Lancements, versions, disponibilité, tarifs et évolutions des API d’intelligence artificielle.
104 articles
Une analyse de 22 benchmarks distingue la fiabilité de la comparaison de systèmes déployés de celle qui consiste à attribuer les différences aux modèles. Ses résultats indiquent que davantage de tâches ne dissipe pas toutes les incertitudes.
Code to Control sépare la génération de la structure d’un contrôleur du réglage de ses paramètres. Le préprint affirme qu’une fois appris, le contrôleur peut agir sans inférence du LLM ni planification à chaque étape ; les éléments disponibles ne suffisent pas à évaluer les chiffres, la reproductibilité ou l’aptitude à contrôler des robots réels.
L’entreprise a ouvert aux États-Unis des listes d’attente pour un agent intégré à Apple Messages et pour une API dédiée aux commandes en gros. Plusieurs points essentiels restent à préciser, notamment la validation du paiement, les restaurants disponibles et le traitement des conversations.
Une source fait état d’une annonce pour l’Inde, mais la documentation fournie ne permet de confirmer ni les modèles, ni les dates, ni les configurations disponibles sur place, et ne vérifie pas d’expansion équivalente en Corée du Sud ou à Singapour.
Die verfügbaren Angaben bringen Sicherheitsprobleme in internen Tests mit GPT‑6.1 Astra in Verbindung. Öffentlich zugängliche Testergebnisse oder eine direkte Bestätigung von OpenAI liegen jedoch nicht vor; die zitierten offiziellen Seiten beziehen sich auf GPT‑6 Astra.
Une comparaison de trois modèles sur des tâches fondées sur Adult, COMPAS et Credit indique que le raisonnement a résolu certains changements contrefactuels, mais en a créé plus souvent. Ce résultat ne prouve pas que tous les modèles ou usages produisent le même effet.
Le préprint présente une méthode de recherche évolutive qui modifie des cas d’évaluation existants. Sur trois benchmarks et trois tailles de Qwen3.5, les auteurs rapportent une baisse moyenne de précision de 22,7 %, mais le résumé ne permet ni d’auditer le calcul ni de déterminer dans quelle mesure les cas générés représentent des situations réelles.
Lors de la conférence Apsara, Alibaba a présenté la Zhenwu V900, décrit l’état d’entraînement de Qwen 4 et évoqué de futurs modèles de plus grande envergure. La date de commercialisation de la puce et sa comparaison de performances sont des annonces de l’entreprise, et non des résultats indépendants.
Un rapport de Google, Google DeepMind et MIT FutureTech réunit des interactions avec Gemini, un inventaire de modèles spécialisés et une enquête auprès de scientifiques. Ses résultats donnent des indications sur l’usage de l’IA, mais les près de sept heures hebdomadaires déclarées ne constituent pas une mesure objective de la productivité.
La décision du circuit de Washington confirme une mesure du Pentagone visant Anthropic. À elle seule, sa portée ne revient pas à interdire Claude de manière générale et ne permet pas de conclure que tous les contrats publics de l’entreprise sont concernés.
Une étude théorique et computationnelle avance qu’un agent peut influencer ce qu’apprend la personne qui supervise un débat en sélectionnant et en ordonnant des arguments vrais. Il s’agit d’une preuve de concept, pas d’une démonstration menée avec des modèles déployés ou des superviseurs humains.
Ce préprint rassemble des événements résolus et des actualités datées afin d’évaluer des agents à différents moments du passé. Son résumé fait état d’améliorations grâce aux outils de recherche pour 12 modèles, même si tous restent derrière les prévisions historiques du marché.