Levent Alpöge, mathématicien d’Anthropic, a publié une preuve de l’hypothèse de Riemann obtenue avec Claude, sous la forme d’une bibliothèque Lean de 17 millions de lignes, et les communautés Lean et Mathlib la certifient dès le lendemain. alphaXiv publie l’OpenResearch Intelligence Index, où Claude Opus 5.5 mène la recherche autonome avec 61,8 % tandis que DeepSeek V4.1 Flash, premier modèle ouvert à 27,4 %, coûte 0,72 dollar par tentative ; Meta porte à 25 000 heures l’objectif de son Digital Brain Project, et Inkling 2 Mini entre dans Transformers et tourne à 210 tokens par seconde sur un Mac Studio. Replit, Devin et v0 renforcent le contrôle des accès, du réseau et des dépenses, et Claude Code 2.1.330 laisse tourner ses tâches planifiées jusqu’à 30 jours.
Mathématiques : la preuve de l’hypothèse de Riemann obtenue avec Claude par Levent Alpöge est certifiée par les communautés Lean et Mathlib
20 et 21 novembre — Levent Alpöge, mathématicien d’Anthropic, a publié le 20 novembre une preuve de l’hypothèse de Riemann sous la forme d’une bibliothèque Lean de 17 millions de lignes de code, qui ne dépend directement que de Mathlib, la bibliothèque de mathématiques formalisées de Lean. Posée en 1859 par Bernhard Riemann, l’hypothèse porte sur la répartition des nombres premiers. Il l’accompagne d’une note, répertoriée sur alphaXiv sous le titre « preuve revendiquée de l’hypothèse de Riemann » (A Claimed Proof of the Riemann Hypothesis). Selon le résumé qu’en donne alphaXiv, l’auteur affirme avoir trouvé cette preuve avec Claude, revendique aussi l’hypothèse de Riemann généralisée et s’appuie sur l’analyse de Fourier, des relèvements thêta (theta lifts) et une analogie avec l’argument de Stepanov sur les corps de fonctions ; toujours selon ce résumé, la preuve est longue, et l’auteur compte l’expliquer et la simplifier.
Le 21 novembre, les communautés Lean et Mathlib publient une déclaration commune, soutenue par le Lean FRO et la Mathlib Initiative, qui certifie l’énoncé et la preuve. En une journée, la bibliothèque a rempli les quatre critères posés le 12 novembre par Kevin Buzzard (Imperial College London) :
| Critère de vérification | Contrôle mené par les communautés Lean et Mathlib |
|---|---|
| L’énoncé est le bon | énoncé RiemannHypothesis de Mathlib, relu par des experts de Lean et de théorie des nombres |
| La bibliothèque compile | des dizaines de personnes ont reproduit le même fichier d’export brut de la preuve |
| Le théorème prouvé est cet énoncé | comparaison par deux outils indépendants, comparator et con-leche, à partir d’un fichier qui n’importe que Mathlib |
| La preuve est acceptée | noyau officiel de Lean, con-leche, con-ron et plusieurs vérificateurs écrits dans d’autres langages, sur un export inerte de la preuve |
We hereby certify that both the statement and the proof of the Riemann Hypothesis are correct.
🇫🇷 Nous certifions par la présente que l’énoncé comme la preuve de l’hypothèse de Riemann sont corrects. — Communautés Lean et Mathlib, déclaration sur le blog de la communauté Lean
Scientific American rapporte la confirmation de mathématiciens indépendants : Andrew Sutherland (MIT) a compilé le résultat de son côté et indique que le noyau de Lean l’a revérifié avec les trois seuls axiomes standard. La déclaration de Lean et Mathlib ne mentionne ni Claude ni l’hypothèse de Riemann généralisée, revendiquée par l’auteur : le rôle de Claude vient de la note d’Alpöge et de Scientific American.
🔗 Note de Levent Alpöge sur alphaXiv · Scientific American : la confirmation de mathématiciens indépendants · Synthèse technique de la vérification (MIT)
VIDRAFT publie une jauge en direct de la positivité de Weil, qui montre l’énoncé tenir sans le démontrer
21 novembre — Au lendemain de la publication de la preuve, le laboratoire VIDRAFT publie sur Hugging Face un Space qui calcule la plus petite valeur propre de la forme quadratique de Weil, dont la positivité équivaut, d’après le critère de Weil, à l’hypothèse de Riemann. Elle est positive pour la fonction zêta et quatre fonctions L de Dirichlet (conducteurs 3, 4, 5 et 8), négative pour trois imitations qui diffèrent d’une vraie fonction L par un seul ingrédient, et dix énoncés de l’outil sont vérifiés par le noyau de Lean 4. Le billet rappelle que c’est la preuve formelle qui établit le résultat, l’instrument le montrant seulement tenir ; le code, les fichiers Lean et le dépôt sont publiés, et l’expérience se reproduit en une trentaine de secondes sur un CPU gratuit.
