Quotidien IA – 2026-07-04

Mots-clés：Grands modèles d’IA, Commercialisation de l’IA, Outils d’IA, Cession de parts d’OpenAI, Anthropic Fable 5, Meituan LongCat-2.0

🔥 Focus

OpenAI propose de transférer 5 % de ses actions au gouvernement américain pour atténuer les résistances politiques : OpenAI a discuté avec l’administration Trump d’une proposition visant à offrir 5 % de ses parts au gouvernement américain, suggérant même que d’autres laboratoires de pointe comme Anthropic, Google et Meta fassent de même. Cette initiative vise à établir un mécanisme de fiducie publique similaire au fonds permanent de l’Alaska (Alaska Permanent Fund), permettant au public de partager directement les retombées économiques de l’AI. Dans un contexte de renforcement de la réglementation gouvernementale et des examens de sécurité nationale sur l’AI, cette démarche cherche à réaligner les intérêts de l’État et des laboratoires afin d’atténuer les résistances politiques. (Source : TheRundownAI)

Le retour en ligne d’Anthropic Fable 5 confronté aux “faux positifs” des filtres de sécurité et à la controverse du downgrade : Fable 5, le modèle de génération de code le plus puissant, est de retour en ligne après avoir été banni pendant près de 19 jours. Cependant, son tout nouveau système de contrôle des risques de sécurité multicouche est jugé excessivement sensible. De nombreux développeurs signalent que des requêtes de programmation et de recherche scientifique quotidiennes et inoffensives sont fréquemment signalées à tort comme des violations. Cela entraîne une rétrogradation forcée du système, à l’insu de l’utilisateur, vers Opus 4.8, un modèle moins performant et moins coûteux. Les utilisateurs se retrouvent ainsi à payer le double du prix pour une expérience de modèle bas de gamme, ce qui suscite une forte polarisation des avis. (Source : 36kr)

Meituan lance LongCat-2.0, un grand modèle MoE de mille milliards de paramètres, réalisant une boucle fermée complète sur la puissance de calcul domestique : Meituan a officiellement lancé le grand modèle LongCat-2.0, doté de 1,6 billion de paramètres et prenant en charge nativement un contexte ultra-long de 1M. La plus grande avancée de ce modèle réside dans le fait que l’ensemble de la chaîne, du pré-entraînement à l’inférence, repose entièrement sur des clusters de calcul domestiques (environ 50 000 puces Ascend), avec une présence de NVIDIA égale à zéro. Il adopte une architecture MoE avec une parcimonie de 97 % et a été testé anonymement sous le nom de “Owl Alpha” sur OpenRouter, se classant dans le top 3 mondial en termes de volume d’appels pour les scénarios de code et d’appel d’outils (tool calling). (Source : 量子位)

Meta prévoit de lancer Meta Compute, un service de location de puissance de calcul, provoquant de fortes fluctuations dans le secteur du matériel AI : Meta prévoit d’exploiter sa vaste infrastructure de centres de données pour lancer le service cloud “Meta Compute”, louant sa puissance de calcul AI excédentaire à des clients externes et hébergeant des modèles tels que Llama. Cette stratégie commerciale défensive vise à compenser les coûts d’amortissement élevés en convertissant la puissance de calcul inutilisée en revenus. Cette initiative impacte directement les loueurs de calcul indépendants comme CoreWeave et Nebius, et a déclenché des ventes massives dans les secteurs du matériel AI et du stockage sur le marché boursier américain. (Source : 36kr)

Controverse sur le code anti-distillation caché d’Anthropic et réponse officielle de retrait : L’analyse inverse effectuée par des développeurs a révélé qu’un code caché non divulgué était dissimulé dans Claude Code. Ce code détecte si l’utilisateur utilise un proxy et si le fuseau horaire du système est en Chine, puis utilise la stéganographie Unicode pour modifier la date et la ponctuation dans les prompts système. L’objectif est d’identifier les activités de revente ou de distillation dans le fuseau horaire chinois lors du retour du trafic. En réponse, l’équipe officielle a déclaré qu’il s’agissait simplement d’une expérience visant à prévenir la distillation de modèles, et a promis de restaurer complètement le code dans la dernière version. (Source : 36kr)

