Mots-clés：percée de l’IA, grand modèle, intelligence artificielle, GPT-5.6 Sol, Claude Fable 5, modèle open source
🔥 Focus
GPT-5.6 Sol Ultra résout une conjecture mathématique vieille de 50 ans : Le modèle GPT-5.6 Sol Ultra d’OpenAI, en mode Ultra, a résolu en moins d’une heure la célèbre « conjecture de la double couverture par des cycles » en théorie des graphes en appelant 64 sous-Agents. Cette preuve ne cherche pas directement les cycles, mais convertit, via un Prompt complexe de 700 mots, le problème de structure de graphe en un problème d’étiquetage des arêtes sur un corps fini et de cohérence en algèbre linéaire. Noam Brown, contributeur clé d’o1, a souligné que cette percée repose entièrement sur des modèles publiquement disponibles et sur le calcul parallèle au moment du test (TTC), démontrant le potentiel immense de la collaboration multi-Agent pour accélérer les découvertes scientifiques. (来源：量子位)
Apple poursuit OpenAI pour vol de secrets commerciaux : Apple a officiellement déposé une plainte contre OpenAI devant le tribunal fédéral du district nord de la Californie, l’accusant de vol « systématique et coordonné » de secrets commerciaux matériels. La plainte allègue qu’OpenAI a débauché plus de 400 employés d’Apple, dont l’ancien vice-président de la conception de produits Tang Tan. Parmi eux, l’ancien ingénieur d’Apple Chang Liu est accusé d’avoir conservé son ordinateur portable professionnel lors de son départ et d’avoir exploité une faille de stockage cloud pour télécharger des dizaines de fichiers matériels confidentiels ; Tan est quant à lui accusé d’avoir demandé à des candidats d’apporter des pièces de matériel Apple lors de leurs entretiens. Cette affaire survient alors qu’OpenAI prévoit de lancer son premier appareil matériel IA en 2027, ce qui pourrait avoir un impact majeur sur son processus d’IPO. (来源：机器之心)
Claude Fable 5 réécrit un million de lignes de code de Bun en seulement 11 jours, suscitant la controverse au sein de la communauté : Jarred Sumner, le fondateur du célèbre runtime JS/TS Bun, a annoncé qu’avec le soutien d’Anthropic, il avait utilisé le modèle Claude Fable 5 non encore publié et des flux de travail dynamiques pour réécrire un million de lignes de code Zig de Bun en Rust en 11 jours, pour un coût d’environ 165 000 dollars en frais d’API. Cette initiative visait à résoudre les bugs de sécurité mémoire de la version Zig ainsi que la tolérance zéro de la communauté Zig envers le code généré par IA. Cependant, le fondateur du langage Zig, Andrew Kelley, a ensuite publié un long article pour critiquer vivement Sumner, l’accusant de mauvaises habitudes d’ingénierie personnelle et affirmant que le code réécrit contenait encore de nombreuses failles de sécurité, déclenchant un débat houleux sur la culture de la communauté open-source et la qualité de l’ingénierie à l’ère de l’IA. (来源：机器之心)
Inauguration de « Sugon 8000 », le premier cluster de calcul domestique de 100 000 cartes en Chine : Sugon a annoncé à Zhengzhou l’inauguration officielle du supercluster d’IA entièrement national « Sugon 8000 (Dengfeng) » et sa connexion au réseau national intégré de puissance de calcul. En tant que premier cluster de classe 100 000 cartes en Chine basé sur une approche native d’intégration super-intelligente, il réalise une R&D nationale et indépendante sur l’ensemble de la chaîne, des puces au calcul, en passant par le stockage, le réseau et le refroidissement liquide. Le cluster prend en charge le calcul en pleine précision, de la double précision FP64 à l’INT8, répondant ainsi aux besoins de calcul scientifique à grande échelle et supportant l’entraînement de modèles géants de plusieurs billions de paramètres. Actuellement, plus de 300 adaptations d’applications ont été réalisées, et plus de 70 tests de puissance de calcul à l’échelle de 10 000 cartes ont été effectués. (来源：量子位)
🎯 Tendances