🔗 Billet de VIDRAFT sur Hugging Face · Space de la jauge de Weil
Évaluation : alphaXiv mesure la recherche autonome avec l’OpenResearch Intelligence Index, un détecteur de textes IA gagne des places sur RAID mais perd hors du banc
20 novembre — alphaXiv publie les premiers résultats de l’OpenResearch Intelligence Index, un banc d’essai qui mesure la capacité des modèles à mener une recherche de bout en bout. Chaque modèle travaille dans son propre harnais (Claude Code, Codex ou OpenCode), à l’intérieur d’OpenResearch, l’environnement de recherche d’alphaXiv, sur trois pistes : des connaissances scientifiques (20 tâches tirées de Terminal-Bench-Science), la conduite d’un post-entraînement (6 tâches inédites) et la pertinence des choix bibliographiques (un sous-ensemble de PaperFindingBench).
We created the world’s first open source benchmark for end-to-end autoresearch. Today, its results are live. Which models are best for RSI? Can they understand the literature? Can they conduct complex scientific experiments, while maintaining good taste? We spent about $7.4k in tokens across 8 models, 6 providers, and 3 evaluation tracks to find out.
🇫🇷 Nous avons créé le premier banc d’essai open source au monde pour la recherche autonome de bout en bout. Ses résultats sont publiés aujourd’hui. Quels modèles sont les meilleurs pour la RSI ? Comprennent-ils la littérature scientifique ? Peuvent-ils mener des expériences scientifiques complexes tout en gardant du goût ? Nous avons dépensé environ 7 400 dollars de tokens sur 8 modèles, 6 fournisseurs et 3 pistes d’évaluation pour le savoir. — @askalphaxiv sur X
| Modèle évalué | Harnais utilisé | Score de l’index | Coût moyen par tentative |
|---|---|---|---|
| Claude Opus 5.5 | Claude Code | 0,618 ± 0,014 | 16,46 dollars |
| GPT-6 Astra | Codex | 0,566 ± 0,014 | 22,44 dollars |
| GPT-6.1 Sol | Codex | 0,549 ± 0,024 | 3,83 dollars |
| Gemini 4 Argon | OpenCode | 0,526 ± 0,013 | 9,18 dollars |
| Claude Fable 5.1 (74 tentatives terminées sur 87) | Claude Code | 0,511 ± 0,015 | 20,07 dollars |
| DeepSeek V4.1 Flash | OpenCode | 0,274 ± 0,018 | 0,72 dollar |
| Kimi K3 | OpenCode | 0,271 ± 0,010 | 10,89 dollars |
| Qwen3.8-Flash | OpenCode | 0,214 ± 0,015 | 4,54 dollars |
Claude Opus 5.5 mène avec 0,618, soit 61,8 %, pour 16,46 dollars par tentative en moyenne. GPT-6 Astra suit à 0,566, mais pour 22,44 dollars, et GPT-6.1 Sol obtient 0,549 pour 3,83 dollars ; Claude Fable 5.1 n’a terminé que 74 tentatives sur 87. Les modèles ouverts restent loin derrière : DeepSeek V4.1 Flash, premier d’entre eux, obtient 27,4 % pour 0,72 dollar par tentative, juste devant Kimi K3 (0,271) et Qwen3.8-Flash (0,214). Sur la seule piste bibliographique, équipé des outils de recherche d’OpenResearch, DeepSeek V4.1 Flash atteint 47,7 %, contre 48,7 % pour GPT-6 Astra. Together AI, qui a servi les modèles ouverts, a relayé l’index ; alphaXiv annonce d’autres modèles et le code source.
🔗 Billet d’alphaXiv sur l’OpenResearch Intelligence Index · @togethercompute sur X : les modèles ouverts à l’épreuve
Un détecteur de textes IA passe de la 27e à la 5e place de RAID, mais détecte beaucoup moins bien hors du banc
21 novembre — Sur le blog communautaire de Hugging Face, l’équipe d’empirischtech raconte comment son détecteur de textes générés par IA, bâti sur l’encodeur Ettin de 1B, est passé de la 27e place sur 58 du classement RAID, celle de son détecteur de production, à la 5e avec une version réglée pour RAID : à 1 % de faux positifs, le taux de détection monte de 92,81 % à 99,20 %. Le revers apparaît hors du banc : sur le jeu de test des auteurs, la part de textes IA détectés tombe de 97,8 % avec le détecteur généraliste dont part l’affinage à 58,7 % avec la version réglée pour RAID, et celle des textes humains signalés à tort passe de 1,0 % à 2,4 %. Le modèle réglé pour RAID reste donc un outil de recherche ; le service des auteurs utilise un détecteur généraliste distinct.
