The Neuron Times

All the AI that's fit to print

N° 2026-W46 Édition hebdomadaireWeekly EditionWochenausgabeEdizione settimanaleEdizion de la setemana · Genève SEMAINE DU 9–15 NOVEMBRE 2026WEEK OF 9 – 15 NOVEMBER 2026WOCHE VOM 9.–15. NOVEMBER 2026SETTIMANA DEL 09–15 NOVEMBRE 2026SETEMANA DEL 09–15 NOVEMBRE 2026

À la Une · Agents & économieFront Page · Agents & the economySchlagzeilen · Agenten & WirtschaftPrima pagina · Agenti & economiaIn prima pagina · Agent & economia

ChatGPT Wallet : la semaine où les agents ont reçu un portefeuille — et où le monde réel a dit nonChatGPT Wallet: the week agents got a wallet — and the real world said noChatGPT Wallet: die Woche, in der Agenten ein Portemonnaie erhielten – und die reale Welt Nein sagteChatGPT Wallet: la settimana in cui gli agenti hanno ricevuto un portafoglio — e il mondo reale ha detto noChatGPT Wallet: la setemana indè i agent hinn rivaa a veghì on portafogli — e 'l mond real l'ha dii no

OpenAI a donné un moyen de paiement à ses agents pendant que Goldman Sachs et United Airlines leur fermaient leurs portes : le grand rééquilibrage de l'IA agentique a eu lieu en sept jours.OpenAI gave its agents a means of payment while Goldman Sachs and United Airlines closed their doors to them: the great rebalancing of agentic AI took place in seven days.OpenAI stattete seine Agenten mit einem Zahlungsmittel aus, während Goldman Sachs und United Airlines ihnen die Türen wiesen: Die grosse Neuausrichtung der agentischen KI fand in sieben Tagen statt.OpenAI ha dato un mezzo di pagamento ai suoi agenti mentre Goldman Sachs e United Airlines chiudevano loro le porte: il grande riequilibrio dell'IA agentica si è compiuto in sette giorni.OpenAI l'ha daa on mez de pagament ai sò agent intant che Goldman Sachs e United Airlines ghe serraven su i port: 'l grand reequilibrang de l'IA agentica l'è success in sett dì.

OpenAI a lancé ChatGPT Wallet, une couche de paiement conçue pour ses agents : un « dot » peut désormais effectuer un achat pour le compte de l'utilisateur, du repérage du produit jusqu'au paiement, avec une validation obligatoire par Face ID ou Touch ID avant chaque transaction. Ce n'est pas un simple ajout produit : c'est l'infrastructure d'un commerce agentique à grande échelle, la même logique que Brave Search qui a activé les paiements agentiques via le protocole x402 sur sa Search API. Deux acteurs très différents construisent, la même semaine, le même proto-économie : des agents qui paient.OpenAI has launched ChatGPT Wallet, a payment layer designed for its agents: a 'dot' can now make a purchase on the user's behalf, from product discovery through checkout, with mandatory Face ID or Touch ID validation before every transaction. This is not a mere product add-on: it is the infrastructure of agent commerce at scale, the same logic as Brave Search enabling agentic payments via the x402 protocol on its Search API. Two very different players are building, in the same week, the same proto-economy: agents that pay.OpenAI hat ChatGPT Wallet lanciert, eine Zahlungsschicht für seine Agenten: Ein «Dot» kann nun einen Kauf im Namen des Nutzers abwickeln, von der Produktsuche bis zur Bezahlung, mit obligatorischer Freigabe per Face ID oder Touch ID vor jeder Transaktion. Das ist nicht nur ein Produktzusatz: Es handelt sich um die Infrastruktur für agentischen Handel im grossen Stil – dieselbe Logik wie bei Brave Search, das agentische Zahlungen über das x402-Protokoll auf seiner Search API aktiviert hat. Zwei sehr unterschiedliche Akteure bauen in derselben Woche an derselben Proto-Ökonomie: Agenten, die zahlen.OpenAI ha lanciato ChatGPT Wallet, un livello di pagamento progettato per i suoi agenti: un «dot» può ormai effettuare un acquisto per conto dell'utente, dall'individuazione del prodotto fino al pagamento, con una convalida obbligatoria tramite Face ID o Touch ID prima di ogni transazione. Non si tratta di un semplice ampliamento di prodotto: è l'infrastruttura di un commercio agentico su larga scala, la stessa logica di Brave Search che ha attivato i pagamenti agentici tramite il protocollo x402 sulla propria Search API. Due attori molto diversi costruiscono, nella stessa settimana, la stessa proto-economia: agenti che pagano.OpenAI l'ha lanziaa ChatGPT Wallet, on strat de pagament faa su per i sò agent: on «dot» el po adess fà on acquist per cunt de l'utent, de la ricerca del prodott fin al pagament, con la validazion obligatoria cont Face ID o Touch ID prima de ogni transazion. L'è no domà on sgiont al prodot: l'è l'infrastruttura de on commerce agentich a granda scala, la istessa logica de Brave Search che l'ha attivaa i pagament agentich via el protocoll x402 sora la soa Search API. Dò ator propi different costruissen, l'istessa setemana, l'istessa proto-economia: di agent che paghen.

Mais le signal le plus fort ne vient pas des labos : il vient de ceux qui subissent. Goldman Sachs a retiré Claude Code des postes de ses banquiers et traders, un retournement notable pour un outil présenté comme un standard montant de la banque d'affaires. United Airlines a purement et simplement banni les agents IA de la réservation de vols. Deux institutions, deux industries, une même réponse : l'agent autonome n'est pas le bienvenu là où l'erreur coûte cher ou où l'humain est le client contractuel.But the strongest signal does not come from the labs: it comes from those on the receiving end. Goldman Sachs pulled Claude Code from its bankers' and traders' desks, a notable reversal for a tool once touted as a rising standard in investment banking. United Airlines has outright banned AI agents from booking flights. Two institutions, two industries, one shared answer: the autonomous agent is not welcome where mistakes are costly or where the human is the contractual client.Das stärkste Signal kommt aber nicht aus den Labors, sondern von denen, die es ausbaden müssen. Goldman Sachs hat Claude Code von den Arbeitsplätzen seiner Banker und Trader entfernt – ein bemerkenswerter Umschwung für ein Werkzeug, das als aufstrebender Standard im Investmentbanking galt. United Airlines hat KI-Agenten von der Flugbuchung schlicht verboten. Zwei Institutionen, zwei Branchen, dieselbe Antwort: Der autonome Agent ist dort nicht willkommen, wo Fehler teuer sind oder der Mensch der vertragliche Kunde ist.Ma il segnale più forte non viene dai laboratori: viene da chi li subisce. Goldman Sachs ha ritirato Claude Code dai posti di lavoro dei suoi banchieri e trader, un ribaltamento notevole per uno strumento presentato come uno standard emergente della banca d'affari. United Airlines ha semplicemente vietato gli agenti IA dalla prenotazione dei voli. Due istituzioni, due industrie, una stessa risposta: l'agente autonomo non è benvenuto là dove l'errore costa caro o dove l'umano è il cliente contrattuale.Ma el segnall pussee fort el ven no di laboratori: el ven de quij che 'l subissen. Goldman Sachs l'ha tolt via Claude Code di post di banker e di trader, on riversament notabil per on strumenti presentaa comè on standard in crescita de la banca d'affari. United Airlines l'ha proppi e semplizement proibii ai agent IA la prenotazion di vol. Dò istituzion, dò industri, ona sola risposta: l'agent autonom l'è no benvenuu indè che l'error el costa car o indè che l'uman l'è 'l client contratual.

La tension entre ces deux mouvements — infrastructure de paiement d'un côté, refus d'adoption de l'autre — définit probablement l'agenda des six prochains mois. Les fournisseurs d'IA, d'Anthropic (auto-hébergement de ses Managed Agents dans le cloud du client) à Google (Gemini 4 Hydrogen positionné comme « pilote quotidien » des workflows agentiques), misent sur une automatisation de bout en bout supervisée. Le terrain, lui, demande du contrôle, de la traçabilité et des frontières nettes.The tension between these two movements — payment infrastructure on one side, adoption refusal on the other — will likely define the agenda for the next six months. AI vendors, from Anthropic (self-hosting its Managed Agents in the customer's cloud) to Google (Gemini 4 Hydrogen positioned as the 'daily driver' of agentic workflows), are betting on supervised end-to-end automation. The ground, for its part, is demanding control, traceability and clear boundaries.Die Spannung zwischen diesen beiden Bewegungen – Zahlungsinfrastruktur auf der einen Seite, Verweigerung der Adoption auf der anderen – dürfte die Agenda der nächsten sechs Monate bestimmen. Die KI-Anbieter, von Anthropic (Selbsthosting seiner Managed Agents in der Cloud des Kunden) bis Google (Gemini 4 Hydrogen, positioniert als «Daily Driver» agentischer Workflows), setzen auf eine überwachte End-to-End-Automatisierung. Das Terrain hingegen verlangt Kontrolle, Rückverfolgbarkeit und klare Grenzen.La tensione tra questi due movimenti — infrastruttura di pagamento da un lato, rifiuto dell'adozione dall'altro — definirà probabilmente l'agenda dei prossimi sei mesi. I fornitori di IA, da Anthropic (auto-housing dei suoi Managed Agents nel cloud del cliente) a Google (Gemini 4 Hydrogen posizionato come «pilota quotidiano» dei workflow agentici), puntano su un'automazione end-to-end supervisionata. Il terreno, invece, chiede controllo, tracciabilità e confini netti.La tension tra 'sti dò moeuv — infrastruttura de pagament d'ona banda, refud de l'adopcion de l'oltra — la definiss probabilment l'agenda di ses mes che vegnen. I fornidor de IA, de Anthropic (auto-hosting di sò Managed Agents in del cloud del client) a Google (Gemini 4 Hydrogen posizionaa comè «pilota giornadier» di workflow agentich), scommetten sora ona automazion de la fin a la fin sotta sorveglianza. El terren, lu, el domanda control, tracciabilitaa e fronter nett.

