Performance de l’IA

Un résultat attribué à Argo-Bench indique que l’agent d’IA le mieux classé a résolu 34,8 % de 210 tâches, soulignant les limites persistantes de la fiabilité des systèmes autonomes.

Anthropic a lancé Opus 5.5 avec des prix de jetons plus bas, une sortie plus rapide et des résultats annoncés au niveau de Fable, rehaussant la barre pour une IA d’entreprise efficace.

NVIDIA indique que Vera Rubin NVL72 peut offrir jusqu’à 30 fois plus de débit d’inférence agentique par mégawatt que GB300, sous réserve d’une revue indépendante du benchmark.

Muse Spark 1.3 de Meta améliore les scores en agentique et en code, mais son faible coût par tâche pourrait compter davantage que son défi encore inachevé au front de la frontière.

NVIDIA indique que Vera Rubin NVL72 peut fournir jusqu’à 30 fois plus de débit d’IA agentique par mégawatt que GB300, en visant les coûts d’inférence à long contexte.

Meta a lancé Muse Spark 1.3, en citant de meilleures performances en codage et sur les tâches agentiques alors qu’elle se mesure à OpenAI et Anthropic.

NVIDIA affirme que Vera Rubin NVL72 peut offrir jusqu’à 30 fois plus de débit d’IA agentique par mégawatt que GB300, redéfinissant l’économie de l’inférence.

OpenAI affirme que sa puce Jalapeño améliore la vitesse d’inférence de l’IA et l’efficacité énergétique sur plusieurs modèles, mais les résultats restent fournis par le vendeur avant le déploiement.

OpenAI a dévoilé des benchmarks d’inférence pour Jalapeño qui surpassent les systèmes Nvidia en vitesse et en efficacité, mais le déploiement limité et des données fournies par le fournisseur tempèrent cette affirmation.

NVIDIA indique que Vera Rubin NVL72 délivre jusqu’à 30x plus de débit agentique par mégawatt que GB300, redéfinissant l’économie de l’inférence pour les créateurs d’IA.

Une étude de Princeton et de UC San Diego montre que les compétences des AI agents améliorent davantage l’exécution que les connaissances, mais que la récupération s’effondre à mesure que les bibliothèques grandissent.

NVIDIA affirme que son agent AVO a obtenu un score parfait sur ARC-AGI-3, soulignant comment la mémoire, la supervision et les outils peuvent étendre les performances du modèle.

NVIDIA a lancé SkillEvaluator, un framework open source qui teste si les compétences des agents améliorent les résultats des tâches, la sécurité et l’efficacité lors d’exécutions réelles.

OpenAI teste Ultrafast, un niveau d’API qui exécute GPT-5.6 Sol jusqu’à 14 fois plus vite, visant les workflows d’entreprise en temps réel avec Cerebras.

Nemotron 3.5 Lightning de Nvidia utilise l’activation creuse et la quantification pour offrir une inférence open-weight rapide, en visant des agents IA à fort volume plutôt que des scores maximaux.

Oxford a publié un benchmark en direct pour le risque des opérations d’information en IA, offrant aux créateurs et aux acheteurs de modèles un nouveau signal de sécurité à suivre dans le temps.

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.

Claude Opus 5 d’Anthropic a établi un nouveau record sur ARC-AGI-3, ravivant les questions sur de véritables gains de raisonnement versus l’optimisation pour le benchmark.

Le modèle ouvert allemand Soofi S revendique les meilleurs scores de benchmark entièrement ouverts en anglais et en allemand, tandis que ses créateurs ont également révélé et corrigé une fuite de données de test.

NVIDIA affirme que Nemotron 3 Ultra, optimisé par LangChain, a obtenu les meilleurs résultats de benchmark parmi les modèles ouverts pour les agents, mettant en avant des piles d’IA d’entreprise à moindre coût.