🔗 Billet d’empirischtech sur Hugging Face
IA pour la science : Meta porte son Digital Brain Project à 25 000 heures et présente UMA Nitro et ATLAS, Diffusers affine RFD4-Proteina
20 novembre — Meta publie le bilan de son Open Source AI for Science Summit, organisé en octobre sur deux jours par son laboratoire FAIR à Menlo Park. Principale annonce chiffrée : le Digital Brain Project, lancé avec la Rothschild Hospital Foundation et l’Université de Montréal pour financer la collecte de données cérébrales anonymisées et partagées ouvertement, voit son objectif passer de 15 000 à 25 000 heures de données.
| Projet présenté au sommet | Domaine scientifique | Ce que dit le billet de Meta |
|---|---|---|
| Digital Brain Project | Neurosciences | objectif porté de 15 000 à 25 000 heures de données cérébrales |
| UMA Nitro | Chimie | version plus rapide du modèle d’atomes UMA (Universal Model for Atoms), sans chiffre de vitesse |
| UMA Playground | Enseignement | proposé aux professeurs de chimie du secondaire via Discovery Education, qui touche plus de 4 millions d’enseignants et 45 millions d’élèves |
| ATLAS (FAIR) | Mathématiques | bibliothèque ouverte qui formalise en Lean 26 manuels en accès libre et plus de 45 000 définitions et résultats |
UMA identifie aussi de nombreuses formes cristallines de molécules de médicaments sans données d’entraînement supplémentaires (étude avec Carnegie Mellon et UC Riverside), et simule des enzymes entières, atome par atome, avec l’Université de Chicago. Le billet évoque enfin un système de robotique d’assistance de l’Université de Pittsburgh, bâti sur DINOv3 et SAM 3, dont une démonstration doit montrer un robot qui aide une personne à manger.
🔗 Bilan du sommet Open Source AI for Science (Meta) · @AIatMeta sur X
Diffusers ajoute un exemple d’affinage LoRA de RFD4-Proteina, le modèle de design de protéines de NVIDIA
20 novembre — La bibliothèque Diffusers de Hugging Face intègre un exemple d’affinage par LoRA de RFD4-Proteina, le modèle ouvert de design de protéines de NVIDIA (traité ici le 21 octobre). Annoncé par Sayak Paul, l’exemple (pull request #15155 de kierandidi, fusionnée le 19 novembre) entraîne des adaptateurs de rang 32 sur le débruiteur, avec des pertes de flow matching appliquées aux coordonnées du squelette protéique et à des latents locaux plutôt qu’à des pixels ; selon lui, le reste du code ressemble à celui des modèles d’image et de vidéo.
Modèles ouverts : Inkling 2 Mini entre dans Transformers v5.24.0, tourne à 210 tokens par seconde sur Mac et reçoit une version débridée
Inkling 2 Mini, le modèle en boucle à poids ouverts de Thinking Machines publié le 20 novembre (traité ici hier), a été intégré à la bibliothèque de référence de Hugging Face, porté sur Mac et débridé dans les vingt-quatre heures qui ont suivi sa sortie.
Transformers v5.24.0 intègre Inkling 2 Mini, Omnilingual ASR de Meta, Dory de NVIDIA et Sarvam-105B
21 novembre — Hugging Face publie Transformers v5.24.0, qui ajoute une dizaine d’architectures. Inkling 2 Mini y entre avec un point de contrôle de recherche à nombre de boucles variable, et Dory, le modèle en boucle de NVIDIA, permet lui aussi de régler le nombre de boucles à l’inférence.