La fuite Lovable, qui a exposé passeports et 200 000 messages privés dans des applications no-code mal configurées, est le troisième acte de ce même scénario : la sécurité du câblage par défaut, pas celle du modèle, est devenue le maillon faible. La semaine qui s'achève suggère que la bataille de 2027 ne se jouera pas sur l'intelligence des agents, mais sur leur gouvernance.The Lovable leak, which exposed passports and 200,000 private messages in misconfigured no-code apps, is the third act of the same scenario: the security of default wiring, not of the model, has become the weak link. The week now ending suggests that the battle of 2027 will not be fought over the intelligence of agents, but over their governance.Der Lovable-Leck, der Pässe und 200 000 private Nachrichten in fehlerhaft konfigurierten No-Code-Anwendungen offenlegte, ist der dritte Akt desselben Szenarios: Die Sicherheit des Standard-Setups – nicht die des Modells – ist zum schwächsten Glied geworden. Die zu Ende gehende Woche legt nahe, dass die Schlacht von 2027 nicht über die Intelligenz der Agenten entschieden wird, sondern über ihre Governance.La fuga di dati Lovable, che ha esposto passaporti e 200 000 messaggi privati in applicazioni no-code mal configurate, è il terzo atto di questo stesso scenario: la sicurezza del cablaggio predefinito, non quella del modello, è diventata l'anello debole. La settimana che si chiude suggerisce che la battaglia del 2027 non si giocherà sull'intelligenza degli agenti, ma sulla loro governance.La fuga Lovable, che l'ha esponuu passaport e 200.000 messagg privaa in di app no-code configuraa mal, l'è 'l terz att de l'istess scenari: la sicurezza del cablagg per defaut, no quell del modell, l'è vegnuda l'anej debol. La setemana che la finiss la sugeriss che la battaglia del 2027 la se gioeugarà no sora l'intelligenza di agent, ma sora la soa governanza.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — Rétro FrontièreFrontier RewindRückblick FrontenRetro FrontieraRetro Frontera

I. Modèles & plateformesModels & platformsModelle & PlattformenModelli e piattaformeModèj & piataform

Modèles

Models

Modelle

Modelli

Modèj

Anthropic lance Claude Fable 5.2 et Mythos 5.2, record absolu sur l'indice Artificial AnalysisAnthropic launches Claude Fable 5.2 and Mythos 5.2, all-time record on the Artificial Analysis indexAnthropic lanciert Claude Fable 5.2 und Mythos 5.2, absoluter Rekord im Artificial-Analysis-IndexAnthropic lancia Claude Fable 5.2 e Mythos 5.2, record assoluto sull'indice Artificial AnalysisAnthropic el lanzia Claude Fable 5.2 e Mythos 5.2, record assolut sora l'indecs Artificial Analysis

Le double lancement place la paire Fable/Mythos en tête de l'indice Artificial Analysis, où Claude Fable 5.2 affiche un score de 65, record absolu sur cet agrégat. En parallèle, une équipe de 1 000 agents exécutant une version préliminaire du modèle a reproduit une preuve formelle du dernier théorème de Fermat — un signal sur la scalabilité des équipes d'agents. L'annonce officielle précise le positionnement « travail technique » de la paire.
The dual launch puts the Fable/Mythos pair at the top of the Artificial Analysis index, where Claude Fable 5.2 posts a score of 65, an all-time record on the aggregate. In parallel, a team of 1,000 agents running a preliminary version of the model reproduced a formal proof of Fermat's Last Theorem — a signal about the scalability of agent teams. The official announcement details the pair's 'technical work' positioning.
Der Doppel-Launch setzt das Gespann Fable/Mythos an die Spitze des Artificial-Analysis-Index, wo Claude Fable 5.2 mit einem Score von 65 einen absoluten Rekord auf diesem Aggregat aufstellt. Parallel hat ein Team von 1 000 Agenten, das eine Vorabversion des Modells ausführte, einen formalen Beweis des grossen fermatschen Satzes reproduziert – ein Signal zur Skalierbarkeit von Agententeams. Die offizielle Ankündigung präzisiert die Positionierung «technische Arbeit» des Gespanns.
Il doppio lancio colloca la coppia Fable/Mythos in testa all'indice Artificial Analysis, dove Claude Fable 5.2 mostra un punteggio di 65, record assoluto su questo aggregato. In parallelo, una squadra di 1 000 agenti che eseguiva una versione preliminare del modello ha riprodotto una dimostrazione formale dell'ultimo teorema di Fermat — un segnale sulla scalabilità delle squadre di agenti. L'annuncio ufficiale precisa il posizionamento «lavoro tecnico» della coppia.
El dœubbi lanz el mett la cobbia Fable/Mythos in coo de l'indecs Artificial Analysis, indè che Claude Fable 5.2 el mostra on scoeur de 65, record assolut sora quell aggregaa chì. In parallel, ona squadra de 1.000 agent che gh'hann dree ona version preliminar del modell l'ha riprodottoa ona prova formala de l'ultema teorema de Fermat — on segnall sora la scalabilitaa di squader d'agent. L'anunzi offizial el precisa el posizionament «laurà tecnich» de la cobbia.

Modèles

Models

Modelle

Modelli

Modèj

Gemini 4 Hydrogen : le « pilote quotidien » de Google pour le codage agentiqueGemini 4 Hydrogen: Google's 'daily driver' for agentic codingGemini 4 Hydrogen: Googles «Daily Driver» für agentisches CodingGemini 4 Hydrogen: il «pilota quotidiano» di Google per il coding agenticoGemini 4 Hydrogen: el «pilota giornadier» de Google per el coding agentich

Le « daily driver » de DeepMind pour les workflows agentiques est disponible dans AI Studio, intégré à Google Search dans le monde entier et à la plateforme Antigravity aux côtés d'Orchestrator. Google publie un guide dédié pour coder et déboguer avec le modèle à coût maîtrisé, positionnement explicitement orienté vers le codage agentique économique.
DeepMind's 'daily driver' for agentic workflows is available in AI Studio, integrated into Google Search worldwide and into the Antigravity platform alongside Orchestrator. Google has published a dedicated guide to coding and debugging with the model at controlled cost, positioning explicitly aimed at economical agentic coding.
Der «Daily Driver» von DeepMind für agentische Workflows ist in AI Studio verfügbar, weltweit in die Google-Suche integriert sowie in die Plattform Antigravity eingebunden – gemeinsam mit Orchestrator. Google publiziert eine eigene Anleitung zum Programmieren und Debuggen mit dem Modell zu kontrollierten Kosten, eine explizit auf günstiges agentisches Coding ausgerichtete Positionierung.
Il «daily driver» di DeepMind per i workflow agentici è disponibile in AI Studio, integrato in Google Search in tutto il mondo e nella piattaforma Antigravity accanto a Orchestrator. Google pubblica una guida dedicata per programmare e fare debugging con il modello a costo controllato, un posizionamento esplicitamente orientato al coding agentico economico.
El «daily driver» de DeepMind per i workflow agentich l'è disponebil in AI Studio, integraa cont Google Search in tutt el mond e con la piataforma Antigravity insemma a Orchestrator. Google el publica ona guida dedicada per programmà e debuggingà cont el modell a cost sotta control, posizionament orientaa proppi vers el coding agentich economegh.

