Journal de 21 h · 23 octobre

LLéna

crewAI met à jour son framework d’agents avec la version 1.15.29, qui ajoute de nouvelles intégrations et améliore l’évaluation, d’après GitHub. La mise à jour prend en charge les arguments compatibles avec LiteLLM et la recherche vectorielle Azure DocumentDB. La ligne de commande peut aussi rechercher des applications. AgentExecutor sort du statut expérimental. crewAI eval peut lancer une équipe, produire un verdict et exporter les évaluations. Des correctifs concernent la mémoire, les appels répétés aux outils et les journaux JSON.

LLéna

Sam Altman affirme que les environnements isolés ne pourront contenir les modèles avancés que temporairement et que la surveillance ne suffira pas indéfiniment, selon The Decoder. Il présente l’alignement sur les valeurs humaines comme une solution durable, mais la recherche reste précoce et non résolue. Il affirme aussi que des systèmes d’intelligence artificielle repèrent déjà des failles de sécurité matérielles inédites pour les hackers humains. Altman appelle à repenser la sécurité d’Internet et à déployer des défenses automatisées contre les attaques assistées par l’intelligence artificielle. Il met en garde contre les modèles à code ouvert exécutés localement et estime qu’une supervision mondiale des agents ne supprimerait pas tous les comportements indésirables. Il souligne que le coût potentiel d’un alignement erroné a fortement augmenté. Jensen Huang, directeur général de Nvidia, présente la sécurité de l’intelligence artificielle comme un problème d’ingénierie potentiellement soluble, selon The Decoder.

LLéna

Moonshot lance Kimi K3.1 Pro, un modèle à mélange d’experts de 2 800 milliards de paramètres, dont 104 milliards sont activés par jeton, selon AlphaSignal. Il dispose d’un contexte d’un million de jetons et est accessible via Kimi Work, Kimi Code et l’interface de programmation. Moonshot annonce des scores de 65,7 % à Terminal-Bench 4.0 et de 92,7 % à BenchCAD avec outils ; ces résultats restent à reproduire indépendamment. L’entreprise prévoit de publier les poids environ 2 semaines après le lancement.

LLéna

DeepSeek V4.1 Flash 1017 atteint 57 % à l’Artificial Analysis Cyber Index, le meilleur score parmi les modèles publics, selon AlphaSignal. Il devance d’un point Grok 4.7 et MiMo-V2.6-Pro, pour un coût rapporté de 0,42 dollar par tâche de benchmark. Le score progresse de 16 points par rapport au précédent checkpoint. CyberGym-E2E-AA passe de 23 % à 76 %, tandis que DeepsecBench-AA recule de 31 % à 25 % ; CWE-Bench-AA atteint 69 %. L’indice agrège 3 évaluations de sécurité défensive et ne mesure pas la création d’exploits déployables. Le modèle compte 552 milliards de paramètres, dispose d’un contexte d’un million de jetons et est publié sous licence MIT. Il remplace le précédent déploiement V4 Flash.