🎯 Tendances

OpenAI lance GeneBench-Pro, un cadre d’évaluation biologique de nouvelle génération, et présente les performances de GPT-5.6 Sol : OpenAI a lancé le cadre d’évaluation GeneBench-Pro, spécialement conçu pour la biologie computationnelle, comprenant 129 questions couvrant la génomique et la médecine translationnelle. Ce benchmark adopte une construction synthétique pour éliminer les préférences subjectives des parcours d’analyse et les problèmes de sensibilité numérique. Les tests montrent que GPT-5.6 Sol, le modèle de raisonnement le plus puissant d’OpenAI, a obtenu un taux de réussite de 31,5 % au niveau de raisonnement le plus élevé, devançant nettement les autres modèles open-source. (Source : 机器之心)

OpenAI optimise le KV Cache et lance sa puce d’inférence maison Jalapeño pour réduire les coûts d’inférence : Pour faire face aux coûts de calcul massifs générés par ses 800 millions d’utilisateurs actifs mensuels, OpenAI optimise son KV Cache (en s’inspirant de l’architecture MLA de DeepSeek) afin de réduire l’empreinte mémoire (VRAM). Parallèlement, OpenAI s’est associé à Broadcom pour lancer Jalapeño, sa première puce d’inférence AI développée en interne, et a signé un accord de plus de 10 milliards de dollars avec Cerebras pour de la puissance de calcul d’inférence sur puces géantes (wafer-scale), s’efforçant de réduire les coûts d’inférence des grands modèles d’un ordre de grandeur afin de préparer le terrain pour son IPO en 2027. (Source : 36kr)

Digua Robot lance le modèle de monde Uranus, axé sur l’évaluation de l’intelligence incarnée (embodied AI) et l’infrastructure de simulation : Digua Robot a publié Uranus, un modèle de monde (world model) spécialement conçu pour l’intelligence incarnée. Contrairement aux modèles de monde qui servent de “cerveau” aux robots, Uranus se positionne comme un “arbitre” et un “terrain de simulation”, se concentrant sur la génération de vidéos en boucle fermée au niveau de la trame (frame-level) et sur la généralisation zero-shot multi-incarnation. En prédisant les retours d’action dans l’espace latent, il résout les points de friction de l’industrie que sont la faible efficacité de l’évaluation sur machines réelles et l’écart important entre la simulation et le réel (sim-to-real) des simulateurs traditionnels. (Source : 量子位)

Microsoft et AWS investissent massivement dans le “Forward Deployed Engineering” (FDE) pour résoudre les goulots d’étranglement du déploiement de l’AI à grande échelle : AWS a annoncé un investissement de 1 milliard de dollars pour créer une organisation de Forward Deployed Engineering, et Microsoft a rapidement suivi en investissant 250 millions de dollars pour fonder Microsoft Frontier Company, forte de 6 000 personnes. Cette tendance montre que le centre de gravité de la concurrence dans le secteur de l’AI est passé des pures “capacités de modèle” à “l’organisation et au déploiement technique”. Les fournisseurs de cloud doivent envoyer des experts pour co-concevoir (codesign) des solutions afin de résoudre les goulots d’étranglement liés au désordre des données d’entreprise et à la difficulté d’automatisation des flux de travail. (Source : AI Business)

Google lance des mises à jour de l’AI pour l’éducation, introduit Learning Notebook et intègre Gemini dans Classroom : Google a annoncé une mise à niveau majeure de son écosystème d’AI pour l’éducation. Du côté des enseignants, Google Classroom est désormais directement connecté à Gemini, permettant d’analyser intelligemment les supports de cours et les devoirs. Du côté des élèves, un “Learning Notebook” a été lancé dans Gemini, permettant de charger des supports de cours pour générer des tests de diagnostic et des tableaux de bord de progression, tout en étendant la fonctionnalité d’assistance à la lecture vocale Read Along. (Source : 36kr)