Vérification formelle

Formal verification

Formale Verifikation

Verifica formale

Verificazion formala

AlphaProof Code : trois millions de lignes de preuves formelles pour vérifier le chiffrement de SignalAlphaProof Code: three million lines of formal proofs to verify Signal's encryptionAlphaProof Code: drei Millionen Zeilen formaler Beweise zur Verifikation der Signal-VerschlüsselungAlphaProof Code: tre milioni di righe di dimostrazioni formali per verificare la cifratura di SignalAlphaProof Code: tri milion de lign de prov formai per verificà el cifradura de Signal

Le laboratoire publie AlphaProof Code, un système d'agents rédigeant des preuves formelles en Lean pour vérifier la correction de logiciels : trois millions de lignes de preuves pour vérifier le cœur du chiffrement de Signal, une base de code dont dépendent des centaines de millions d'utilisateurs. La même équipe met Gemini 4 Carbon à disposition des développeurs et entreprises.
The lab has released AlphaProof Code, a system of agents writing formal proofs in Lean to verify software correctness: three million lines of proofs to verify the core of Signal's encryption, a codebase that hundreds of millions of users depend on. The same team is making Gemini 4 Carbon available to developers and enterprises.
Das Labor publiziert AlphaProof Code, ein Agentensystem, das formale Beweise in Lean verfasst, um die Korrektheit von Software zu verifizieren: drei Millionen Zeilen an Beweisen für die Verifikation des Kerns der Signal-Verschlüsselung, einer Codebasis, von der Hunderte Millionen Nutzer abhängen. Dasselbe Team stellt Gemini 4 Carbon für Entwickler und Unternehmen bereit.
Il laboratorio pubblica AlphaProof Code, un sistema di agenti che redige dimostrazioni formali in Lean per verificare la correttezza del software: tre milioni di righe di dimostrazioni per verificare il cuore della cifratura di Signal, una base di codice da cui dipendono centinaia di milioni di utenti. Lo stesso team mette Gemini 4 Carbon a disposizione di sviluppatori e imprese.
El laboratori el publica AlphaProof Code, on sistema d'agent che scriven prov formai in Lean per verificà la correezion di software: tri milion de lign de prov per verificà el cœur del cifradura de Signal, ona basa de codes de la qual dipenden centenaa de milion d'utent. L'istessa squadra la mett Gemini 4 Carbon a disposizion di sviluppadór e di impres.

Enterprise

Enterprise

Enterprise

Enterprise

Enterprise

Claude Managed Agents : Anthropic s'installe dans le cloud de ses clientsClaude Managed Agents: Anthropic moves into its customers' cloudsClaude Managed Agents: Anthropic zieht in die Cloud seiner Kunden einClaude Managed Agents: Anthropic si installa nel cloud dei suoi clientiClaude Managed Agents: Anthropic el se mett in del cloud di sò client

La plateforme d'agents s'installe en auto-hébergement dans le cloud du client ou sur site : agents, infrastructure et contrôles tournent dans l'environnement de l'entreprise, une réponse directe aux exigences régulées — dans une semaine où Goldman Sachs retirait précisément Claude Code de ses postes de trading. Anthropic publie aussi un guide d'ingénierie des agents « always-on », qui s'exécutent indéfiniment à travers de nombreuses sessions.
The agent platform can now be self-hosted in the customer's cloud or on-premises: agents, infrastructure and controls run inside the enterprise's environment, a direct answer to regulated-sector requirements — in a week when Goldman Sachs was pulling Claude Code from its trading desks. Anthropic has also published an engineering guide to 'always-on' agents that run indefinitely across many sessions.
Die Agentenplattform lässt sich selbst gehostet in der Cloud des Kunden oder on-premise betreiben: Agenten, Infrastruktur und Kontrollen laufen in der Umgebung des Unternehmens – eine direkte Antwort auf regulierte Anforderungen, in einer Woche, in der Goldman Sachs genau Claude Code von seinen Trading-Arbeitsplätzen entfernte. Anthropic publiziert zudem einen Engineering-Guide für «Always-on»-Agenten, die sich über viele Sitzungen hinweg unbegrenzt ausführen.
La piattaforma di agenti si installa in self-hosting nel cloud del cliente o on-premise: agenti, infrastruttura e controlli girano nell'ambiente dell'impresa, una risposta diretta alle esigenze dei settori regolamentati — in una settimana in cui Goldman Sachs ritirava proprio Claude Code dai suoi posti di trading. Anthropic pubblica anche una guida di ingegneria degli agenti «always-on», che si eseguono indefinitamente attraverso numerose sessioni.
La piataforma d'agent la se mett in auto-hosting in del cloud del client o in sui loeugh: agent, infrastruttura e contròl fann el sò laurà in de l'ambient de l'impresa, ona risposta direta ai esigenz regolaa — in d'ona setemana indè che Goldman Sachs el tolt via proppi Claude Code di sò post de trading. Anthropic el publica anca ona guida de ingegneria di agent «always-on», che fann el sò laurà a l'infinit tra tante session.

II. Autres frontsOther frontsWeitere FrontenAltri frontiAlter front

Décision

Decision-making

Entscheidung

Decisione

Decision

Gemini Decisions API : Google formalise les modèles de décisionGemini Decisions API: Google formalizes decision modelsGemini Decisions API: Google formalisiert EntscheidungsmodelleGemini Decisions API: Google formalizza i modelli di decisioneGemini Decisions API: Google el formalizza i modèj de decision

Google ouvre la Gemini Decisions API, propulsée par un modèle dédié Gemini Decision pour des décisions multimodales rapides et calibrées. Le mouvement s'inscrit dans l'émergence d'une catégorie « Decision Models » que Hugging Face introduit sur son Hub : des modèles System-1 qui prodiguent des décisions plutôt que du texte.
Google has opened the Gemini Decisions API, powered by a dedicated Gemini Decision model for fast, calibrated multimodal decisions. The move is part of the emergence of a 'Decision Models' category that Hugging Face is introducing on its Hub: System-1 models that deliver decisions rather than text.
Google eröffnet die Gemini Decisions API, angetrieben von einem eigenen Gemini-Decision-Modell für schnelle, kalibrierte multimodale Entscheidungen. Der Schritt fügt sich in das Aufkommen einer Kategorie «Decision Models» ein, die Hugging Face auf seinem Hub einführt: System-1-Modelle, die Entscheidungen statt Text liefern.
Google apre la Gemini Decisions API, alimentata da un modello dedicato Gemini Decision per decisioni multimodali rapide e calibrate. La mossa si inserisce nell'emergere di una categoria «Decision Models» che Hugging Face introduce sul proprio Hub: modelli System-1 che erogano decisioni piuttosto che testo.
Google el derv la Gemini Decisions API, spingiuda d'on modell dedicaa Gemini Decision per decision multimodai rapid e calibraa. El moeuv el se mett in de l'emergenza de ona categoria «Decision Models» che Hugging Face la introduc sora el sò Hub: di modèj System-1 che dann decision inveci che test.

Open weights

Open weights

Open Weights

Open weights

Open weights

Meta Research sort Muse Ember, son plus petit modèle le plus efficientMeta Research releases Muse Ember, its smallest and most efficient modelMeta Research lanciert Muse Ember, sein kleinstes, effizientestes ModellMeta Research rilascia Muse Ember, il suo più piccolo modello più efficienteMeta Research el tira foeu Muse Ember, el sò modell pussee piscinin e pussee efficient

L'annonce décrit le plus petit et plus efficace modèle du laboratoire, un contrepoids aux courses de scores de la semaine. Côté recherche fondamentale, Meta publie aussi « Unbundling Multimodal Vision Encoding », qui démonte l'encodage visuel et montre que le prior pré-entraîné n'y est pas nécessaire — un pas vers des architectures multimodales plus légères.
The announcement describes the lab's smallest and most efficient model, a counterweight to the week's benchmark races. On the fundamental-research side, Meta has also published 'Unbundling Multimodal Vision Encoding', which breaks down visual encoding and shows that pretrained priors are not necessary — a step toward lighter multimodal architectures.
Die Ankündigung beschreibt das kleinste und effizienteste Modell des Labors – ein Gegengewicht zu den Score-Wettrennen der Woche. Auf Seiten der Grundlagenforschung publiziert Meta zudem «Unbundling Multimodal Vision Encoding», das die visuelle Encodierung auseinandernimmt und zeigt, dass das vortrainierte Prior dafür nicht nötig ist – ein Schritt hin zu leichteren multimodalen Architekturen.
L'annuncio descrive il modello più piccolo ed efficiente del laboratorio, un contrappeso alle corse ai punteggi della settimana. Sul fronte della ricerca fondamentale, Meta pubblica anche «Unbundling Multimodal Vision Encoding», che smonta la codifica visiva e mostra che il prior pre-addestrato non è necessario — un passo verso architetture multimodali più leggere.
L'anunzi el describ el modell pussee piscinin e pussee efficient del laboratori, on contrapes ai cor di scoeur de la setemana. De la banda de la ricerca fondamental, Meta el publica anca «Unbundling Multimodal Vision Encoding», che 'l desmonta l'encoding visual e 'l mostra che el prior pre-arenaa ghe serv minga — on pass vers di architettur multimodai pussee leger.