Meta lance Muse Spark 1.1, améliorant le rapport qualité-prix et le contexte : Meta a introduit son tout nouveau modèle de raisonnement multimodal Muse Spark 1.1. Il obtient un score de 51 dans l’évaluation Intelligence Index, à égalité avec GLM-5.2, mais surpasse ce dernier sur le Coding Index avec un score élevé de 71,3. Le modèle élargit non seulement sa fenêtre de contexte à 1 million de tokens, mais réduit également le taux de réponses incorrectes de 73 % à 38 %. Son principal atout réside dans son excellent rapport qualité-prix : le coût estimé par tâche n’est que de 0,26 dollar, soit environ 30 % de moins que GLM-5.2 et près de 3 fois moins cher que GPT-5.4, ce qui intensifie la guerre des prix sur les modèles de pointe. (来源：THE DECODER)
Défauts et correctifs de GPT-5.6 Sol : OpenAI ajuste en urgence les flux de travail et les limites de quota : Après le lancement de ChatGPT Work et de GPT-5.6 Sol, OpenAI a reçu de nombreux retours négatifs concernant une consommation trop rapide des quotas d’utilisation, une interface confuse, et la suppression accidentelle de fichiers locaux par Sol sous des invites système à haute persistance. L’équipe d’OpenAI a reconnu des erreurs dans le guidage produit et les paramètres par défaut, et a procédé en urgence à deux réinitialisations de quotas. L’entreprise promet une mise à jour majeure la semaine prochaine pour restaurer la gestion des projets et des discussions dans la barre latérale, et fournir des indicateurs de consommation de quotas plus transparents. Parallèlement, elle a réaffirmé que l’application autonome Codex ne serait pas supprimée et coexisterait avec ChatGPT Work. (来源：THE DECODER)
GPT-5.6 Sol réalise de manière autonome le post-entraînement du modèle Luna : OpenAI a révélé que son nouveau modèle phare, GPT-5.6 Sol, est capable d’optimiser de manière autonome le post-entraînement du modèle plus petit Luna, à partir de prompts « assez peu spécifiés » saisis sur la plateforme Codex. Sol peut trouver de lui-même les configurations d’entraînement, sélectionner les GPU appropriés, puis lancer et valider les scripts d’entraînement. Sur l’indice interne d’auto-amélioration récursive (RSI), qui mesure la capacité d’un système à évoluer par lui-même, GPT-5.6 Sol a progressé de 16,2 points par rapport à la génération précédente GPT-5.5. Cela montre que la boucle fermée de la R&D assistée par IA s’accélère, doublant ainsi la production quotidienne moyenne de tokens des chercheurs. (来源：THE DECODER)
Le Beijing Institute of Open Source Chip publie Orca, un modèle du monde pour l’intelligence embarquée : L’Université d’aéronautique et d’astronautique de Pékin (Beihang) et le Beijing Institute of Open Source Chip (BAAI), entre autres institutions, ont publié conjointement les modèles du monde fondamentaux Orca (0.8B et 4B). L’agent Orca réalise un « apprentissage inconscient » sur 125 000 heures de vidéos sans étiquettes d’action, combiné à un « apprentissage conscient » basé sur des instructions textuelles, pour modéliser l’évolution de l’état du monde dans un espace abstrait. Sur 5 tâches de manipulation robotique telles que le shelving (mise sur étagère), Orca n’a besoin que de 200 démonstrations réelles pour le réglage fin afin d’égaler les performances du modèle π0.5, entraîné spécifiquement avec des données d’action robotique, offrant ainsi une nouvelle approche pour résoudre la pénurie de données. (来源：THE DECODER)
Google lance le modèle d’image Nano Banana 2 Lite et ouvre l’API vidéo : Google a présenté son modèle de génération d’images le plus rapide et le moins cher, Nano Banana 2 Lite (c’est-à-dire Gemini 3.1 Flash Lite Image), dont le coût de génération n’est que de 0,034 dollar pour mille images en résolution 1k. Parallèlement, Google a ouvert son modèle de génération vidéo multimodal Gemini Omni Flash aux développeurs via API, permettant de générer des vidéos 720p avec effets sonores synchronisés à partir d’entrées textuelles ou d’images. Les développeurs peuvent enchaîner les deux modèles dans Google AI Studio pour créer un flux de travail automatisé et économique de type « texte-vers-image puis image-vers-vidéo ». (来源：DeepLearning.AI)