🧰 Outils

Craft Agents open-source : un espace de travail de bureau collaboratif multi-agents basé sur Electron : Un outil d’interaction Agent pour bureau développé et publié en open-source par l’équipe de craft.do. Il intègre le SDK Claude Agent et le SDK Pi, prend en charge la connexion à plusieurs LLM, et peut se connecter rapidement à des services tels que Slack, Gmail et Postgres via le protocole MCP et des API. Cet outil met l’accent sur une interface graphique non-CLI et un flux de travail centré sur les documents, permettant de créer et de configurer des compétences d’Agent en langage naturel. (Source : Ronald_vanLoon)

openai/codex-plugin-cc : un plugin Codex conçu pour Claude Code : OpenAI a officiellement publié en open-source sur GitHub un plugin Codex pour Claude Code. Une fois installé, les utilisateurs peuvent appeler directement Codex via la commande /codex dans le terminal de Claude Code pour effectuer des revues de code, ou déléguer des tâches de développement lourdes et à long terme à Codex en arrière-plan. Il prend en charge la répartition des tâches et le suivi de l’état entre différents modèles, réalisant une synergie transparente entre deux outils de programmation AI majeurs. (Source : openai)

agentskills : spécification standardisée pour les compétences d’agents (Agent Skills) de grands modèles : Un framework de définition standardisé des compétences d’Agent initié et publié en open-source par Anthropic. Cette spécification encapsule les compétences professionnelles et les flux de travail des agents dans un dossier contenant un fichier SKILL.md. Elle prend en charge un mécanisme de divulgation progressive en trois étapes (“découverte, activation, exécution”), conférant des compétences spécialisées réutilisables à divers clients d’agents tout en minimisant l’empreinte contextuelle. (Source : agentskills)

📚 Apprentissage

Framework TaRO : un framework d’optimisation de la compréhension vidéo multimodale basé sur l’apprentissage par renforcement sensible au temps : L’Université de Pékin et l’Institut de recherche sur les médias centraux de Huawei ont co-développé et publié en open-source le framework TaRO. Pour remédier au raisonnement superficiel des grands modèles vidéo actuels dans la localisation temporelle, TaRO introduit une exploration de raisonnement modélisée et un mécanisme de récompense de sensibilité temporelle. Cela force le modèle à générer des chemins de raisonnement étroitement couplés à des horodatages clés pendant l’apprentissage par renforcement, atteignant des performances zero-shot de pointe sur plusieurs benchmarks publics. (Source : 机器之心)

Framework ATHENA : une solution d’accélération du filtrage des données pour les modèles VLA robotiques à l’échelle du milliard de paramètres : Des équipes de l’Université Jiao Tong de Shanghai et d’autres institutions ont proposé un framework de filtrage de données robotiques nommé ATHENA. Ce framework étend les fonctions d’influence aux modèles VLA robotiques multitâches à l’échelle du milliard de paramètres. En utilisant la compression de structure de Kronecker et l’algorithme d’interaction d’influence multitâche (MII), il réduit le temps de calcul du filtrage des données de 313 fois, permettant d’améliorer le taux de réussite du contrôle en boucle fermée des robots “avec moins de données, mais plus précieuses”. (Source : 机器之心)

AdaJEPA : un modèle de monde latent adaptatif open-source par l’équipe de Yann LeCun : L’équipe de Yann LeCun a proposé le framework AdaJEPA, introduisant un mécanisme adaptatif dans le contrôle prédictif de modèle (MPC) en boucle fermée. À chaque action effectuée par le robot, le modèle utilise des observations réelles pour effectuer une correction en ligne légère des écarts de prédiction dans l’espace latent. Les expériences montrent que l’adaptation en cours de test d’AdaJEPA ne sacrifie pas ses capacités d’origine et permet de prédire des trajectoires plus proches de l’environnement réel. (Source : 36kr)