| Modèle ajouté | Éditeur du modèle | Précisions de la release |
|---|---|---|
| Inkling 2 Mini | Thinking Machines | avec le point de contrôle de recherche TML-d24-varloop-research, à nombre de boucles variable |
| Dory | NVIDIA | modèle en boucle, nombre de boucles réglable à l’inférence |
| Omnilingual ASR | Meta FAIR | reconnaissance vocale pour plus de 1 600 langues, de 300M à 7B, tête CTC ou décodeur Llama |
| Apertus 1.5 et WavTokenizer | Swiss AI Initiative | texte, image et audio en entrée ; codec audio à 24 kHz |
| HY4-VL | Tencent | modèle vision-langage de la famille Hunyuan V4 |
| Lara Mini | Translated | 7,2B dont 0,6B actifs, licence CC BY-NC-SA 4.0 |
| Sarvam-105B et Sarvam-30B | Sarvam AI | 105B : attention MLA, 128 experts dont 8 actifs, contexte de 131K |
| EXAONE 3.0, 3.5 et Deep | LG AI Research | chargés sans trust_remote_code |
Attention aux mises à jour : past_key_values et cache_params sont renommés cache, un changement classé cassant même si les anciens noms restent acceptés avec un avertissement de dépréciation, et la version minimale de PEFT est relevée en conséquence. Ling 3.1 Flash se charge désormais nativement, et LayoutLMv3 passe par l’interface d’attention SDPA.
EXO Labs fait tourner Inkling 2 Mini à 210 tokens par seconde sur un Mac Studio M5 Ultra
21 novembre — Au lendemain de la sortie d’Inkling 2 Mini, EXO Labs publie les débits obtenus en collaboration avec Thinking Machines sur deux Mac.
| Machine testée par EXO Labs | Génération (décodage) | Lecture du prompt (préremplissage) |
|---|---|---|
| Mac Studio M5 Ultra, 96 Go | 210 tokens/s | 3 620 tokens/s |
| MacBook Pro M5 Max, 48 Go | 125 tokens/s | 1 750 tokens/s |
Selon EXO Labs, le modèle a construit une application météo native 1,8 fois plus vite que Claude Sonnet 5.5 sur le Mac Studio, et 11 fois moins cher au tarif de l’API. EXO Labs explique que l’architecture en boucle convient aux machines à mémoire limitée comme les MacBook : boucler les couches augmente le calcul à l’inférence sans grossir le modèle. Julien Chaumond, de Hugging Face, y voit la façon dont l’IA locale et open source va l’emporter.
We got access on Wednesday. In 3 hours we had it running at 30 tok/sec A day later we had it running 210 tok/sec (7x faster)
🇫🇷 Nous avons eu accès mercredi. En 3 heures, nous le faisions tourner à 30 tokens par seconde. Un jour plus tard, à 210 tokens par seconde (7 fois plus vite). — @exolabs sur X
🔗 @exolabs sur X : les débits sur Mac · @julien_c sur X
OpenUncensored publie une version débridée d’Inkling 2 Mini le jour de sa sortie
20 novembre — Le jour même de la sortie d’Inkling 2 Mini, OpenUncensored, fournisseur d’API de modèles non censurés, en publie une version « abliterée », privée de sa capacité de refus par une modification ciblée des poids. Sur 32 requêtes nuisibles, elle passe de 32 refus à aucun, en conversation comme en réflexion, et son score MMLU ne baisse pas (79,47 % contre 78,95 % pour l’original). Seuls 20 tenseurs d’attention en BF16 ont été modifiés : les couches centrales servant trois fois par token, une modification y agit trois fois. L’API est facturée 0,15 dollar le million de tokens en entrée et 0,60 dollar en sortie ; l’auteur invite à la prudence sur des échantillons aussi petits.
🔗 Billet d’OpenUncensored sur Hugging Face
Plateformes de code en entreprise : réseau privé avec Replit Tunnels, accès et partage dans Devin, plafonds de dépense dans v0
Replit Tunnels relie les environnements Replit aux services d’un réseau privé, en accès anticipé
20 novembre — Replit présente Tunnels, qui relie ses environnements aux services d’un réseau privé d’entreprise (bases de données, API internes) sans ouvrir ce réseau aux connexions entrantes publiques. Le trafic passe par un client que le service informatique fait tourner dans le réseau, déployé par une commande Docker générée ou par un chart Helm sur Kubernetes, et c’est ce service qui choisit les services que chaque espace de travail Replit peut atteindre. La liaison entre ce client et Replit est chiffrée et authentifiée en mTLS ; l’authentification et le TLS de chaque service privé se configurent à part.
Tunnels est intégré aux connecteurs : les requêtes d’authentification des connecteurs, les appels d’outils de l’Agent et les requêtes des applications publiées transitent par le serveur de tunnels de Replit, puis par ce client. Le billet cite trois usages : repérer les comptes clients à examiner en finance (Stripe, SharePoint, Snowflake), retrouver les orientations de patients en attente en santé (Calendly, DrChrono) et signaler les ruptures de matériel dans l’industrie (NetSuite, Shopify, Databricks, Shippo). Tunnels est en accès anticipé, sur demande, sans tarif précisé ; il prolonge Bring Your Own Cloud (traité ici le 17 octobre), qui reposait déjà sur des tunnels sortants en double mTLS.