DeepSeek présente DSpark, une technologie d’accélération par décodage spéculatif : DeepSeek, en collaboration avec une équipe de l’Université de Pékin, a lancé le module de décodage spéculatif DSpark et l’a appliqué aux modèles de la série DeepSeek-V4. DSpark combine la génération de brouillons en parallèle et le réglage fin des têtes de Markov (Markov heads) pour augmenter la vitesse de génération par utilisateur de 60 % à 85 % pour DeepSeek-V4-Flash, et de 57 % à 78 % pour la version Pro, sans perte de précision du modèle. Son innovation clé réside dans sa capacité à ajuster dynamiquement la longueur de validation en fonction de la charge en temps réel du serveur, en validant des brouillons plus longs en cas de charge légère et en rejetant les tokens à faible confiance en cas de charge lourde pour libérer de la puissance de calcul. (来源：DeepLearning.AI)
Meta et ses partenaires publient Brain2Qwerty v2, un système d’interface cerveau-machine : Meta, en collaboration avec le CNRS (Centre national de la recherche scientifique) et d’autres institutions, a publié le système Brain2Qwerty v2, capable de traduire directement les ondes cérébrales en texte. L’équipe de recherche a utilisé la magnétoencéphalographie (MEG) non invasive pour enregistrer 90 heures de données d’activité cérébrale de frappe chez 9 sujets. Le système décode les ondes cérébrales en caractères via des réseaux de neurones convolutifs et une structure Conformer, les mappe en vecteurs de mots via un aligneur, et effectue enfin une correction d’erreurs à l’aide d’un modèle Qwen3-4B affiné. Le taux d’erreur sur les mots de la version v2 est passé de 43 % (v1) à 39 %, et les performances de l’entraînement conjoint multi-sujets se sont révélées nettement supérieures à celles de l’entraînement individuel. (来源：DeepLearning.AI)
NVIDIA présente l’architecture CPU Vera, optimisée pour les Agents : NVIDIA a dévoilé sa nouvelle architecture CPU « Vera », conçue pour éliminer les goulets d’étranglement CPU générés par les appels d’outils, l’exécution de code et la validation de recherche entre les appels GPU dans l’IA agentique (Agentic AI). Vera dispose de 88 cœurs Olympus personnalisés, offrant jusqu’à 1,2 To/s de bande passante mémoire et des performances mono-thread 1,8 fois supérieures à celles des processeurs x86 grand public. Lors de tests réels menés par Perplexity, Vera a permis d’accélérer les flux de travail de code de 1,5 fois et le démarrage de bacs à sable (sandboxes) simultanés de 1,9 fois, démontrant que les performances mono-thread du CPU sont devenues la nouvelle clé de la puissance de calcul à l’ère des Agents. (来源：Latent Space)
Robbyant, filiale d’Ant Group, publie le modèle d’intelligence embarquée LingBot-VA 2.0 : Robbyant, le département d’intelligence embarquée d’Ant Group, a publié son premier modèle fondamental natif embarqué, LingBot-VA 2.0. Ce modèle abandonne l’architecture traditionnelle combinant diffusion vidéo et module d’action au profit d’un DiT causal natif et d’un flux vidéo MoE clairsemé comprenant 128 experts, compressant l’état du monde et les actions dans un espace latent unifié à 96 canaux. Grâce à la technologie de « raisonnement prospectif » (Foresight Reasoning), le modèle peut chevaucher de manière asynchrone la prédiction et l’exécution, et se réaligner à la réception d’observations réelles. Grâce à une compilation à faible précision et à une optimisation par distillation, sa latence de chunk est passée de 927 ms à 142 ms, avec une fréquence de contrôle asynchrone atteignant 225 Hz. (来源：MarkTechPost)
🧰 Outils
MuScriptor : un modèle Transformer open-source pour transcrire l’audio multi-instrument en MIDI : Kyutai, en collaboration avec Mirelo, a publié MuScriptor, un modèle de transcription musicale Transformer open-source de type decoder-only. Ce modèle peut identifier automatiquement la hauteur, la durée et la catégorie d’instrument directement à partir d’un mixage audio complet contenant plusieurs instruments, et générer des fichiers MIDI multipistes. MuScriptor a bénéficié d’un pré-entraînement sur MIDI synthétique, d’un réglage fin sur 170 000 enregistrements réels et d’un post-entraînement par apprentissage par renforcement basé sur GRPO. Son score F1 multi-instrument sur le benchmark D_Test atteint 48,2, dépassant largement la référence de YourMT3+ (21,9), et il prend en charge le conditionnement par instrument pour stabiliser la transcription d’audios longs. (来源：MarkTechPost)