Sciences

Science

Wissenschaft

Scienze

Scienz

AlphaGenome 2 : DeepMind décrypte la lecture cellulaire de l'ADNAlphaGenome 2: DeepMind deciphers the cellular reading of DNAAlphaGenome 2: DeepMind entschlüsselt, wie Zellen die DNA lesenAlphaGenome 2: DeepMind decifra la lettura cellulare del DNAAlphaGenome 2: DeepMind el desmetta la lettiura cellular de l'ADN

La nouvelle génération du modèle génomique prédit l'impact des variations d'ADN sur des types cellulaires humains spécifiques, ouvrant une voie calculable vers la génétique des maladies. L'annonce signale la poursuite de la stratégie « AlphaX » : appliquer les agents à la science plutôt qu'au seul codage, comme en témoigne aussi l'usage de la fonction /teamwork d'Antigravity pour la recherche détaillé par Google Research.
The new generation of the genomic model predicts the impact of DNA variations on specific human cell types, opening a computable path toward the genetics of disease. The announcement signals the continuation of the 'AlphaX' strategy: applying agents to science rather than coding alone, as also evidenced by the use of Antigravity's /teamwork feature for research detailed by Google Research.
Die neue Generation des genomischen Modells sagt die Auswirkungen von DNA-Variationen auf spezifische menschliche Zelltypen voraus und eröffnet einen berechenbaren Weg zur Genetik von Krankheiten. Die Ankündigung unterstreicht die Fortsetzung der «AlphaX»-Strategie: Agenten auf die Wissenschaft statt allein aufs Coding anwenden – bezeugt auch durch die Nutzung der Funktion /teamwork von Antigravity für die Forschung, die Google Research darlegt.
La nuova generazione del modello genomico predice l'impatto delle variazioni del DNA su tipi cellulari umani specifici, aprendo una via calcolabile alla genetica delle malattie. L'annuncio segnala la continuazione della strategia «AlphaX»: applicare gli agenti alla scienza e non solo al coding, come testimonia anche l'uso della funzione /teamwork di Antigravity per la ricerca dettagliato da Google Research.
La noeva generazion del modell genomegh la preved l'impact di variazion de DNA sora tip cellulàr uman specifich, dervend ona via calcolabil vers la genetega di malattì. L'anunzi el segnalla la continuazion de la strategia «AlphaX»: aplicà i agent a la scienza inveci che domà al coding, comè 'l mostra anca l'us de la funzion /teamwork d'Antigravity per la ricerca describuda de Google Research.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Outils & PratiquesTools & PracticesWerkzeuge & PraxisStrumenti e praticheStroment & Partegh

III. Moteurs & inférenceEngines & inferenceEngines & InferenzMotori e inferenzaMotor & inferenxa

Inférence locale

Local inference

Lokale Inferenz

Inferenza locale

Inferenxa local

llama.cpp passe en 1.0.0 : le socle de l'IA locale fige ses fondationsllama.cpp hits 1.0.0: the bedrock of local AI freezes its foundationsllama.cpp erreicht 1.0.0: das Fundament der lokalen KI friert seine Basis einllama.cpp passa alla 1.0.0: la base dell'IA locale congela le proprie fondamentallama.cpp el passa a 1.0.0: 'l bas de l'IA local el ghe figa i fondament

Après des années de builds itératifs, ggml-org a publié la version 1.0.0 de llama.cpp, décrite comme « une fondation plus solide pour l'écosystème IA local ». La bibliothèque tensorielle ggml, cœur du projet, fige son API au passage — un jalon de maturité pour l'inférence locale, dans une semaine où Huawei a aussi open-sourcé MACaQ, son quantiseur d'inférence locale.
After years of iterative builds, ggml-org has released version 1.0.0 of llama.cpp, described as 'a more solid foundation for the local AI ecosystem'. The ggml tensor library at the heart of the project freezes its API along the way — a milestone of maturity for local inference, in a week when Huawei also open-sourced MACaQ, its local inference quantizer.
Nach Jahren iterativer Builds hat ggml-org die Version 1.0.0 von llama.cpp veröffentlicht, beschrieben als «ein solideres Fundament für das lokale KI-Ökosystem». Die Tensorbibliothek ggml, das Herz des Projekts, friert ihre API dabei ein – ein Reifemeilenstein für die lokale Inferenz, in einer Woche, in der Huawei zudem MACaQ, seinen Quantisierer für lokale Inferenz, als Open Source freigab.
Dopo anni di build iterativi, ggml-org ha pubblicato la versione 1.0.0 di llama.cpp, descritta come «una fondazione più solida per l'ecosistema IA locale». La libreria tensoriale ggml, cuore del progetto, congela la propria API al passaggio — un traguardo di maturità per l'inferenza locale, in una settimana in cui Huawei ha anche reso open source MACaQ, il suo quantizzatore per inferenza locale.
Despoeu d'ann de build iterativ, ggml-org l'ha publicaa la version 1.0.0 de llama.cpp, descrivuda comè «ona fondamenta pussee solida per l'ecosistema IA local». La libreria tensorial ggml, cœur del progett, la ghe figa l'API in del passagg — on segn de maturitaa per l'inferenxa local, in d'ona setemana indè che anca Huawei l'ha mettuu in open source MACaQ, el sò quantizzador d'inferenxa local.

Harnais

Harness

Harness

Harness

Arnes

llama-modchip : un DeepSeek 284B sur 64 Go de RAM, sans GPUllama-modchip: a 284B DeepSeek on 64 GB of RAM, no GPUllama-modchip: ein DeepSeek 284B auf 64 GB RAM, ohne GPUllama-modchip: un DeepSeek 284B su 64 GB di RAM, senza GPUllama-modchip: on DeepSeek 284B sora 64 Go de RAM, senza GPU

Publié sur GitHub, llama-modchip fait tourner un DeepSeek 284B sur 64 Go de RAM sans GPU, en s'appuyant sur un module matériel dédié — l'un des projets les plus remarqués de la semaine côté inférence locale. À rapprocher d'un exercice pédagogique opposé : une réimplémentation de DeepSeek V3 en ~200 lignes de Jax pur, saluée sur Hacker News comme un décryptage de l'architecture frontier.
Published on GitHub, llama-modchip runs a 284B DeepSeek on 64 GB of RAM with no GPU, relying on a dedicated hardware module — one of the most closely watched projects of the week in local inference. Compare with an opposite, educational exercise: a reimplementation of DeepSeek V3 in ~200 lines of pure Jax, praised on Hacker News as a deciphering of the frontier architecture.
Auf GitHub veröffentlicht, bringt llama-modchip ein DeepSeek 284B auf 64 GB RAM ohne GPU zum Laufen – gestützt auf ein dediziertes Hardwaremodul, eines der meistbeachteten Projekte der Woche im Bereich lokale Inferenz. Einzuordnen neben ein gegenteiliges Lehrstück: eine Reimplementierung von DeepSeek V3 in rund 200 Zeilen reinem Jax, auf Hacker News als Entschlüsselung der Frontier-Architektur gefeiert.
Pubblicato su GitHub, llama-modchip fa girare un DeepSeek 284B su 64 GB di RAM senza GPU, appoggiandosi a un modulo hardware dedicato — uno dei progetti più notati della settimana sul fronte dell'inferenza locale. Da avvicinare a un esercizio pedagogico opposto: una riimplementazione di DeepSeek V3 in ~200 righe di Jax puro, salutata su Hacker News come una spiegazione dell'architettura frontier.
Publicaa sora GitHub, llama-modchip el fa girà on DeepSeek 284B sora 64 Go de RAM senza GPU, cont l'apoeugg de on modul hardware dedicaa — vun di progett pussee notaa de la setemana de la banda de l'inferenxa local. De vesinà a on esercizzi pedagogich oppost: ona reimplementazion de DeepSeek V3 in ~200 lign de Jax pur, lodada sora Hacker News comè on desmetta-codes de l'architettura frontier.

Moteurs

Engines

Engines

Motori

Motor

Flide : un moteur d'inférence 9,5 fois plus rapide que vLLM pour les agentsFlide: an inference engine 9.5 times faster than vLLM for agentsFlide: eine Inferenz-Engine, die für Agenten 9,5-mal schneller ist als vLLMFlide: un motore di inferenza 9,5 volte più veloce di vLLM per gli agentiFlide: on motor d'inferenxa 9,5 voeult pussee rapid de vLLM per i agent

Des chercheurs de l'Université de Singapour présentent Flide, un moteur d'inférence exact pour modèles de décision à faible latence, jusqu'à 9,5 fois plus rapide que vLLM sur les charges agentiques. NVIDIA propose en parallèle CPU-ARC, un « cache de raisonnement agentique » qui compile des traces de raisonnement sur CPU pour réduire la facture jusqu'à un facteur 291 — deux approches complémentaires de l'économie de l'inférence agentique.
Researchers at the National University of Singapore present Flide, an exact inference engine for low-latency decision models, up to 9.5 times faster than vLLM on agentic workloads. NVIDIA is meanwhile offering CPU-ARC, an 'agentic reasoning cache' that compiles reasoning traces on CPU to cut the bill by up to a factor of 291 — two complementary approaches to the economics of agentic inference.
Forschende der National University of Singapore stellen Flide vor, eine exakte Inferenz-Engine für latenzarme Entscheidungsmodelle, auf agentischen Lasten bis zu 9,5-mal schneller als vLLM. NVIDIA legt parallel CPU-ARC vor, einen «agentischen Reasoning-Cache», der Reasoning-Traces auf der CPU kompiliert und die Rechnung um bis zu Faktor 291 senkt – zwei komplementäre Ansätze für die Ökonomie agentischer Inferenz.
Dei ricercatori della National University of Singapore presentano Flide, un motore di inferenza esatto per modelli di decisione a bassa latenza, fino a 9,5 volte più veloce di vLLM sui carichi agentici. NVIDIA propone in parallelo CPU-ARC, una «cache di ragionamento agentico» che compila tracce di ragionamento su CPU per ridurre la fattura fino a un fattore 291 — due approcci complementari all'economia dell'inferenza agentica.
Di ricercador de l'Universitaa de Singapor presenten Flide, on motor d'inferenxa esatt per modèj de decision a bassa latenza, fina a 9,5 voeult pussee rapid de vLLM sora i caregh agentich. NVIDIA la propon in parallel CPU-ARC, on «cache de resoneament agentich» che 'l compila di trasc de resoneament sora CPU per sbassà la fattura fina a on fattor 291 — dò approcc complementar de l'economia de l'inferenxa agentica.

