OpenAI vient de diriger un pipeline d’agents autonomes vers le noyau Linux. Il a renvoyé 948 exploits fonctionnels d’élévation de privilèges locaux. Lors d’une seule exécution, les agents ont : → Identifié 2 308 vulnérabilités potentielles → Reproduit avec succès 1 724 d’entre elles → Développé des exploits fonctionnels pour 948 vulnérabilités distinctes permettant une élévation de privilèges depuis un accès limité jusqu’au root complet → Généré des correctifs candidats pour examen humain Coût total : environ 1,21 million de crédits API (~1 279 $ par vulnérabilité exploitée distinctement). Pour comparaison : leur système précédent de juillet (alimenté par GPT-5.6 Sol) avait identifié et exploité 166 vulnérabilités. Celui-ci en a exploité 948. Les mainteneurs de Linux avaient déjà corrigé 61 vulnérabilités en amont au moment où la recherche s’est terminée ; d’autres étaient en préparation ou en discussion. C’est le passage de « l’IA aide à écrire du code » à « des agents IA cherchent, reproduisent et proposent systématiquement des correctifs pour des failles de sécurité dans le logiciel le plus critique du monde à l’échelle industrielle ». La détection de failles devient moins coûteuse et plus rapide. Le tri et la correction à ce volume constituent désormais le goulot d’étranglement. Environnement de recherche contrôlé. Un point d’ancrage préexistant était requis. Un examen par des experts reste nécessaire avant toute diffusion de correctifs. Mais le signal de volume est sans équivoque.

Inception vient de lancer Mercury 3, le plus puissant LLM à diffusion jamais publié à ce jour. Il surpasse GPT-6 Luna et Claude Haiku 5.5 en qualité sur une variété de benchmarks, tout en atteignant 1 068 tokens par seconde sur les GPU NVIDIA, soit 4 à 8 fois plus rapide que les modèles autoregressifs typiquement optimisés pour la vitesse. Contexte de 1M (contre 260K sur Mercury 2.5). Plus de 40 fois plus grand que Mercury 1, avec environ 3 fois plus d'intelligence sur les benchmarks standards, tout en restant aussi rapide. Prix : 0,20 $ / 0,70 $ par 1M d'entrées/sorties (promotion de lancement à 50 % sur certaines plateformes : 0,10 $ / 0,35 $). Compatible avec l'API OpenAI. Disponible dès aujourd'hui sur Inception API, OpenRouter, Baseten et Vercel. Options entreprise pour des capacités dédiées, etc. Les partenaires initiaux l'utilisent déjà pour des agents navigateurs/web, un tutorat en temps réel, des agents de recherche et du support. Un point important en production : il a accompli 50 % des tâches de navigation en direct Mind2Web (mieux que GPT-6.1-Sol) avec le même volume de tokens et le même nombre d'étapes, mais à un coût par token bien plus faible. La vitesse empêche l'accumulation de latence entre les étapes.

xAI vient de lancer Grok Voice 3.0, qui résout déjà 70 % des appels d’assistance Starlink sans aucune intervention humaine. Il atteint 86,9 sur l’indice Speech-to-Speech d’Artificial Analysis, gère mieux les interruptions et le bruit de fond que les versions précédentes, et répond en moins d’une seconde. Dans les véhicules Tesla, il permet des vérifications de calendrier mains libres, des réponses aux e-mails, et même la commande de café ou la réservation de dîner. Un agent peut vérifier un client, diagnostiquer un matériel, émettre un crédit et expédier un remplacement. À 0,08 $/min, c’est la méthode la moins chère pour obtenir des agents vocaux de pointe qui terminent réellement les tâches. L’écart entre « discussion vocale » et « voix qui clôt les tickets » vient de se réduire considérablement.

NVIDIA vient de lancer Nemotron 3.5 Bolt 74B-A9B (et ses composants), un modèle MoE ouvert de 74B (seulement ~9B actifs) qui tient dans 24 Go grâce à un entraînement agressif sensible à la quantification sur 2 bits. Il est conçu pour des agents IA locaux toujours actifs : navigation dans les navigateurs ou applications, programmation, recherche, utilisation d’outils et automatisation en arrière-plan. Les poids complets, les données d’entraînement et les recettes sont ouverts. Fonctionne avec Ollama, llama.cpp, vLLM, LM Studio, Hermes, OpenClaw, etc. Associez-le au nouveau Nemotron 3.5 Super VL (120B au total / 12B actifs, multimodal pour des agents visuels et textuels à long terme) et au minuscule Bolt E4B (4 Go, pour des NPCs conversationnels ou de jeux, disponible le 23 octobre). Ce lancement coïncide avec la mise en vente des ordinateurs portables RTX Spark (16 octobre). Les agents locaux de pointe viennent de devenir bien plus pratiques. Poids ouverts + matériel grand public : c’est le changement silencieux qui s’accumule.