PrivAiTe PII Anonymizer : un filtre de confidentialité local pour Open WebUI : Des développeurs ont publié le plugin open-source « PrivAiTe PII Anonymizer » dans la communauté Open WebUI. Fonctionnant localement en tant que middleware Express, ce plugin détecte et remplace automatiquement les informations personnelles identifiables (PII) telles que les noms, e-mails et numéros de téléphone par des espaces réservés (comme <PERSON_1>) avant que l’utilisateur n’envoie sa requête au grand modèle cloud, puis restaure les valeurs réelles localement lorsque le modèle renvoie sa réponse. Le plugin s’appuie sur Microsoft Presidio et des modèles de confidentialité locaux ONNX, protégeant ainsi la vie privée tout en garantissant l’utilisabilité des conversations dans le cloud. (来源：Latent Space)
Ramanujan Simulator : un simulateur de formules mathématiques de Ramanujan : Le créateur de Zhihu, cyb酱, a partagé le projet de découverte mathématique open-source « Ramanujan Simulator ». Inspiré par la machine de Ramanujan, ce projet utilise des algorithmes numériques pour rechercher automatiquement des identités de fractions continues et de nouvelles conjectures concernant des constantes fondamentales telles que π et e, sans preuve mathématique préalable. Il utilise une recherche par rencontre au milieu (Meet-in-the-middle) et un algorithme de correspondance basé sur des tables de hachage, inversant le processus de découverte mathématique en « un algorithme scanne les structures pour proposer des conjectures, qui sont ensuite prouvées par des humains », illustrant le charme unique des outils mathématiques open-source pour concrétiser la curiosité. (来源：量子位)
RouteScribe : un outil de génération automatique d’OpenAPI pour Express basé sur le trafic d’exécution : Des développeurs ont publié le middleware open-source « RouteScribe » dans la communauté npm. Destiné aux développeurs Node.js/Express, cet outil vise à résoudre le problème fastidieux et sujet aux erreurs de la maintenance manuelle de la documentation des interfaces OpenAPI. En observant et en analysant le trafic API réel pendant l’exécution de l’application Express, RouteScribe capture automatiquement les chemins de requête, les paramètres, les corps de requête et les formats de réponse, puis génère dynamiquement des documents de spécification conformes à OpenAPI (Swagger), simplifiant considérablement la maintenance de la documentation des interfaces. (来源：Latent Space)
destructive_command_guard (dcg) : un garde-fou pour empêcher les Agents d’IA de supprimer accidentellement des fichiers locaux : Pour faire face au risque que des Agents comme GPT-5.6 Sol suppriment accidentellement des fichiers locaux lorsqu’ils exécutent du code en mode YOLO, des développeurs ont publié les outils open-source destructive_command_guard (dcg) et bash-guard. En ajoutant un crochet PreToolUse dans le shell, ces outils interceptent et bloquent de force toute commande dangereuse tentant de modifier ou de supprimer des chemins situés en dehors du dépôt de code. Cela offre une couche de sécurité physique essentielle pour les développeurs exécutant localement des Agents de programmation hautement autonomes. (来源：Hacubu)
📚 Apprentissage
Hugging Face lance un tutoriel d’analyse du mécanisme d’attention dans PyTorch : Hugging Face a publié la troisième partie de sa série de tutoriels « Analyse des performances de PyTorch », axée sur l’optimisation des performances du mécanisme d’attention. L’article compare en détail les profils de suivi du Profiler sur GPU A100 pour l’attention naïve, l’optimisation de masquage in-place (sur place), ainsi que les quatre backends de SDPA (math, efficient, flash, cuDNN). Le tutoriel explique en profondeur pourquoi une optimisation in-place apparemment simple permet d’éviter l’ordonnancement des opérateurs de copie mémoire (Memcpy), et pourquoi FlashAttention, bien qu’il s’exécute avec un faible taux d’occupation (occupancy) sur Tensor Core, parvient à atteindre un débit réel extrêmement élevé. (来源：HuggingFace)
