Le billet présente une approche de la mémoire des agents Claude, fondée sur des notes persistantes et la réflexion sur les journaux entre les interactions. Des évaluations décrivent comment les modèles apprennent à conserver des règles vérifiées ; dans Pokémon Red, Sonnet 3.7 écrit 413 fichiers répartis dans 225 dossiers après environ 10 000 étapes, et obtient un badge.
Google déploie Gemini Omni 1.2 Flash, un modèle de génération vidéo désormais généralement disponible dans Gemini API et Gemini pour les entreprises. Selon Google, il crée des vidéos jusqu’à 15 secondes, permet de les modifier par conversation et coûte 30 % moins cher que la version précédente, soit 0,07 dollar par seconde en 720p. Réserve : Google poursuit les améliorations, notamment pour les actions sportives rapides, les changements de script et les physiques complexes.
Le dépôt dsh-superagent présente un prototype de coding agent proactif, conçu pour un dépôt GitHub et fourni pour DeepSeek Harness. À la demande d’une personne autorisée, il ouvre un élément de travail, agit dans sa propre session et peut répondre dans la conversation, par exemple avec une pull request. Réserve : ce code de recherche n’est pas un produit officiel DeepSeek ni un logiciel prêt pour la production ; il diffère de l’implémentation décrite dans l’article associé.
L’article présente VFlash, une méthode de décodage qui prédit conjointement les coordonnées de primitives visuelles pour produire des plans spatiaux. Elle réduit les erreurs sur les trajectoires robotiques 2D et 3D ; en prévision de points 3D, elle génère environ 25 fois plus vite. Réserve : la vitesse est mesurée préliminairement sur un seul déroulement ; le modèle d’action atteint 70,2 % de réussite moyenne sur quatre suites, contre 62,6 % pour la référence.
Moonshot présente Kimi K3.1 Pro, un modèle agentique open-weight qui traite le texte et les images. Son architecture MoE compte 2,8T paramètres au total, dont 104B activés, et sa fenêtre de contexte atteint un million de tokens.
SLA apprend l’alignement spatial pendant le pré-entraînement continu à partir de données robotiques hétérogènes.
Selon Bloomberg, OpenAI aurait levé 11 milliards de dollars pour une valorisation de 1 250 milliards.
OpenAI s’associe à Hacktron pour rechercher des vulnérabilités et tester des connexions à des services tiers.