IV. Écosystème agentiqueThe agentic ecosystemAgentisches ÖkosystemEcosistema agenticoEcosistema agentich

CLI & agents

CLI & agents

CLI & Agenten

CLI e agenti

CLI & agent

Atuin Threads : vos sessions d'agents sur toutes vos machinesAtuin Threads: your agent sessions on all your machinesAtuin Threads: Ihre Agentensitzungen auf allen Ihren MaschinenAtuin Threads: le vostre sessioni di agenti su tutte le vostre macchineAtuin Threads: i tò session d'agent sora tutt i tò machin

L'outil de synchronisation d'historique shell lance « Threads » : les sessions des agents de codage sont synchronisées et consultables sur toutes les machines d'un développeur, comblant un vide dans le cycle de vie des agents longue durée qu'Anthropic documente aussi dans son guide des agents always-on.
The shell history synchronization tool has launched 'Threads': coding agents' sessions are synchronized and browsable across all of a developer's machines, filling a gap in the lifecycle of long-running agents that Anthropic also documents in its guide to always-on agents.
Das Tool zur Synchronisation der Shell-Historie lanciert «Threads»: Die Sitzungen von Coding-Agenten werden über alle Maschinen eines Entwicklers synchronisiert und sind durchsuchbar – es füllt eine Lücke im Lebenszyklus langlebiger Agenten, die Anthropic auch in seinem Guide zu Always-on-Agenten beschreibt.
Lo strumento di sincronizzazione della cronologia shell lancia «Threads»: le sessioni degli agenti di coding sono sincronizzate e consultabili su tutte le macchine di uno sviluppatore, colmando un vuoto nel ciclo di vita degli agenti di lunga durata che Anthropic documenta anche in la sua guida agli agenti always-on.
El strument de sincronizazion de la storia shell el lanzia «Threads»: i session di agent de coding hinn sincronizzaa e consultabil sora tutt i machin d'on sviluppadór, colmand on voeud in del cicl de vita di agent de longa durada che Anthropic el documenta anca in la soa guida di agent always-on.

Protocoles

Protocols

Protokolle

Protocolli

Protocoi

Brave Search API accepte les paiements agentiques via x402Brave Search API accepts agentic payments via x402Brave Search API akzeptiert agentische Zahlungen über x402Brave Search API accetta i pagamenti agentici tramite x402Brave Search API la aceta i pagament agentich via x402

La Search API de Brave accepte désormais les paiements des agents via le protocole x402 : les agents peuvent payer à l'usage pour interroger l'index du navigateur. Combiné au ChatGPT Wallet d'OpenAI, le web agentique se dote de ses rails économiques — tandis que Turbo-Browser-MCP ajoute formulaires par lots et gardes de soumission pour agents sur MCP, et que Chrome publie Modern Web Guidance 1.0, 200+ guides qui font passer les agents codeurs de 55 % à 92 % de réussite.
Brave's Search API now accepts payments from agents via the x402 protocol: agents can pay per use to query the browser's index. Combined with OpenAI's ChatGPT Wallet, the agentic web is getting its economic rails — while Turbo-Browser-MCP adds batch forms and submission guards for agents on MCP, and Chrome has published Modern Web Guidance 1.0, 200+ guides that take coding agents from 55% to 92% success.
Die Search API von Brave akzeptiert nun Zahlungen von Agenten über das x402-Protokoll: Agenten können die Abfrage des Browser-Index nutzungsabhängig bezahlen. Kombiniert mit OpenAIs ChatGPT Wallet erhält das agentische Web seine wirtschaftlichen Schienen – während Turbo-Browser-MCP Batch-Formulare und Submit-Guards für Agenten auf MCP ergänzt und Chrome Modern Web Guidance 1.0 publiziert, über 200 Guides, die Coding-Agenten von 55 % auf 92 % Erfolgsquote heben.
La Search API di Brave accetta ormai i pagamenti degli agenti tramite il protocollo x402: gli agenti possono pagare a consumo per interrogare l'indice del browser. Combinato con il ChatGPT Wallet di OpenAI, il web agentico si dota delle proprie rotaie economiche — mentre Turbo-Browser-MCP aggiunge formulari in blocco e protezioni di invio per agenti su MCP, e Chrome pubblica Modern Web Guidance 1.0, oltre 200 guide che portano gli agenti coder dal 55% al 92% di successo.
La Search API de Brave la acet adess i pagament di agent via el protocoll x402: i agent poden pagà a l'us per interrogà l'indecs del browser. Miss insemma al ChatGPT Wallet de OpenAI, el web agentich el se mett i sò rodaje economigh — intant che Turbo-Browser-MCP el sgionta formolari a lott e guard de submission per agent sora MCP, e che Chrome el publica Modern Web Guidance 1.0, 200+ guid che passen i agent coder del 55% al 92% de success.

Open source

Open source

Open Source

Open source

Open source

AWS publie un émulateur de son cloud… écrit par des agents autonomesAWS publishes an emulator of its own cloud… written by autonomous agentsAWS publiziert einen Emulator seiner eigenen Cloud … geschrieben von autonomen AgentenAWS pubblica un emulatore del proprio cloud… scritto da agenti autonomiAWS el publica on emulator del sò cloud… scribii de agent autonom

Amazon raconte comment des agents IA autonomes ont construit aws-emulator, un émulateur d'AWS publié en open source. Le billet du CTO interroge le rôle de l'ingénieur quand les agents écrivent le code — une des discussions les plus nourries de la semaine sur le métier de développeur.
Amazon tells how autonomous AI agents built aws-emulator, an emulator of AWS released as open source. The CTO's post asks what becomes of the engineer's role when agents write the code — one of the week's richest discussions about the developer's craft.
Amazon erzählt, wie autonome KI-Agenten aws-emulator gebaut haben, einen Open-Source-Emulator von AWS. Der Blogpost des CTO hinterfragt die Rolle der Ingenieure, wenn Agenten den Code schreiben – eine der lebhaftesten Diskussionen der Woche über den Beruf des Entwicklers.
Amazon racconta come degli agenti IA autonomi hanno costruito aws-emulator, un emulatore di AWS pubblicato in open source. Il post del CTO interroga il ruolo dell'ingegnere quando gli agenti scrivono il codice — una delle discussioni più nutrite della settimana sul mestiere di sviluppatore.
Amazon el cunta su comè di agent IA autonom hann costruì aws-emulator, on emulator d'AWS publicaa in open source. El posti del CTO el domanda el ròll de l'ingegnee quand che i agent scriven el codes — vuna di discussion pussee feed de la setemana sora el mestee de sviluppadór.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — RechercheResearchForschungRicercaRicerca

V. Papers marquantsLandmark papersMarkante PapersPaper di rilievoPaper marcaa

Paper de la semaine

Paper of the week

Paper der Woche

Paper della settimana

Paper de la setemana

HEELO : des primitives agent-natives qui doublent le taux de réussite des agentsHEELO: agent-native primitives that double agents' success rateHEELO: agent-native Primitive, die die Erfolgsquote von Agenten verdoppelnHEELO: primitive agent-native che raddoppiano il tasso di successo degli agentiHEELO: di primitiv agent-nativ che raddobben el tass de success di agent

Le paper le plus remarqué de la semaine (soumis sur arXiv, 25 votes) présente HEELO, des primitives agent-natives qui doublent le taux de réussite des agents sur les tâches réelles. Un travail qui prolonge les guides produits de la semaine — agents always-on chez Anthropic, Modern Web Guidance chez Chrome — en montrant que le harnais compte autant que le modèle.
The most talked-about paper of the week (submitted to arXiv, 25 votes) presents HEELO, agent-native primitives that double agents' success rate on real-world tasks. Work that extends the week's production guides — always-on agents at Anthropic, Modern Web Guidance at Chrome — by showing that the harness matters as much as the model.
Das meistbeachtete Paper der Woche (auf arXiv eingereicht, 25 Stimmen) stellt HEELO vor, agent-native Primitive, die die Erfolgsquote von Agenten bei realen Aufgaben verdoppeln. Eine Arbeit, die die praxisnahen Guides der Woche – Always-on-Agenten bei Anthropic, Modern Web Guidance bei Chrome – fortsetzt, indem sie zeigt: Der Harness zählt ebenso viel wie das Modell.
Il paper più notato della settimana (sottomesso su arXiv, 25 voti) presenta HEELO, delle primitive agent-native che raddoppiano il tasso di successo degli agenti sui compiti reali. Un lavoro che prolunga le guide prodotte della settimana — agenti always-on da Anthropic, Modern Web Guidance da Chrome — mostrando che l'harness conta quanto il modello.
El paper pussee notaa de la setemana (mettuu sora arXiv, 25 voeud) el presenta HEELO, di primitiv agent-nativ che raddobbien el tass de success di agent sora i travaj reaj. On laurà che 'l slonga i guid prodott de la setemana — agent always-on de Anthropic, Modern Web Guidance de Chrome — cont el mostrà che l'arnes el cont anca tant comè 'l modell.