CMU, Tsinghua et Stanford utilisent des Agents LLM pour simuler l’évacuation en cas de catastrophe et les comportements urbains : Plusieurs institutions académiques de premier plan font passer les Agents de grands modèles du domaine social virtuel à celui de la prévention et de la réduction des catastrophes. L’Université Carnegie Mellon (CMU), en collaboration avec l’équipe d’urgence de l’école, a utilisé 13 000 Agents pour simuler la dynamique d’évacuation d’une cérémonie de remise des diplômes et l’intégrer dans les SOP (procédures opérationnelles standard) ; l’équipe de Li Yong de l’Université Tsinghua a rendu open-source AgentSociety, qui permet de simuler les réactions sociales de dizaines de milliers d’Agents face à des catastrophes comme des ouragans à l’échelle d’une ville entière ; l’Université de Tianjin et d’autres équipes ont quant à elles lancé le système RESCUE, qui simule les bousculades et les mouvements de foule dans les incendies de métro grâce à une architecture séparant les aspects physiques et cognitifs. (来源：36氪)
Apple publie un cadre de diagnostic pour la distillation de connaissances On-Policy : L’équipe de recherche en apprentissage automatique d’Apple a publié un article présentant un cadre de diagnostic sans entraînement pour la distillation On-Policy dans le post-entraînement des grands modèles de raisonnement. Ce cadre permet d’analyser les avantages et les inconvénients des signaux de distillation avec la plus haute résolution sur trois dimensions : les tokens, les questions et le modèle enseignant. L’étude définit un « gradient idéal » capable de maximiser le taux de réussite du modèle étudiant, et conçoit un score d’alignement de gradient (GAS) pour le quantifier. Les expériences montrent que le guidage par distillation présente un alignement nettement plus élevé sur les rollouts où le modèle étudiant répond de manière incorrecte, tandis que sur les rollouts corrects, le signal de l’enseignant tend à devenir du bruit. (来源：Apple)
Amazon et l’Université du Michigan présentent HydroShear, un simulateur de force de cisaillement tactile pour robots : Des chercheurs d’Amazon et de l’Université du Michigan ont développé HydroShear, un simulateur physique conçu pour modéliser les forces de cisaillement tactiles des robots. Basé sur un algorithme de suivi de force dépendant de la trajectoire, cet outil enregistre l’historique des déformations d’un objet glissant et pivotant sur la surface d’un capteur souple, et le convertit en un champ de force tridimensionnel haute fidélité. Les stratégies de saisie et d’emballage entraînées par apprentissage par renforcement dans la simulation grâce à HydroShear peuvent être déployées directement sur un véritable robot Franka sans aucun réglage fin, atteignant un taux de réussite de 93 % dans des tâches à contact intensif telles que l’insertion de chevilles (peg insertion) et le tirage de tiroirs. (来源：Amazon Science)
💼 Business
Tencent envisage d’acquérir une participation majoritaire dans la startup singapourienne d’agents d’IA Manus : Selon le Financial Times, après que le gouvernement municipal de Pékin a suspendu le projet d’acquisition de Manus par Meta pour 2 milliards de dollars en raison de problèmes de conformité des investissements et a imposé des restrictions de sortie du territoire à son fondateur Xiao Hong, le géant technologique chinois Tencent est en contact avec Manus pour acquérir une participation majoritaire sur la base de la même valorisation de 2 milliards de dollars. Les institutions à capitaux américains comme Benchmark ne devraient pas participer. Manus opère actuellement de manière indépendante à Singapour, avec un chiffre d’affaires annuel proche de 500 millions de dollars. L’initiative de Tencent vise à intégrer profondément sa technologie d’agents d’IA dans son écosystème WeChat. (来源：THE DECODER)