🔗 Billet de Replit sur Tunnels · Documentation : Set up Tunnels
Devin introduit Access and Sharing, des groupes d’utilisateurs et un partage par session, et complète ses notes des 17, 18 et 19 novembre
20 novembre — Les notes de version de Devin du 20 novembre introduisent Access and Sharing, des contrôles d’accès et de partage pour les entreprises, déployés progressivement et désactivés par défaut : il faut passer par son interlocuteur chez Cognition pour les activer. Une page User groups, dans Settings, crée des groupes d’utilisateurs utilisables partout où l’accès se gère : secrets, environnements, sessions, automatisations, plugins, playbooks, skills, serveurs MCP et knowledge.
Chaque session reçoit son propre partage : soi seul, un ou plusieurs groupes, l’organisation ou tout le compte. Une session qui utilise un dépôt, un secret ou un environnement réservé à soi ou à son groupe démarre en privé, avec un avertissement avant de l’élargir. Dans Slack, elle répond toujours dans le canal, mais seules les personnes avec qui elle est partagée peuvent lui donner des instructions. Les administrateurs reçoivent un rapport des dépôts dont l’accès dans Devin diffère de GitHub ou de GitLab, et Devin Review, DeepWiki et Ask se limitent aux dépôts accessibles à l’utilisateur. Hors de ce déploiement, les mêmes notes ajoutent un état Triaged aux constats de sécurité et le plugin Sazabi dans la marketplace ; aucun tarif n’est mentionné. 🔗 notes du 20 novembre
Les notes de version des trois jours précédents apportent aussi :
- 19 novembre — Dans Devin Review, des règles de facturation par dépôt imputent les revues d’un dépôt, chat compris, à une organisation ou à un budget plutôt qu’à l’auteur de la PR. Côté sécurité, un bouton Validate with Devin fait valider un constat, et Fix with Devin propose, à partir de deux constats, une PR par cause racine, une par constat ou une seule pour tous ; la marketplace retire les serveurs MCP remplacés par une intégration native (Slack, Linear, GitLab, Pylon). 🔗 notes du 19 novembre
- 18 novembre — Un sélecteur Shared with apparaît dans le compositeur de l’accueil, et le réglage Start sessions as Only you garde ses sessions privées par défaut. Une session privée ne publie pas dans Slack, la rendre visible demande une confirmation qui nomme les personnes concernées, et les pièces jointes d’organisation suivent sa visibilité ; Devin Review gagne un bouton Update branch, et le MCP DevinDash sort de bêta. 🔗 notes du 18 novembre
- 17 novembre — Devin Review publie un statut sur les pull requests Azure DevOps, les constats des revues de sécurité de PR peuvent porter un court résumé d’impact, et Devin publie dans Slack images, texte enrichi, tableaux, graphiques, cartes et carrousels. 🔗 notes du 17 novembre
v0 ouvre des plafonds de dépense par membre à tous ses clients entreprise
20 novembre — v0 ouvre ses plafonds de dépense (Spend Caps) à tous ses clients entreprise. Dans Settings → Members, les propriétaires d’une équipe fixent une limite par défaut pour les membres ou une limite propre à chacun, sur la consommation du pot de crédits partagé, par cycle de facturation, une fois les crédits inclus du membre épuisés. Limite atteinte, la génération s’arrête à la fin de l’étape en cours et le membre peut demander un accès supplémentaire ; aucun montant n’est indiqué.
🔗 Changelog de v0 : Spend Caps
Agents de code : Claude Code 2.1.330, Antigravity 2.34.0, Copilot CLI, Qwen Code, Codex CLI et Puck d’Amp en voiture
Claude Code 2.1.330 dessine des graphiques avec easel et laisse tourner les tâches planifiées jusqu’à 30 jours
20 novembre — Claude Code 2.1.330 compte 142 entrées, dont 98 correctifs, 16 ajouts, 14 améliorations et 13 changements. Il ajoute easel, un mod intégré qui dessine des graphiques quand on le lui demande et sous les résultats de métriques renvoyés par un serveur MCP, par exemple une requête de plage Prometheus. easel est proposé sur Pro, Max et, là où c’est disponible, Team et Enterprise, sur macOS et Linux ; ses graphiques automatiques se coupent dans /config. Les organisations gérées dans la console d’administration Enterprise d’Anthropic (Enterprise Admin Console) peuvent aussi s’y connecter : après claude auth login, Claude Code applique leurs réglages et passe par leur fournisseur cloud ou leur passerelle.