Sécurité

Security

Sicherheit

Sicurezza

Sicurezza

« Lazarus » : Microsoft Research reprogramme des neurones dormants pour piéger les agents'Lazarus': Microsoft Research reprograms dormant neurons to trap agents«Lazarus»: Microsoft Research programmiert ruhende Neuronen um, um Agenten zu Fall zu bringen«Lazarus»: Microsoft Research riprogramma neuroni dormienti per intrappolare gli agenti«Lazarus»: Microsoft Research el reprogramma di neuron dormient per trappolà i agent

Microsoft Research révèle « Lazarus », une technique de porte dérobée qui reprogramme des neurones dormants pour piéger les agents IA. La démonstration arrive en résonance directe avec l'actualité sécurité de la semaine : la fuite Lovable côté applicatif, et le durcissement de Project Zero, qui imposera la divulgation publique des failles 90 jours après signalement, sans exception.
Microsoft Research has unveiled 'Lazarus', a backdoor technique that reprograms dormant neurons to trap AI agents. The demonstration lands in direct resonance with the week's security news: the Lovable leak on the application side, and the tightening of Project Zero, which will require public disclosure of vulnerabilities 90 days after reporting, without exception.
Microsoft Research enthüllt «Lazarus», eine Backdoor-Technik, die ruhende Neuronen umprogrammiert, um KI-Agenten zu kompromittieren. Die Demonstration steht in direkter Resonanz mit der Sicherheitslage der Woche: der Lovable-Leck auf Anwendungsebene und die Verschärfung bei Project Zero, das die öffentliche Offenlegung von Schwachstellen 90 Tage nach Meldung ohne Ausnahme erzwingen wird.
Microsoft Research rivela «Lazarus», una tecnica di backdoor che riprogramma neuroni dormienti per intrappolare gli agenti IA. La dimostrazione arriva in risonanza diretta con l'attualità sicurezza della settimana: la fuga Lovable sul fronte applicativo e l'irrobustimento di Project Zero, che imporrà la divulgazione pubblica delle vulnerabilità 90 giorni dopo la segnalazione, senza eccezioni.
Microsoft Research el rivel «Lazarus», ona tecnega de porta dedree che la reprogramma di neuron dormient per trappolà i agent IA. La demonstrazion la riva in resonanza direta cont l'actualitaa sicurezza de la setemana: la fuga Lovable de la banda aplicativa, e 'l duREE de Project Zero, che 'l imposarà la divulgazion publega di fall 90 dì despoeu del segnalamen, senza ecezion.

Édition de poids

Weight editing

Weight Editing

Edizione di pesi

Edizion di pes

Modifier 1 023 paramètres suffit pour +29,45 points sur MATH-500Modifying 1,023 parameters suffices for +29.45 points on MATH-5001 023 Parameter genügen für +29,45 Punkte auf MATH-500Modificare 1 023 parametri basta per +29,45 punti su MATH-500Modificà 1.023 parameter el basta per +29,45 pont sora MATH-500

Une étude teste la programmation directive de poids et montre que modifier 1 023 paramètres suffit pour gagner 29,45 points sur MATH-500 — un signal fort sur la redondance des capacités dans les grands modèles. Le labo NAVER AI publie en parallèle FOAM, un optimiseur du second ordre léger offrant les gains de SOAP avec la moitié de l'état mémoire, validé sur des LLM de 124M à 760M de paramètres.
A study tests directive weight programming and shows that modifying 1,023 parameters suffices to gain 29.45 points on MATH-500 — a strong signal about the redundancy of capabilities in large models. In parallel, the NAVER AI lab has published FOAM, a lightweight second-order optimizer delivering SOAP's gains with half the memory state, validated on LLMs from 124M to 760M parameters.
Eine Studie testet die direktive Gewichtsanpassung und zeigt, dass die Änderung von 1 023 Parametern genügt, um 29,45 Punkte auf MATH-500 zu gewinnen – ein starkes Signal zur Redundanz von Fähigkeiten in grossen Modellen. Das NAVER AI Lab publiziert parallel FOAM, einen leichten Optimierer zweiter Ordnung, der die Gewinne von SOAP mit der halben Speicherzustandsgrösse bietet, validiert auf LLMs mit 124M bis 760M Parametern.
Uno studio testa la programmazione direttiva dei pesi e mostra che modificare 1 023 parametri basta per guadagnare 29,45 punti su MATH-500 — un segnale forte sulla ridondanza delle capacità nei grandi modelli. Il laboratorio NAVER AI pubblica in parallelo FOAM, un ottimizzatore del secondo ordine leggero che offre i guadagni di SOAP con la metà dello stato di memoria, validato su LLM da 124M a 760M di parametri.
On studi el proeuva la programmazion diretiva di pes e 'l mostra che modificà 1.023 parameter el basta per guadagnà 29,45 pont sora MATH-500 — on segnall fort sora la redondanza di capacità in di grand modèj. El laboratori NAVER AI el publica in parallel FOAM, on optimizeur del second orden leger che 'l dà i guadagn de SOAP cont la metaa de la memoria, validaa sora di LLM de 124M a 760M de parameter.

Benchmarks

Benchmarks

Benchmarks

Benchmark

Benchmark

Embodied First Exam : les agents codeurs échouent à 66 % avant le monde réelEmbodied First Exam: coding agents fail 66% of the time before the real worldEmbodied First Exam: Coding-Agenten scheitern zu 66 %, bevor die reale Welt beginntEmbodied First Exam: gli agenti coder falliscono al 66% prima del mondo realeEmbodied First Exam: i agent coder fallen al 66% prima del mond real

Trois travaux interrogent les limites des agents. « Embodied First Exam » (Stanford, Berkeley, CMU) montre que les agents codeurs échouent à 66 % avant même d'entrer dans le monde réel. « SO-Arena » (National University of Singapore) révèle que le meilleur modèle « System One » n'est que 7e en fiabilité de décision. Et « FinDendro » mesure que GPT-5 répond juste à 61 % des faits qu'il prétend ne pas connaître — les modèles connaissent mal leurs propres limites temporelles sur 2 226 faits datés de 1999 à 2026.
Three papers probe the limits of agents. 'Embodied First Exam' (Stanford, Berkeley, CMU) shows coding agents fail 66% of the time before even entering the real world. 'SO-Arena' (National University of Singapore) reveals that the best 'System One' model ranks only 7th in decision reliability. And 'FinDendro' measures that GPT-5 answers 61% of facts correctly even as it claims not to know them — models know poorly their own temporal limits across 2,226 facts dated from 1999 to 2026.
Drei Arbeiten loten die Grenzen von Agenten aus. «Embodied First Exam» (Stanford, Berkeley, CMU) zeigt, dass Coding-Agenten zu 66 % scheitern, bevor sie überhaupt in die reale Welt eintreten. «SO-Arena» (National University of Singapore) zeigt, dass das beste «System One»-Modell bei der Entscheidungszuverlässigkeit nur Siebentplatzierte ist. Und «FinDendro» misst, dass GPT-5 bei 61 % der Fakten, die es angeblich nicht kennt, richtig antwortet – die Modelle kennen ihre eigenen zeitlichen Grenzen bei 2 226 datierten Fakten von 1999 bis 2026 nur schlecht.
Tre lavori interrogano i limiti degli agenti. «Embodied First Exam» (Stanford, Berkeley, CMU) mostra che gli agenti coder falliscono al 66% prima ancora di entrare nel mondo reale. «SO-Arena» (National University of Singapore) rivela che il miglior modello «System One» è solo settimo in affidabilità decisionale. E «FinDendro» misura che GPT-5 risponde correttamente al 61% dei fatti che pretende di non conoscere — i modelli conoscono male i propri limiti temporali su 2 226 fatti datati dal 1999 al 2026.
Tri travaj interroghen i limit di agent. «Embodied First Exam» (Stanford, Berkeley, CMU) el mostra che i agent coder fallen al 66% prima ancamò de vegnì dent in del mond real. «SO-Arena» (National University of Singapore) el rivel che 'l modell minga «System One» l'è domà al 7° post in affidabilitaa de decision. E «FinDendro» el misura che GPT-5 el respond giust al 61% di fatt che 'l dis de cognoss no — i modèj cognossen mal i sò limit temporej sora 2.226 fatt dataa del 1999 al 2026.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — Édito hebdoWeekly EditorialWocheneditoEditoriale settimanaleEdito settimanal

VI. La semaine en perspectiveThe week in perspectiveDie Woche im ÜberblickLa settimana in prospettivaLa setemana in prospettiva

Édito

Editorial

Edito

Editoriale

Edito

La sécurité au mauvais étageSecurity on the wrong floorSicherheit im falschen StockwerkLa sicurezza al piano sbagliatoLa sicurezza in del pian sbaliaa

Il y a un paradoxe que cette semaine résume mieux que n'importe quel rapport prospectif. D'un côté, les grands labos ont déployé une énergie et des moyens considérables pour rendre leurs agents plus sûrs : approbation biométrique obligatoire dans ChatGPT Wallet, vérification formelle du chiffrement de Signal par trois millions de lignes de preuves Lean, modèles de décision calibrés, auto-hébergement des agents dans le cloud du client. De l'autre, une fuite — des passeports et 200 000 messages privés exposés dans des applications no-code générées par Lovable — a rappelé que le maillon faible n'est presque jamais le modèle. C'est le câblage par défaut, le cloisonnement absent, la configuration que personne n'a auditée.