Le géant coréen des puces SK Hynix s’introduit en bourse aux États-Unis et lève un montant record de 26,5 milliards de dollars : Le géant coréen des puces mémoire SK Hynix s’est officiellement introduit au Nasdaq via l’émission d’American Depositary Receipts (ADR), levant avec succès 26,5 milliards de dollars (environ 40 000 milliards de wons). Ce montant dépasse les 25 milliards de dollars d’Alibaba en 2014, établissant le record de la plus grande IPO d’une entreprise étrangère de l’histoire des États-Unis. Grâce à sa position de monopole dans le domaine de la mémoire à large bande passante (HBM), l’action n’a pas été affectée par la « décote coréenne » et a bondi de 14 % le premier jour. Les fonds levés seront utilisés pour la construction de nouvelles usines de plaquettes en Corée du Sud et l’achat de machines de lithographie EUV. Parallèlement, la secrétaire américaine au Commerce fait pression pour que l’entreprise construise des usines aux États-Unis. (来源：TechCrunch)
Anthropic s’associe à UST pour introduire Claude dans le domaine de l’IA physique : Anthropic a annoncé un partenariat stratégique mondial avec le géant des services technologiques UST afin d’intégrer Claude dans des scénarios d’« IA physique » tels que la vérification de puces, la fabrication automobile et l’Internet des objets (IoT). La plateforme de vérification matérielle iDEC d’UST intégrera Claude Code comme couche de raisonnement pour lire automatiquement les schémas de broches de puces et les schémas matériels, rédiger et exécuter des tests de régression, réduisant ainsi le cycle de vérification de 50 % à 70 %. Dans le cadre de cette collaboration, UST fournira une formation aux compétences Claude à ses 20 000 ingénieurs et consultants à travers le monde. (来源：Anthropic)
🌟 Communauté
Le gouvernement américain envisage un décret pour restreindre les modèles open-source, LeCun et d’autres s’y opposent fermement : Alors que la Maison-Blanche envisagerait de publier un décret pour restreindre ou censurer les modèles d’IA open-source, par crainte de l’essor technologique de la Chine, la communauté open-source s’est engagée dans un débat houleux. Yann LeCun, lauréat du prix Turing, et Beff (e/acc) ont averti qu’un tel système de quasi-licence « restreindre d’abord avant d’autoriser » détruirait complètement l’écosystème d’innovation américain, sans pour autant empêcher les téléchargements de modèles via des torrents, rendant au contraire les systèmes moins sûrs. Ils appellent toutes les parties prenantes à se mobiliser pour défendre la liberté de calcul avant qu’il ne soit trop tard. (来源：Latent Space)
Clem Delangue, PDG de Hugging Face : les entreprises passent de la location d’API aux modèles open-source : Clem Delangue, PDG de Hugging Face, a souligné dans un podcast qu’avec l’expansion des applications d’IA en entreprise, les factures de tokens élevées incitent environ la moitié des entreprises du Fortune 500 à abandonner la location d’API propriétaires au profit du déploiement de modèles open-source. Il a mentionné que les laboratoires chinois contribuent actuellement à la majorité des modèles open-source téléchargés aux États-Unis, ce qui devrait être perçu comme un moteur pour stimuler la construction de l’écosystème open-source local américain. Il a également souligné que, en raison des questions de confidentialité physique liées aux foyers et aux usines, le besoin de transparence de l’open-source est encore plus pressant dans les domaines de l’intelligence embarquée et de la robotique que pour les outils de chat. (来源：TechCrunch)
Plus de 100 Agents d’IA collaborent avec des humains pour multiplier par 5 la vitesse d’inférence de Gemma 4 : L’équipe Google Gemma et Hugging Face ont co-organisé le défi Gemma sur 6 jours. Plus de 100 développeurs humains ont collaboré avec des Agents d’IA pour multiplier par 5 la vitesse d’inférence de Gemma 4 sur un seul GPU NVIDIA A10G, atteignant une vitesse d’inférence sans perte de 315 TPS (avec une vitesse maximale avec perte de 491,8 TPS). Au cours de ce processus, les Agents ont fait preuve d’auto-gestion et de comportements collaboratifs pour éviter le « relâchement », ce qui a été salué par Clem Delangue comme un cas d’école démontrant « l’effet de réseau des agents ». (来源：Google)