Les tâches planifiées récurrentes et /loop tournent désormais jusqu’à 30 jours au lieu de 7, tant que leur session reste ouverte ; celles créées avant cette version s’arrêtent toujours à 7 jours. Davantage de commandes rm visant la racine, le dossier personnel, un dossier de premier niveau ou le dossier de travail demandent une approbation, et sont refusées quand personne ne peut répondre. La relance automatique sur max_tokens, retirée par la 2.1.329, est rétablie, et ExitWorktree ne supprime plus le worktree sur lequel travaille une autre session. Sur l’Agent Platform de Google Cloud, claude -p respecte enfin le mode rapide passé par --settings quand le modèle vient de ANTHROPIC_MODEL ou d’un fichier de réglages : ces exécutions sont désormais facturées au prix du mode rapide. L’extension VS Code reçoit 28 entrées, dont /fork et /workflows.
Autres agents de code : Antigravity 2.34.0, préversions de Copilot CLI et du Copilot SDK, Qwen Code v0.28.3, Codex CLI 0.173.0-alpha.4 et mode voiture d’Amp
- Antigravity 2.34.0 (20 novembre) — L’application de Google compte 15 améliorations et 24 correctifs. Son titre annonce la prise en charge des MCP Apps, que la liste des améliorations ne détaille pas ; Gemini 4 Neon et l’option Orchestrator (Neon) s’ouvrent aux forfaits grand public payants éligibles, Neon devient utilisable avec une clé d’API Gemini ou les identifiants par défaut de Google Cloud (Application Default Credentials), et les comptes Enterprise reçoivent Orchestrator. La Marketplace gagne les plugins Clerk, Docusign et TestMu AI. 🔗 changelog d’Antigravity
- Copilot CLI 1.0.115-4 à 1.0.115-6 et Copilot SDK 2.0.2-preview.2 à preview.5 (20 et 21 novembre) — Dans ces préversions du CLI, les éditeurs ACP qui gèrent les formulaires affichent des questions de clarification structurées (structured clarification questions), et les longues sessions locales s’allègent sur disque ; la stable reste la 1.0.114. Le SDK ajoute Gemini 4 Neon à sa liste de modèles (contexte de 1 048 576 tokens, 65 536 en sortie), lit
.claude/CLAUDE.mdà la racine du dépôt, puis gagne une mémoire cloud par sujets et des API d’import de sessions et de mémoire, toutes deux expérimentales. 🔗 Copilot CLI 1.0.115-4 · Copilot SDK 2.0.2-preview.2 - Qwen Code v0.28.3 (21 novembre) — Cette nouvelle version stable succède directement à la v0.28.0 et reprend la préversion du 20 novembre, traitée ici hier : GitHub devient le troisième canal géré, WeCom et Microsoft Teams arrivent, un webhook générique en envoi seul pousse les résultats vers un point d’accès HTTPS, et les sessions ACP et OpenTUI tournent sur la boucle d’agent partagée ; les notes ne signalent aucun changement cassant. 🔗 Qwen Code v0.28.3
- Codex CLI 0.173.0-alpha.3 et alpha.4 (20 et 21 novembre) — Les notes sont vides ; selon les 15 PR fusionnées depuis l’alpha.2, chaque hook de commande ou d’outil MCP accepte une option
onFailure:continuepar défaut, oublock, avec lequel unPreToolUseen échec empêche l’outil de s’exécuter et unPostToolUseen échec retient son résultat. La configuration gérée dans le cloud se charge aussi parcodex plugin addetcodex plugin list; la stable reste la 0.171.0, et ce contenu peut encore changer. 🔗 Codex CLI 0.173.0-alpha.4 - Puck en voiture chez Amp (21 novembre) — Amp permet de parler à Puck, son méta-agent, en conduisant, sans regarder d’écran : les applications iPhone (avec CarPlay) et Android (avec Android Auto ou le Bluetooth de la voiture) passent en mode voiture, et sur un navigateur embarqué, comme celui d’une Tesla, il suffit d’ouvrir ampcode.com/car et de scanner un QR code avec un téléphone connecté à Amp. Ce qu’il faut lire s’affiche en très grand ; aucun tarif n’est mentionné. 🔗 Puck in the Car
Brèves
Modèles et API
- Qwen4 Max sur Together AI — Suite de la remise de 30 % traitée ici le 19 novembre, Together AI affiche ses prix jusqu’au 22 novembre : 1,05 dollar le million de tokens en entrée et 3,15 dollars en sortie, réflexion facturée en sortie et streaming obligatoire. Exemple unique à l’appui, le modèle a lu en une requête les 344 fichiers du dépôt Tornado (652 519 tokens) et rendu en 72 secondes, pour 69 cents, un correctif validé par les tests des mainteneurs. 🔗 source