La leçon n'est pas nouvelle, mais elle prend un relief saisissant quand on la met en regard de l'actualité industrielle. Goldman Sachs retire Claude Code des postes de ses traders ; United Airlines interdit aux agents de réserver des vols ; une enquête du Wall Street Journal puis l'entérinement du conseil d'administration mettent fin à l'ère Jensen Huang à la tête de Nvidia, tandis que TechPowerUp rapporte que l'entreprise aurait financé des start-up pour acheter ses propres GPU et entretenir artificiellement la pénurie. Le monde de l'IA agentique n'est pas rejeté : il est mis à l'épreuve de la gouvernance, et il y perd des plumes.

Que s'est-il réellement passé cette semaine, au fond ? Trois couches de la pile IA ont bougé simultanément, chacune à sa vitesse. La couche modèles a continué sa marche : Claude Fable 5.2 à 65 sur l'indice Artificial Analysis, record absolu ; Gemini 4 Hydrogen positionné en « pilote quotidien » du codage agentique ; AlphaGenome 2 qui applique la même recette à la génomique. La couche économie s'est construite à marche forcée : portefeuille agentique chez OpenAI, paiements x402 chez Brave, la naissance d'un web où les agents sont des acteurs économiques à part entière. Et la couche terrain, elle, a commencé à dire non — ou à exiger des garanties que la couche modèle ne peut pas seule fournir.

C'est cette asymétrie des vitesses qui structurera les six prochains mois. Les benchmarks publiés cette semaine le disent avec une clarté brutale : 66 % d'échec des agents codeurs à l'examen d'entrée du monde physique, un modèle de tête seulement 7e en fiabilité de décision, GPT-5 qui se trompe sur 39 % des faits qu'il prétend ne pas connaître. Pendant ce temps, les études de cas triomphales s'accumulent : 20 000 contrats de santé négociés par semaine chez Curative, des prototypes électroniques conçus de bout en bout par Claude, CodeRabbit qui revendique vingt fois plus de livraisons. Les deux sont vrais simultanément — et c'est précisément cette coexistence qui rend la gouvernance si urgente.

La maturité, cette semaine, est venue d'endroits inattendus. llama.cpp, l'outil de l'inférence locale bricolée, a figé ses fondations en version 1.0.0 — symbole d'un écosystème qui grandit. Project Zero a durci sa règle de divulgation à 90 jours sans exception, refusant que la discrétion des vendeurs prime sur la sécurité des utilisateurs. Et les modèles de décision, cette catégorie naissante que Google comme Hugging Face formalisent, reconnaissent implicitement qu'un agent fiable n'est pas un grand modèle qu'on pousse, mais un petit modèle qu'on calibre.

La semaine prochaine fera sans doute de nouveaux records de benchmarks. Ceux-ci compteront moins que la question que la fuite Lovable, Goldman Sachs et United Airlines ont posée ensemble : à quelles conditions confie-t-on un portefeuille, un dossier client ou un contrat à une machine ? Les labos ont commencé à répondre côté produit. Le terrain, lui, n'a pas encore trouvé les mots — et c'est là que se jouera 2027.
There is a paradox that this week sums up better than any prospective report. On one side, the major labs have deployed considerable energy and resources to make their agents safer: mandatory biometric approval in ChatGPT Wallet, formal verification of Signal's encryption via three million lines of Lean proofs, calibrated decision models, self-hosting of agents in the customer's cloud. On the other, a leak — passports and 200,000 private messages exposed in no-code applications generated by Lovable — reminded us that the weak link is almost never the model. It is the default wiring, the missing compartmentalization, the configuration nobody audited.

The lesson is not new, but it takes on striking relief when set against the week's industrial news. Goldman Sachs pulls Claude Code from its traders' desks; United Airlines bans agents from booking flights; a Wall Street Journal investigation followed by the board's ratification ends the Jensen Huang era at the top of Nvidia, while TechPowerUp reports the company allegedly funded startups to buy its own GPUs and artificially sustain the shortage. The world of agentic AI is not being rejected: it is being put to the test of governance, and it is losing feathers in the process.

What actually happened this week, at bottom? Three layers of the AI stack moved simultaneously, each at its own speed. The model layer kept marching: Claude Fable 5.2 at 65 on the Artificial Analysis index, an all-time record; Gemini 4 Hydrogen positioned as the 'daily driver' of agentic coding; AlphaGenome 2 applying the same recipe to genomics. The economy layer was built at forced pace: an agentic wallet at OpenAI, x402 payments at Brave, the birth of a web where agents are economic actors in their own right. And the ground layer began to say no — or to demand guarantees the model layer alone cannot provide.

It is this asymmetry of speeds that will structure the next six months. The benchmarks published this week say it with brutal clarity: 66% failure rate for coding agents on the entrance exam to the physical world, a top model ranking only 7th in decision reliability, GPT-5 wrong on 39% of the facts it claims not to know. Meanwhile, triumphant case studies pile up: 20,000 health contracts negotiated per week at Curative, electronic prototypes designed end-to-end by Claude, CodeRabbit claiming twenty times more deliveries. Both are true simultaneously — and it is precisely this coexistence that makes governance so urgent.

Maturity, this week, came from unexpected quarters. llama.cpp, the tool of homespun local inference, froze its foundations in version 1.0.0 — the symbol of a growing ecosystem. Project Zero hardened its disclosure rule to 90 days without exception, refusing to let vendors' discretion outweigh users' security. And decision models, that nascent category now formalized by Google and Hugging Face alike, implicitly acknowledge that a reliable agent is not a large model you push, but a small model you calibrate.

Next week will no doubt bring new benchmark records. These will matter less than the question the Lovable leak, Goldman Sachs and United Airlines posed together: under what conditions do we entrust a wallet, a client file or a contract to a machine? The labs have begun to answer on the product side. The ground has not yet found the words — and that is where 2027 will be decided.
Es gibt ein Paradox, das diese Woche besser zusammenfasst als jeder Prospekt. Auf der einen Seite haben die grossen Labors enorme Energie und Mittel aufgeboten, um ihre Agenten sicherer zu machen: obligatorische biometrische Freigabe in ChatGPT Wallet, formale Verifikation der Signal-Verschlüsselung durch drei Millionen Zeilen Lean-Beweise, kalibrierte Entscheidungsmodelle, Selbsthosting der Agenten in der Cloud des Kunden. Auf der anderen Seite erinnerte ein Leck – Pässe und 200 000 private Nachrichten, exponiert in No-Code-Anwendungen, die Lovable generiert hatte – daran, dass das schwächste Glied fast nie das Modell ist. Es ist das Standard-Setup, die fehlende Trennung, die Konfiguration, die niemand auditiert hat.

Die Lektion ist nicht neu, gewinnt aber schärfste Konturen, wenn man sie neben die industrielle Aktualität stellt. Goldman Sachs entfernt Claude Code von den Arbeitsplätzen seiner Trader; United Airlines verbietet Agenten die Flugbuchung; eine Recherche des Wall Street Journal und der Beschluss des Verwaltungsrats beenden die Ära Jensen Huang an der Spitze von Nvidia, während TechPowerUp berichtet, das Unternehmen habe Start-ups finanziert, damit diese seine eigenen GPU kaufen und die Knappheit künstlich aufrechterhalten. Die Welt der agentischen KI wird nicht zurückgewiesen: Sie wird am Massstab der Governance gemessen – und verliert dabei Federn.

Was ist diese Woche nun tatsächlich geschehen? Drei Schichten des KI-Stacks haben sich gleichzeitig bewegt, jede mit ihrer Geschwindigkeit. Die Modellschicht setzte ihren Marsch fort: Claude Fable 5.2 mit 65 auf dem Artificial-Analysis-Index, absoluter Rekord; Gemini 4 Hydrogen als «Daily Driver» des agentischen Codings positioniert; AlphaGenome 2, das dasselbe Rezept auf die Genomik anwendet. Die Wirtschaftsschicht wurde im Sturzschritt gebaut: agentisches Portemonnaie bei OpenAI, x402-Zahlungen bei Brave – die Geburt eines Webs, in dem Agenten vollwertige wirtschaftliche Akteure sind. Und die Schicht des Terrains begann, Nein zu sagen – oder Garantien zu verlangen, die die Modellschicht allein nicht liefern kann.

Genau diese Asymmetrie der Geschwindigkeiten wird die nächsten sechs Monate strukturieren. Die diese Woche publizierten Benchmarks sagen es mit brutaler Klarheit: 66 % Scheitern der Coding-Agenten an der Eintrittsprüfung in die physische Welt, ein Spitzennmodell nur auf Rang 7 der Entscheidungszuverlässigkeit, GPT-5, das sich bei 39 % der Fakten irrt, die es angeblich nicht kennt. Gleichzeitig häufen sich triumphale Fallstudien: 20 000 pro Woche verhandelte Krankenversicherungsverträge bei Curative, Elektronikprototypen, von Claude von A bis Z entworfen, CodeRabbit, das zwanzigmal mehr Auslieferungen reklamiert. Beides ist gleichzeitig wahr – und genau dieses Nebeneinander macht die Governance so dringlich.