Débat au sein de la communauté : faut-il limiter le nombre de soumissions par auteur dans les conférences académiques de machine learning ? : Face à la croissance exponentielle récente des soumissions aux conférences académiques de machine learning (ML), qui entraîne une baisse de la qualité de l’évaluation par les pairs, la communauté Reddit a lancé un débat sur l’opportunité de limiter le nombre de soumissions par auteur unique. Les utilisateurs ont souligné que TMLR a déjà introduit un plafond annuel de soumissions, tandis que des conférences comme ACL commencent à explorer des solutions pour alléger la pression sur les évaluateurs, telles que le rejet automatique au bureau (desk reject) des articles non pertinents ou l’obligation pour chaque soumission de fournir des évaluateurs correspondants, reflétant une préoccupation généralisée dans le milieu universitaire concernant la surproduction d’articles de recherche de faible qualité. (来源：Reddit)
Nouvelle idée de survie hors ligne : la communauté débat de la création d’un « kit de survie LLM local » : La communauté LocalLLaMA sur Reddit a discuté activement de la création d’un « kit de survie LLM local » capable de fonctionner sur une clé USB de 64 Go. Le concept comprend la préinstallation de fichiers binaires llama.cpp pour Windows/Mac/Linux, de modèles Qwen3.5 35B ou Gemma 4, ainsi que d’une version compressée de Wikipédia en anglais et de bases de données de livres open-source sur la médecine et l’ingénierie. Les utilisateurs n’auraient qu’à brancher la clé USB pour effectuer des recherches dans la base de connaissances hors ligne à une vitesse de 5 à 20 tok/s sur des ordinateurs anciens sans connexion Internet ni GPU, offrant ainsi une solution technique pratique pour les situations d’urgence ou les environnements déconnectés. (来源：Reddit)
Choix du modèle et anxiété liée aux quotas : le raisonnement multi-niveaux de GPT-5.6 suscite des inquiétudes quant à la consommation de tokens : Avec l’introduction par GPT-5.6 de trois modèles (Luna, Terra, Sol) et de 5 niveaux d’effort de raisonnement (de Low à Ultra), les utilisateurs de la communauté sont perplexes quant au choix du modèle. Les retours indiquent qu’en mode Sol Ultra, le modèle génère automatiquement des sous-Agents également configurés en niveau Ultra, entraînant une consommation exponentielle de tokens qui peut facilement épuiser le quota hebdomadaire des utilisateurs Pro en quelques heures. Les développeurs suggèrent d’utiliser par défaut Luna avec un niveau d’effort moyen pour les tâches courantes, ou d’utiliser des outils de routage tiers pour contrôler les coûts. (来源：Latent Space)
💡 Divers
Le nouveau logo de l’aéroport international Trump présente des erreurs grossières de génération par IA : Le nouvel aéroport de Floride, baptisé « Aéroport international Donald J. Trump », a dévoilé son logo officiel, mais le design a été pointé du doigt pour des défauts évidents de génération par IA. Les médias ont souligné que le bouclier du logo ne comporte que 11 bandes rouges et blanches au lieu des 13 réglementaires du drapeau américain. De plus, la serre droite de l’aigle est gravement déformée, et le nombre de plumes et de feuilles de chaque côté est asymétrique. Cette erreur grossière a rapidement suscité les moqueries sur les réseaux sociaux quant à l’utilisation par les autorités d’une image générée par IA non vérifiée comme emblème officiel. (来源：The Verge)
Scène cocasse : trois bots vocaux ChatGPT tentent de compter jusqu’à 100 : Une vidéo devenue virale sur Reddit montre un utilisateur demandant à trois bots ChatGPT configurés en mode vocal GPT-Live de compter à tour de rôle jusqu’à 100. Pendant l’exercice, les bots ont non seulement fait de nombreuses erreurs et se sont interrompus mutuellement, mais se sont également corrigés sur un ton « confiant mais absurde », rendant la scène particulièrement comique. Les internautes ont ironisé sur le fait que cela simulait parfaitement les réunions quotidiennes inefficaces et bureaucratiques en entreprise, tout en illustrant les limites actuelles de la cohérence logique dans la collaboration multi-Agent vocale en temps réel. (来源：Reddit)
