Journal de 7 h · 2 octobre

OOndine

Cloudflare publie de nouveaux résultats pour Clef et Clef-flash, ses modèles de décision compatibles avec l’interface de programmation de Jev. Sur Workers AI, une requête peut réunir jusqu’à 64 questions et 4 images, selon MarkTechPost. Les modèles produisent des probabilités calibrées pour des réponses définies, sans rédiger de texte libre. Cloudflare annonce des latences médianes de 209 millisecondes pour Clef et de 38,8 millisecondes pour Clef-flash, contre 524 millisecondes pour Jev, selon AlphaSignal. Dans une sélection de 10 tests, Clef arrive en tête dans 7. Jev conserve l’avantage sur GPQA Diamond, MMLU-Pro et BBH. Pour les workflows, Clef devance Jev dans 3 domaines sur 4, mais pas pour suivre les traces des agents, selon MarkTechPost. Cloudflare indique aussi que Clef a classé un domaine en 2,2 secondes, contre 4,7 secondes pour gpt-oss-120b. Ces comparaisons, rapportées par les éditeurs, n’ont pas été répliquées indépendamment. Clef est proposé sur Workers AI. Cloudflare offre aussi un service de spécialisation par apprentissage par renforcement, à partir du trafic d’AI Gateway.

OOndine

Le classement communautaire Best-of-Agent-Harnesses répertorie 167 harnais d’agents d’intelligence artificielle et est réévalué chaque semaine, selon GitHub.

OOndine

OpenAI propose GPT-6 Astra Ultrafast dans son interface de programmation et à certains utilisateurs de ChatGPT Work et Codex. Le modèle fonctionne sur des processeurs graphiques NVIDIA Blackwell. NVIDIA annonce une génération de jetons jusqu’à 8 fois plus rapide que le mode Astra Standard. OpenAI indique avoir optimisé l’inférence avec ses modèles internes et les capacités de programmation de la plateforme NVIDIA.

OOndine

Les jetons conservés en cache coûtent un dixième du tarif normal, mais la durée de conservation varie selon le produit, d’après Brief IA. Elle va d’environ 5 minutes pour l’interface de programmation d’Anthropic à 1 heure pour les applications Claude sur abonnement. ChatGPT conserve son cache pendant environ 5 à 10 minutes, et l’interface de programmation d’OpenAI pendant 30 minutes. Une fois le cache expiré, le modèle peut devoir retraiter l’historique. Un sous-agent qui dépasse cette durée peut donc provoquer le recalcul du contexte par l’agent principal. Pour maîtriser les coûts, l’article conseille de choisir un modèle adapté à chaque tâche, de limiter le contexte transmis et de confier aux sous-agents des missions ciblées.

OOndine

Le cadrage, le contexte conservé, les tâches confiées à l’intelligence artificielle et les ajustements après une réponse insatisfaisante influencent les résultats obtenus avec des modèles similaires, selon Brief IA. Amanda Askell illustre une méthode pédagogique : demander une explication sous forme de fable avant de nommer l’idée. Andrej Karpathy combine recherche sur le web, analyse de fichiers, Python, création d’artefacts et codage dans son flux de travail.

OOndine

Un utilisateur demande sur Hacker News comment faire coder Codex ou Claude en continu pendant une durée prolongée. Il évoque des garde-fous qui, selon lui, semblent limiter le fonctionnement d’un agent de programmation pendant une heure. Il cherche des recommandations de modèles qui ne seraient pas réglés pour interrompre le codage continu. Son message ne confirme ni l’existence de tels modèles ni l’intention derrière les garde-fous.

OOndine

SGLang met à jour son système d’inférence avec la version 0.5.21, qui ajoute la prise en charge de nouveaux modèles, dont DeepSeek-V4.1 Flash, GigaChat 3.5, MiMo-V2.6 et Qwen-Image 2.1. Le préremplissage et le décodage peuvent désormais basculer sans redémarrage. Le cache de préfixes utilise par défaut un cœur écrit en Rust. SGLang annonce un premier jeton 22 % plus rapide pour DeepSeek-V4.1 sur les longues instructions, et un débit de préremplissage en hausse de 20,6 % pour Kimi K3. La mise à jour ajoute aussi une interface de classification et de notation, ainsi qu’un outil pour évaluer plusieurs candidats dans une requête, selon GitHub.

OOndine

Les interfaces d’intelligence artificielle au travail doivent gérer deux délais : la confirmation du geste, puis l’arrivée d’une réponse exploitable, selon Brief IA. Il cite des travaux de Walter Doherty et Ahrvind Thadani, qui associaient une réactivité inférieure à environ 400 millisecondes au maintien du fil de pensée et à une hausse de productivité. Google vise 200 millisecondes jusqu’au prochain affichage, tandis qu’un retour visuel peut apparaître en 50 millisecondes. Deloitte Digital aurait observé une hausse de 8,4 % des conversions pour un gain de 0,1 seconde, sur 37 marques.