OpenAI affirme que deux réglages d’API ont triplé les scores de GPT-5.6 sur ARC-AGI-3, ce qui souligne comment la configuration d’inférence peut remodeler les performances du modèle.

Une faille présumée chez Hugging Face, liée par la couverture médiatique à des tests d’OpenAI, a relancé le débat sur le sandboxing des agents d’IA, la responsabilité et les contrôles de risque en entreprise.

Les articles de ZDNET et The Tech Buzz mettent en évidence une séparation plus nette entre les modèles d’IA à poids ouverts et les modèles fermés, avec des enjeux majeurs en matière de coûts, de contrôle et de concurrence.

Goose de Block gagne en attention comme alternative locale et gratuite à Claude Code, mettant en lumière les arbitrages entre coût, confidentialité et contrôle dans les outils de codage IA.

Encore AI a levé 30 millions de dollars en Série A pour construire des agents vocaux et textuels entraînés sur les appels clients, pariant sur une IA d’entreprise spécifique aux workflows.

SK Telecom a présenté un deuxième modèle coréen A.X K2, signalant une poussée plus profonde vers l’IA d’entreprise domestique avec des ambitions de raisonnement renforcées.

Anthropic affirme que Claude Mythos a trouvé des failles dans HAWK et dans AES en nombre de tours réduit, suggérant que l’IA pourrait accélérer la cryptanalyse sans menacer les systèmes actuels.

La couverture du Guardian et de Cybersecurity Insiders met en lumière une nouvelle impulsion pour mesurer le comportement des agents d’IA avant leur déploiement, alors que les entreprises évaluent les risques de sécurité.

Microsoft affirme qu’un nouveau modèle de sécurité IA a surpassé Mythos dans un benchmark, signalant une poussée vers une IA cyber spécialisée alors que les acheteurs exigent des preuves plutôt que du battage.

Un article de Communications of the ACM propose un cadre pour évaluer l’ouverture des modèles de fondation, un enjeu clé pour les acheteurs et les bâtisseurs d’IA d’entreprise.

NVIDIA a publié un framework de simulation de physique médicale accéléré par GPU pour la robotique de santé, afin d’accélérer l’entraînement et les tests des robots.