- Ultrafast dans Codex — Sur le blog développeurs d’OpenAI, Dominik Kundel partage ses conseils pour Ultrafast avec GPT-6.2 Astra et Sol (rechargement à chaud, consignes courtes, raisonnement Light ou Low) et précise deux points : une génération de tokens jusqu’à 4,5 fois plus rapide dans Codex, et une promotion de l’API à 3 fois le tarif Standard jusqu’au 28 février 2027, puis 6 fois à partir du 1er mars. 🔗 source
- Fil d’accueil de Hugging Face — Les utilisateurs connectés voient désormais par défaut un fil où chaque sortie de modèle en vogue occupe sa propre carte, par exemple celle qui regroupe 17 nouveaux modèles de Tencent, annonce Victor Mustar. 🔗 source
Recherche ouverte sur Hugging Face
- Act-or-Ask — Ce petit modèle ouvert, affiné par LoRA à partir de Phi-4-mini (3,8B), décide si un assistant domestique doit agir, demander d’abord l’accord d’un adulte ou refuser. Sur 60 situations inédites, il suit la politique du foyer dans 99,3 % des cas, contre 49,7 % pour le modèle de base avec les mêmes règles dans le prompt ; modèle sous licence MIT, banc sous CC BY 4.0. 🔗 source
- KITScenes dans FiftyOne — Harpreet Sahota poursuit sa série de conversions pour FiftyOne avec un extrait de KITScenes Multimodal, jeu de conduite autonome du KIT et du FZI enregistré à Francfort avec 9 caméras, 7 lidars et 3 radars : 680 instants de 4 scènes, chacun avec ses neuf vues caméra et un nuage de points lidar-radar fusionné. 🔗 source
Assistants et agents métier
- Connected Apps de Google — Aux États-Unis, Albertsons, Safeway, Shaw’s et Target arrivent dans Search et l’application Gemini pour composer une commande de courses et la payer, via le Universal Commerce Protocol (UCP) ; Experian, déjà présent dans Gemini, et H&R Block arrivent dans Search, et Angi et Thumbtack suivront dans les prochaines semaines. 🔗 source
- Grok Bot et QuickBooks — L’agent de SpaceXSI se connecte à Intuit QuickBooks aux États-Unis : on l’interroge sur sa trésorerie, son bénéfice ou ses impayés, et il rédige factures, devis et relances de paiement, soumis à l’approbation de l’utilisateur. 🔗 source
- ElevenAgents pour la Fundación Televisa — Dans une étude de cas d’ElevenLabs, un agent vocal a mené du 29 juin au 24 juillet 1 036 entretiens de cinq minutes en moyenne avec des candidats à POSiBLE, l’accélérateur d’entrepreneurs de la fondation mexicaine, qui en a retenu 70 projets pour son étape finale ; Bécalos, autre programme de la fondation, a interviewé 394 jeunes en deux jours. 🔗 source
Images génératives
- Kling Image 4.0 — Kling relaie l’évaluation d’Artificial Analysis : 7e en texte vers image et 6e en retouche, derrière seulement des modèles d’OpenAI et de Microsoft AI, contre les 86e et 67e places de Kling Image 3.0 Omni. Une offre Black Friday à durée limitée affiche la 2K dès 0,022 dollar l’image et la 8K native dès 0,033 dollar, sans préciser s’il s’agit de l’application ou de l’API. 🔗 source
Hors IA
- Permissions des avis de sécurité sur GitHub — Quatre permissions de la catégorie Security (consulter les avis, les créer et les gérer, accepter les signalements privés, publier et demander des CVE) s’attribuent désormais par des rôles de dépôt personnalisés, sans faire des personnes concernées des administrateurs du dépôt. 🔗 source
Ce que ça signifie
La preuve de l’hypothèse de Riemann déplace la confiance vers la vérification formelle. Une preuve de 17 millions de lignes ne se relit pas à la main : sa crédibilité vient ici d’une chaîne de contrôles publique, menée en une journée, de l’énoncé de Mathlib relu par des experts jusqu’à plusieurs vérificateurs indépendants. La certification ne dit rien de la façon dont la preuve a été trouvée, ni de l’hypothèse de Riemann généralisée, et l’auteur doit encore l’expliquer ; mais elle permet d’accepter un résultat obtenu avec un modèle sans avoir à faire confiance au modèle. ATLAS, la bibliothèque de Meta qui formalise 26 manuels en Lean, va dans le même sens.