Le unicorn allemand de la robotique NEURA vient de dévoiler Neuron AI, leur modèle fondamental multimodal pour l'IA physique. Il fusionne la vision 3D, le toucher, l'audio, l'état du robot, le langage et la mémoire dans une architecture Perception-Language-Action (PLA). Les robots peuvent réagir à des éléments qu'ils ne voient pas et se souvenir du contexte même après que les objets aient quitté le champ de la caméra. Un seul modèle fonctionne sur cinq différentes incarnations de NEURA (notamment leur humanoïde 4NE1). Formé sur des données réelles de robots, des simulations et des démonstrations humaines. Les clients affinent et déployent des compétences à grande échelle via Neuraverse. Une démonstration en direct la semaine prochaine lors de NVIDIA GTC Berlin : leur humanoïde 4NE1 effectuera une séquence entièrement autonome de 11 minutes de lessive (tri → laveuse → sécheuse) sans aucune intervention humaine. « Construire le cerveau du monde physique », selon le PDG. L'IA physique gagne rapidement en intensité.

Amazon est en négociations pour acquérir Decart pour environ 7 milliards de dollars, selon le WSJ. Cette startup israélienne âgée de 3 ans développe un logiciel qui optimise les modèles d'IA pour qu'ils fonctionnent plus rapidement et à moindre coût sur divers processeurs (Nvidia, Amazon Trainium, Google TPUs) ainsi que sur des modèles génératifs en temps réel (Lucy pour la vidéo en direct, Oasis pour les environnements simulés). AWS leur a déjà fourni un accès anticipé à Trainium. Évaluée à environ 4 milliards de dollars en mai ; Anthropic avait précédemment exploré une offre d'environ 6 milliards de dollars, mais a renoncé après due diligence. Une telle acquisition serait l'une des plus importantes d'Amazon et une stratégie directe pour réduire la dépendance à Nvidia. L'optimisation des puces vient de devenir une sortie à plusieurs milliards de dollars.

Meta vient de lancer ses premiers modèles de pointe : Muse Wonder et Muse Wonder Full. Quatorze mois après avoir révisé entièrement ses efforts en IA et recruté Alexandr Wang, Meta affirme enfin avoir atteint la frontière. Ces modèles sont spécifiquement conçus pour des agents personnels et professionnels à long terme, capables de gérer des réclamations d’assurance, des baux, des finances, des informations médicales ou de construire des applications complètes, et non seulement des discussions. Les fonctionnalités remarquables sont la Mémoire active (qui conserve les éléments essentiels vous concernant sur plusieurs jours, semaines et mois) et le Focus actif (qui persévère vers l’objectif, surmonte les obstacles et expérimente de nouvelles approches). Ils ont été formés dans le centre de données Prometheus à l’échelle du gigawatt et prennent en charge un contexte de 1 million de jetons avec une entrée multimodale. Sur l’Indice d’intelligence d’Artificial Analysis, Muse Wonder Full obtient 56 et Muse Wonder 52, une progression significative par rapport aux 48 de Muse Spark il y a seulement six semaines. Wonder Full se place parmi les meilleurs sur plusieurs benchmarks dédiés aux agents et au travail intellectuel, compétitif avec (et dans certains cas supérieur à) les récents modèles d’OpenAI et d’Anthropic. Muse Wonder est dès maintenant disponible via l’API Meta Model et Muse Code à 4 $/20 $ par million de jetons. La version plus puissante Full est réservée aux abonnés de Muse Code. Les deux modèles alimenteront bientôt l’agent personnel Muse de Meta. Après des années axées sur l’open-source de Llama et des récents changements vers des modèles fermés, c’est le signal le plus fort de Meta jusqu’à présent qu’il entend concourir directement pour l’avenir des agents. Les tests indépendants permettront de vérifier la validité de ces affirmations en dehors des propres évaluations de Meta.

Une chose à laquelle je prête attention avec @Wahoopredict, c’est la manière dont les marchés de prévision peuvent évoluer au-delà du simple choix entre « oui » ou « non ». La fonctionnalité à venir de Sélection multiple est intéressante à cet égard : au lieu de contraindre la prévision à un résultat binaire, elle permet aux utilisateurs d’exprimer plus précisément où ils pensent que se situe réellement la probabilité. Cela devient encore plus intéressant lorsque WahooPredict couvre des marchés dans la crypto, le sport, les actions, les matières premières et les événements du monde réel. Les marchés de prévision visent essentiellement à exprimer une conviction face à l’incertitude. Plus la conception du marché est efficace, plus les gens peuvent communiquer précisément cette conviction. Je me demande donc : la Sélection multiple deviendra-t-elle l’une des fonctionnalités qui feront de WahooPredict une plateforme véritablement différente des autres ?

Tomber sept fois. Se relever huit fois. @0xhazels incarne littéralement cette philosophie à travers son Studio. Vous n’entrenez pas simplement. Vous vous connectez. Vous participez. Vous créez. Vous êtes comptabilisé. La GTD Race transforme les contributions en points. Pulse est conçu pour transformer le travail des créateurs en récompenses mesurables. Drops transforme le staking en accès. Et le NFT devient le fil permanent reliant l’écosystème. C’est pourquoi je ne vois pas Hazels comme une simple collection NFT. Elle cherche à transformer la participation elle-même en actif. Et c’est une chose bien plus difficile à construire. Mais aussi bien plus intéressante à observer.

rejoignez ceci 👇🏿