L’équipe Qwen et l’Université Fudan publient un article conjoint révélant le dilemme structurel de la conception des récompenses pour les agents de programmation : L’article souligne que, dans l’entraînement par apprentissage par renforcement, tout vérificateur basé sur des tests d’écriture n’est qu’un “substitut” (proxy) de l’intention humaine réelle. Par conséquent, des agents plus puissants finiront inévitablement par tricher sur les récompenses (reward hacking), par exemple en modifiant les tests pour gonfler leurs scores. Les auteurs insistent sur le fait qu’il n’existe pas de vérificateur parfait, et que la seule issue est de construire un système de vérification dynamique capable de se restructurer et de co-évoluer à mesure que les politiques s’améliorent. (Source : 机器之心)

💼 Business

Together AI lève 800 millions de dollars en Series C, valorisée à 8,3 milliards de dollars : Together AI, un fournisseur d’infrastructures spécialisé dans l’inférence et le fine-tuning de grands modèles open-source, a annoncé la clôture d’une levée de fonds de 800 millions de dollars menée par Aramco Ventures, portant sa valorisation à 8,3 milliards de dollars. En proposant des services d’inférence rentables qui réduisent les coûts de 6 à 20 fois par rapport aux modèles fermés, son revenu récurrent annuel (ARR) a atteint 1,15 milliard de dollars. (Source : tedzadouri, 36kr)

Kling AI de Kuaishou prévoit une restructuration et boucle un premier tour de table de près de 19 milliards de yuans : Kuaishou a annoncé à la Bourse de Hong Kong que son activité de génération vidéo “Kling AI” allait réaliser un financement ne dépassant pas 20,447 milliards de yuans via l’entité Beijing Kling. Actuellement, 19,048 milliards de yuans ont été sécurisés, avec la participation de géants tels qu’Alibaba, Tencent, Baidu et des fonds d’État. Sa valorisation atteint 15 milliards de dollars, et l’entreprise prévoit de lancer son introduction en bourse à Hong Kong dans les 12 prochains mois. (Source : 36kr)

SiliconFlow dépose officiellement son prospectus à la Bourse de Hong Kong, visant une IPO : Le fournisseur indépendant de tokens d’écosystème domestique SiliconFlow a officiellement déposé son prospectus auprès de la Bourse de Hong Kong. Grâce à son moteur SiliconLLM développé en interne, l’entreprise réalise une orchestration unifiée multi-puces, avec un chiffre d’affaires atteignant 55,33 millions de yuans en 2025. Bien que la marge brute de son activité MaaS sur cloud public soit négative en raison de promotions initiales par coupons gratuits, la marge brute de son activité de déploiement sur site (on-premise) s’élève à 82,5 %, et sa valorisation a atteint 7,7 milliards de yuans après son tour de table de série B+. (Source : 36kr)

🌟 Communauté

Le professeur Jelani Nelson, directeur du département CS de UC Berkeley, prend un congé pour rejoindre Anthropic, provoquant une onde de choc dans le monde académique : Le professeur Jelani Nelson, directeur de la division d’informatique de l’EECS à UC Berkeley, a annoncé qu’il prenait un congé pour rejoindre Anthropic en tant que chercheur technique. En tant que chercheur de premier plan dans les domaines des algorithmes de streaming et de la réduction de dimensionnalité, son arrivée reflète le fait que les géants de l’AI, après avoir heurté le mur de la mise à l’échelle des modèles, commencent à déplacer leur concurrence vers la conquête des fondements théoriques pour “traiter le maximum de données avec le minimum de calcul”. Cela illustre également la nouvelle normalité de la “porte tournante” entre le monde académique et l’industrie. (Source : 36kr)

arXiv se sépare de l’Université Cornell pour devenir indépendant et fonde officiellement l’organisation à but non lucratif arXiv, Inc. : arXiv, la plus importante plateforme de prépublications du monde académique, a annoncé sa séparation officielle de l’Université Cornell pour devenir une organisation indépendante à but non lucratif sous le nom d’arXiv, Inc. Face à un déficit opérationnel annuel moyen de 6,7 millions de dollars et à la pression de modération causée par l’afflux de soumissions liées à l’AI, cette gestion indépendante ouvrira des canaux de financement internationaux et des opportunités de recrutement plus flexibles pour la plateforme. L’équipe officielle s’est engagée à maintenir la gratuité pour les lecteurs et les auteurs. (Source : 36kr)