L’OpenResearch Intelligence Index mesure autre chose qu’un savoir : la capacité à conduire une recherche entière, de la bibliographie au post-entraînement. Les modèles fermés y dominent nettement, mais l’écart de coût compte autant que l’écart de score : GPT-6.1 Sol obtient 0,549 pour 3,83 dollars par tentative quand GPT-6 Astra en coûte 22,44 pour 0,566, et DeepSeek V4.1 Flash, à 0,72 dollar par tentative sur l’index, approche GPT-6 Astra sur la piste bibliographique quand il dispose des outils d’OpenResearch. Le détecteur d’empirischtech rappelle la limite de l’exercice : passé de la 27e à la 5e place sur RAID, il ne repère plus que 58,7 % des textes IA de son propre jeu de test, contre 97,8 % pour le détecteur généraliste dont part son affinage. Un classement mesure ce que contient son banc, rien de plus.
Inkling 2 Mini montre la vitesse à laquelle circule désormais un modèle à poids ouverts : dans les vingt-quatre heures, il entre dans Transformers, tourne à 210 tokens par seconde sur un Mac Studio et perd ses refus dans une version débridée qui n’a modifié que 20 tenseurs. La même ouverture qui permet de porter un modèle sur un poste de travail en un jour permet d’en retirer les refus le jour même. La science ouverte, elle, avance par ses données et ses outils : Meta porte à 25 000 heures l’objectif de collecte de données cérébrales partagées, et Diffusers montre qu’une recette d’affinage pensée pour les images s’applique au design de protéines.
Côté plateformes de code, la journée parle de gouvernance plus que de génération. Replit Tunnels choisit les services privés qu’un espace de travail peut atteindre, Devin décide qui voit et qui commande chaque session, v0 plafonne la dépense de chaque membre, et Claude Code applique les réglages d’une organisation gérée dans la console Enterprise d’Anthropic. Les agents gagnent en autonomie, avec des tâches planifiées qui tournent jusqu’à 30 jours dans Claude Code, mais les garde-fous suivent : approbation exigée pour les rm les plus risqués, et hooks capables de bloquer une action en cas d’échec dans les préversions de Codex CLI.
Sources
- Déclaration des communautés Lean et Mathlib sur la preuve de l’hypothèse de Riemann
- Note de Levent Alpöge sur alphaXiv
- Scientific American : la confirmation de mathématiciens indépendants
- Synthèse technique de la vérification (MIT)
- Jauge de la positivité de Weil (VIDRAFT)
- Space de la jauge de Weil (Hugging Face)
- @askalphaxiv sur X : l’OpenResearch Intelligence Index
- Billet d’alphaXiv sur l’OpenResearch Intelligence Index
- @togethercompute sur X : les modèles ouverts à l’épreuve
- Billet d’empirischtech sur RAID (Hugging Face)
- Bilan du sommet Open Source AI for Science (Meta)
- @AIatMeta sur X : le sommet scientifique
- @RisingSayak sur X : RFD4-Proteina dans Diffusers
- Transformers v5.24.0
- @exolabs sur X : Inkling 2 Mini sur Mac
- @exolabs sur X : de 30 à 210 tokens par seconde
- @julien_c sur X : l’IA locale et open source
- Inkling 2 Mini débridé (OpenUncensored)
- Tunnels (Replit)
- Set up Tunnels (documentation Replit)
- Notes de version Devin du 20 novembre
- Notes de version Devin du 19 novembre
- Notes de version Devin du 18 novembre
- Notes de version Devin du 17 novembre
- Changelog de v0 : Spend Caps
- Claude Code v2.1.330
- Changelog d’Antigravity
- Copilot CLI 1.0.115-4
- Copilot SDK 2.0.2-preview.2
- Qwen Code v0.28.3
- Codex CLI 0.173.0-alpha.4
- Puck in the Car (Amp)
- Qwen4 Max sur Together AI
- How I stay in the flow with Ultrafast (OpenAI)
- @victormustar sur X : le fil d’accueil de Hugging Face
- Act-or-Ask (Hugging Face)
- KITScenes Multimodal dans FiftyOne (Hugging Face)
- Connected Apps pour les courses (Google)
- @bot sur X : Grok Bot et QuickBooks
- Fundación Televisa et ElevenAgents (ElevenLabs)
- @Kling_ai sur X : Kling Image 4.0
- Permissions des avis de sécurité (changelog GitHub)