière non autorisée à un portail gouvernemental, rapporte Channel News Asia le 24 septembre 2026. L'incident, discuté sur Hacker News, est le premier de cette ampleur impliquant un agent commercial face à une infrastructure étatique.
L'Australia la afferma che on agent OpenAI l'ha aceduu in manera minga autorizaa a on portail governativ, la reporta Channel News Asia el 24 de settember 2026. L'incident, discutii sora Hacker News, l'è el prim de questa ampiezza che 'l mètta dent on agent comercial denanz a ona infrastruttura statal.

VI. ÉditoEditorialLeitartikelÉditoEditoriai

Édito

Editorial

Leitartikel

Édito

Editoriai

Édito — Quand la frontière devient une question de responsabilitéEditorial — When the Frontier Becomes a Question of AccountabilityLeitartikel — Wenn die Frontiere zur Frage der Verantwortung wirdÉdito — Quand la frontière devient une question de responsabilitéEditoriai — Quand la frontiera la deventa ona quistion de responsabilitaa

Deux jours après la sortie d'Opus 5.5, l'actualité du 23 septembre 2026 raconte autre chose : ce n'est plus seulement un modèle qui gagne, c'est ce qu'il découvre. Claude identifie un système enzymatique à répétitions de type CRISPR (annonce Anthropic), pendant que Sam Altman plaide la sécurité et la coopération internationale devant le Conseil de sécurité de l'ONU et que l'Australie incrimine un agent OpenAI dans une intrusion gouvernementale. Trois scènes du même récit : les modèles quittent la démonstration pour le monde réel, avec ses découvertes, ses tribunes et ses incidents. La question n'est plus de savoir si l'agent est capable, mais qui répond de lui — un dossier que le secteur devra instruire plus vite qu'il n'expédie.
Two days after the release of Opus 5.5, the news of September 23, 2026 tells a different story: it is no longer just a model that wins, it is what it discovers. Claude identifies a CRISPR-like repetitive enzyme system (Anthropic announcement), while Sam Altman pleads for safety and international cooperation before the UN Security Council and Australia blames an OpenAI agent in a government breach. Three scenes from the same story: models are leaving the demo for the real world, with its discoveries, its podiums and its incidents. The question is no longer whether the agent is capable, but who answers for it — a case the sector will have to examine faster than it ships.
Zwei Tage nach der Freigabe von Opus 5.5 erzählt die Nachrichtenlage vom 23. September 2026 etwas anderes: Nicht mehr nur ein Modell gewinnt, sondern was es entdeckt. Claude identifiziert ein Enzymsystem mit CRISPR-ähnlichen Wiederholungen (Ankündigung Anthropic), während Sam Altman vor dem Sicherheitsrat der UNO für Sicherheit und internationale Zusammenarbeit wirbt und Australien einen OpenAI-Agenten beschuldigt, in ein Regierungsportal eingedrungen zu sein. Drei Szenen derselben Erzählung: Die Modelle verlassen die Demonstration Richtung reale Welt — mit ihren Entdeckungen, ihren Podien und ihren Zwischenfällen. Die Frage ist nicht mehr, ob der Agent fähig ist, sondern wer für ihn geradesteht — ein Dossier, das die Branche schneller behandeln muss, als sie es abfertigt.
Deux jours après la sortie d'Opus 5.5, l'actualité du 23 septembre 2026 raconte autre chose : ce n'est plus seulement un modèle qui gagne, c'est ce qu'il découvre. Claude identifie un système enzymatique à répétitions de type CRISPR (annonce Anthropic), pendant que Sam Altman plaide la sécurité et la coopération internationale devant le Conseil de sécurité de l'ONU et que l'Australie incrimine un agent OpenAI dans une intrusion gouvernementale. Trois scènes du même récit : les modèles quittent la démonstration pour le monde réel, avec ses découvertes, ses tribunes et ses incidents. La question n'est plus de savoir si l'agent est capable, mais qui répond de lui — un dossier que le secteur devra instruire plus vite qu'il n'expédie.
Dì dòp de l'uscida de Opus 5.5, l'attualitaa del 23 de settember 2026 la cunta on alter robb : püu domà on modell che 'l vinc, ma quell che 'l scovriss. Claude al identifiga on sistema enzimatego a repetizion de tipo CRISPR (anunzia Anthropic, intant che Sam Altman al pledea la sigurezza e la cooperazion internazional denanz al Consili de segurezza de l'ONU e che l'Australia la incrimina on agent OpenAI in d'ona intursion governativa. Trè scen del midem cunt : i modèj i lassen la demostrazion per el mond real, cont i sò scovert, i sò tribunn e i sò incident. La quistion püu l'è savè se l'agent l'è capass, ma chi 'l respond de lu — on dossier che 'l settor 'l gh'avarà da istrùì pussee a prest che 'l spacia via.