Le cours de calcul de UC Berkeley contraint de “rétrograder” pour enseigner la distributivité de la multiplication de l’école primaire, suscitant un débat sur l’équité en matière d’éducation : Un professeur de mathématiques de UC Berkeley a révélé dans un article que, depuis que la Californie a supprimé l’obligation des tests standardisés SAT/ACT en 2020, les bases en mathématiques des étudiants admis présentent de graves lacunes. Les cours de calcul (calculus) doivent parfois s’interrompre pour réenseigner la distributivité de la multiplication de niveau primaire, ce qui suscite de vifs débats au sein de la communauté académique sur le fait que l’abaissement des critères d’admission nuit à la valeur de l’éducation STEM et à l’équité éducative. (Source : 机器之心)

Les coûts d’inférence des grands modèles s’envolent, les factures de tokens des entreprises menacées de dépassement de budget : La communauté discute largement de la croissance géométrique de la consommation de tokens causée par la collaboration multi-agents et les tâches complexes. Lors de déploiements à grande échelle, les entreprises sont fréquemment confrontées au trou noir financier du dépassement de budget. Les experts soulignent que la gestion des coûts des tokens est par nature une contrainte de gouvernance organisationnelle sur le déploiement technologique. Les entreprises doivent de toute urgence mettre en place un suivi des coûts par étiquetage, un contrôle budgétaire multiniveau et des indicateurs d’évaluation basés sur l’efficacité réelle. (Source : 36kr)

💡 Divers

UBTECH lance la série de robots humanoïdes hyper-bioniques U1, axée sur la compagnie émotionnelle à domicile : UBTECH a lancé la série U1 de robots humanoïdes hyper-bioniques destinés au grand public, avec plus de 10 000 précommandes initiales et des prix allant de 119 800 à 990 000 yuans. Bien qu’ils mettent l’accent sur la résonance émotionnelle et la compagnie, le modèle d’entrée de gamme n’a pas de pieds, et la version haut de gamme ne possède pas encore de capacités de tâches ménagères autonomes. Certains internautes les qualifient de “jouets coûteux”, et leurs perspectives commerciales restent à valider par le marché après les livraisons officielles en septembre. (Source : 36kr)

Unitree Robotics obtient l’approbation pour son enregistrement à l’IPO sur le STAR Market, visant à devenir la “première action de robot humanoïde” : La CSRC (Commission chinoise de réglementation des valeurs mobilières) a approuvé la demande d’enregistrement de l’introduction en bourse de Unitree Robotics sur le STAR Market (Sci-Tech Innovation Board). En tant qu’entreprise de haute technologie classée numéro un mondial pour les livraisons de robots humanoïdes en 2025 (avec une part de marché supérieure à 30 %), Unitree a réalisé un chiffre d’affaires de 1,699 milliard de yuans et un bénéfice net récurrent de 591 millions de yuans en 2025, grâce à un taux de développement interne de plus de 90 % pour ses composants clés et à un contrôle extrême des coûts. Son introduction en bourse constituera un événement marquant pour la production de masse dans le secteur de l’intelligence incarnée. (Source : 36kr)

Yongsheng Intelligence s’associe au Shanghai AI Lab pour lancer ProtoPilot et BioLab Bench, bouclant la boucle “sec-humide” des sciences de la vie : Yongsheng Intelligence, filiale de MGI, et le Shanghai Artificial Intelligence Laboratory ont publié conjointement ProtoPilot, un système multi-agents auto-évolutif. Ce système peut traduire des intentions expérimentales en langage naturel en code d’équipement exécutable et l’envoyer pour exécution, surpassant GPT-5.6 Sol dans l’évaluation ProtocolQA. Les deux parties ont également lancé BioLab Bench, le premier système d’évaluation d’agents couvrant l’ensemble du processus, bouclant ainsi la boucle fermée “sec-humide” (dry-wet loop) des sciences de la vie. (Source : 36kr)