Die Reife kam diese Woche aus unerwarteten Ecken. llama.cpp, das Werkzeug der gebastelten lokalen Inferenz, hat mit Version 1.0.0 sein Fundament eingefroren – Symbol eines heranwachsenden Ökosystems. Project Zero hat seine Offenlegungsregel auf 90 Tage ohne Ausnahme verschärft und verweigert sich damit der Diskretion der Anbieter vor der Sicherheit der Nutzer. Und die Entscheidungsmodelle – diese junge Kategorie, die Google wie Hugging Face formalisieren – erkennen implizit an: Ein verlässlicher Agent ist nicht ein grosses Modell, das man pusht, sondern ein kleines, das man kalibriert.

Nächste Woche wird es vermutlich neue Benchmark-Rekorde geben. Sie werden weniger zählen als die Frage, die der Lovable-Leck, Goldman Sachs und United Airlines gemeinsam gestellt haben: Unter welchen Bedingungen übergibt man einer Maschine ein Portemonnaie, eine Kundenakte oder einen Vertrag? Die Labors haben begonnen, produktseitig zu antworten. Das Terrain hat die Worte noch nicht gefunden – und genau dort wird 2027 entschieden.
C'è un paradosso che questa settimana riassume meglio di qualsiasi rapporto prospettico. Da un lato, i grandi laboratori hanno dispiegato un'energia e mezzi considerevoli per rendere più sicuri i propri agenti: approvazione biometrica obbligatoria in ChatGPT Wallet, verifica formale della cifratura di Signal tramite tre milioni di righe di dimostrazioni Lean, modelli di decisione calibrati, self-hosting degli agenti nel cloud del cliente. Dall'altro, una fuga di dati — passaporti e 200 000 messaggi privati esposti in applicazioni no-code generate da Lovable — ha ricordato che l'anello debole non è quasi mai il modello. È il cablaggio predefinito, il compartimentazione assente, la configurazione che nessuno ha auditato.

La lezione non è nuova, ma assume un rilievo impressionante se messa a confronto con l'attualità industriale. Goldman Sachs ritira Claude Code dai posti dei suoi trader; United Airlines vieta agli agenti di prenotare voli; un'inchiesta del Wall Street Journal seguita dalla convalida del consiglio di amministrazione pone fine all'era Jensen Huang alla guida di Nvidia, mentre TechPowerUp riferisce che l'impresa avrebbe finanziato delle start-up perché acquistassero i propri GPU e alimentassero artificialmente la penuria. Il mondo dell'IA agentica non viene respinto: viene messo alla prova della governance, e ne esce con qualche piuma in meno.

Che cosa è davvero accaduto questa settimana, in fondo? Tre strati della pila IA si sono mossi simultaneamente, ciascuno alla propria velocità. Lo strato modelli ha continuato la propria marcia: Claude Fable 5.2 a 65 sull'indice Artificial Analysis, record assoluto; Gemini 4 Hydrogen posizionato come «pilota quotidiano» del coding agentico; AlphaGenome 2 che applica la stessa ricetta alla genomica. Lo strato economia si è costruito a ritmo forzato: portafoglio agentico da OpenAI, pagamenti x402 da Brave, la nascita di un web in cui gli agenti sono attori economici a pieno titolo. E lo strato terreno, lui, ha cominciato a dire no — o a esigere garanzie che lo strato modello da solo non può fornire.

È questa asimmetria delle velocità che strutturerà i prossimi sei mesi. I benchmark pubblicati questa settimana lo dicono con una brutalità chiara: 66% di fallimento degli agenti coder all'esame d'ingresso del mondo fisico, un modello di punta solo settimo in affidabilità decisionale, GPT-5 che sbaglia sul 39% dei fatti che pretende di non conoscere. Nel frattempo, i casi studio trionfali si accumulano: 20 000 contratti sanitari negoziati a settimana da Curative, prototipi elettronici progettati da cima a fondo da Claude, CodeRabbit che rivendica venti volte più rilasci. I due sono veri simultaneamente — ed è proprio questa coesistenza a rendere la governance così urgente.

La maturità, questa settimana, è venuta da luoghi inaspettati. llama.cpp, lo strumento dell'inferenza locale artigianale, ha congelato le proprie fondamenta in versione 1.0.0 — simbolo di un ecosistema che cresce. Project Zero ha irrobustito la propria regola di divulgazione a 90 giorni senza eccezioni, rifiutando che la discrezione dei venditori prevalga sulla sicurezza degli utenti. E i modelli di decisione, questa categoria nascente che Google come Hugging Face formalizzano, riconoscono implicitamente che un agente affidabile non è un grande modello che si spinge avanti, ma un piccolo modello che si calibra.

La prossima settimana farà senza dubbio nuovi record di benchmark. Questi conteranno meno della domanda che la fuga Lovable, Goldman Sachs e United Airlines hanno posto insieme: a quali condizioni si affida un portafoglio, un dossier cliente o un contratto a una macchina? I laboratori hanno cominciato a rispondere sul fronte prodotto. Il terreno, lui, non ha ancora trovato le parole — ed è lì che si deciderà il 2027.
Gh'è on paradoss che 'sta setemana chì la sommeggia mej de qualsessia rapport prospettiv. D'ona banda, i grand laboratori hann despiegaa ona energia e di mes considerabil per fà su i sò agent pussee sicur: approvazion biometrega obligatoria in ChatGPT Wallet, verificazion formala del cifradura de Signal cont tri milion de lign de prov Lean, modèj de decision calibraa, auto-hosting di agent in del cloud del client. De l'oltra, ona fuga — passaport e 200.000 messagg privaa esponuu in di app no-code generaa de Lovable — l'ha regordaa che l'anej debol l'è quasi mai el modell. L'è 'l cablagg per defaut, el separament che 'l gh'è no, la configurazion che nissun l'ha audiaa.

La lession l'è no noeova, ma la ciappa on riliev che 'l fa sccioppà quand che la se mett a confront cont l'actualitaa industrial. Goldman Sachs el tira via Claude Code di post di sò trader; United Airlines el proibiss ai agent de reservà di vol; ona inchiesta del Wall Street Journal e poeu l'aprovazion del consej d'aministrazion metten fin a l'era Jensen Huang a capp de Nvidia, intant che TechPowerUp el rapporta che l'impresa l'avaria finanziaa di start-up per comprà i sò pròpi GPU e tègner su artifizialment la scarsitaa. El mond de l'IA agentica l'è no refudaa: l'è mettuu a la proeuva de la governanza, e 'l ghe perdenn i piumm.

Coss'è che l'è succeduu proppi 'sta setemana, al fond? Tri strat de la pila IA s'inn moeves in del midemm moment, vun con la soa velocitaa. El strat di modèj l'è andaa innanz per la soa strada: Claude Fable 5.2 a 65 sora l'indecs Artificial Analysis, record assolut; Gemini 4 Hydrogen posizionaa comè «pilota giornadier» del coding agentich; AlphaGenome 2 che 'l aplica l'istessa ricetta a la genomica. El strat economia el s'è faa su a pass sforzaa: portafogli agentich de OpenAI, pagament x402 de Brave, la nascita d'on web indè che i agent hinn ator economich a tutt i effett. E 'l strat terren, lu, l'ha scominciaa a dì no — o a esig garanzij che 'l strat di modèj el po no dà perluu.

L'è 'sta asimmetria di velocitaa che la estructurarà i ses mes che vegnen. I benchmark publicaa 'sta setemana chì la disen cont ona ciarezza brutal: 66% de fali di agent coder a l'esamm d'ingress del mond fisich, on modell de coo domà al 7° post in affidabilitaa de decision, GPT-5 che 'l se sbaglia sora 'l 39% di fatt che 'l dis de cognoss no. Intant, i cas studio triumfant se sommen: 20.000 contratt de sanitaa negoziaa a la setemana de Curative, di pròtotip eletronegh concepii de la fin a la fin de Claude, CodeRabbit che 'l reclama vint voeult pussee de consegna. Tucc du hinn ver in del midemm moment — e l'è proppi 'sta coesistenza che la fa la governanza inscì urgenta.

La maturitaa, 'sta setemana, l'è vegnuda de loeugh inspettaa. llama.cpp, el strument de l'inferenxa local brioeuga, l'ha figaa i sò fondament in version 1.0.0 — simbol d'on ecosistema che 'l cres. Project Zero l'ha duRaa la soa regola de divulgazion a 90 dì senza ecezion, refudand che la discrezion di venditor la vaga innanz a la sicurezza di utent. E i modèj de decision, 'sta categoria noeova che Google comè Hugging Face formalizzen, reconossen implicitament che on agent fidabil l'è no on grand modell che se sping, ma on piscinin modell che se calibra.

La setemana che la ven la farà fors di noeuv record de benchmark. Quij chì vararann men de la domanda che la fuga Lovable, Goldman Sachs e United Airlines hann mettuu insemma: a che condizion se ghe fiden on portafogli, on dossier client o on contratt a ona machina? I laboratori hann scominciaa a respond de la banda del prodot. El terren, lu, l'ha no ancamò truaa i paroll — e l'è lì che se gioeugarà el 2027.