Aller au contenu

Formes de contenu

Mise à jour produit Dernières actualités

Nouveautés fonctionnelles, refontes et dynamique de monétisation des produits et applications — quels produits sont devenus plus performants, plus chers, utilisables.

415 sélections30 derniers jours 130 entréesTotal : 1 793 entrées

mise à jour

Archives de la sélection · page 10

1 octobrejeu.181–200 entrées
30 septembremer.
  1. Latent Space88

    OpenAI DevDay 2026 : Dots, GPT-6.1 Sol, Ultrafast, Decisions API et 1,2 milliard d'utilisateurs hebdomadaires de ChatGPT

    Lors du DevDay 2026, OpenAI a présenté Dots, des agents toujours actifs propulsés par GPT-6 Astra.

    Motif de la recommandation :Récapitulatif compact des annonces DevDay d'OpenAI et des évaluations indépendantes, utile pour situer les capacités et les prix des nouveaux modèles.

  2. AWS Machine Learning Blog78

    GPT-6.1 Sol disponible sur Amazon Bedrock pour le travail agentique

    GPT-6.1 Sol est désormais généralement disponible sur Amazon Bedrock, apportant un raisonnement renforcé pour le codage agentique.

    Motif de la recommandation :L'original détaille les gains de raisonnement agentique de GPT-6.1 Sol et les contrôles de sécurité proposés par Amazon Bedrock, ce qui aide à évaluer son adoption en production.

  3. Next (fr)88

    OpenAI dévoile Dots, Spaces, Codex et GPT-6.1 Sol au DevDay

    OpenAI a présenté lors des DevDay 2026 l'agent Dots, alimenté par GPT-6 Astra, qui accomplit des tâches pour l'utilisateur et surveille internet pour les compléter.

    Motif de la recommandation :Récapitulatif des annonces DevDay d'OpenAI, utile pour situer l'agent Dots, ChatGPT Spaces et les nouveaux tarifs dans l'écosystème actuel.

29 septembremar.
  1. Microsoft Research62

    Microsoft Research présente Quine, un système de recherche IA pour la biologie

    Microsoft Research présente Quine, un effort de recherche combinant un modèle mondial multimodal de biologie et un harnais interactif reliant modèles.

    Motif de la recommandation :Microsoft Research présente Quine, un modèle mondial multimodal de biologie couplé à un harnais, avec une validation en laboratoire humide sur le cancer du pancréas.

28 septembrelun.
  1. Hugging Face Blog62

    Hugging Face Hub accueille les environnements RL avec un filtre dédié et des tags de framework

    Hugging Face Hub ajoute un filtre RL Environments : un environnement RL est un dépôt de jeu de données portant le tag rl-environment.

    Motif de la recommandation :Hugging Face héberge les environnements RL comme jeux de données étiquetés, ce qui évite aux frameworks de maintenir leurs propres registres et rend les tâches publiées chargeables entre outils.

25 septembreven.
  1. GitHub Blog · AI & ML62

    GitHub Security Lab Taskflow Agent : un pipeline de fuzzing autonome pour les projets C/C++

    GitHub Security Lab publie le Fuzzing Taskflow, un pipeline de fuzzing autonome pour les projets C/C++ construit sur son framework Taskflow Agent. Il suffit d'indiquer un dépôt GitHub pour que l'agent identifie les points d'entrée, analyse le système de build, écrit les harnesses, lance AFL++, lit les rapports de couverture, améliore les harnesses, trie les crashs et rédige un rapport de vulnérabilité par bug unique. Le pipeline sépare les décisions de l'agent des outils MCP qui exécutent réellement les opérations, stocke l'état dans une base SQLite et utilise Claude Sonnet 5 par défaut. L'auteur prévient que le taskflow exécute afl-fuzz, clang et des commandes de build choisies par le LLM directement sur l'hôte, et recommande de ne le lancer que dans un environnement jetable sans privilèges élevés.

    Motif de la recommandation :Le pipeline détaille la répartition des tâches entre l'agent et les outils MCP, ainsi que la boucle de rétroaction sur la couverture, une méthode directement transposable à d'autres automatisations de sécurité.

24 septembrejeu.
22 septembremar.
21 septembrelun.
  1. Hugging Face Blog62

    Hugging Face publie tokenizers v1 : encodage 3 à 30 fois plus rapide que la v0.23

    Hugging Face annonce la release candidate de tokenizers v1, dont le chemin d'encodage est 3 à 30 fois plus rapide que la v0.23 sur un thread avec un Apple M4 Max.

    Motif de la recommandation :L'article détaille les changements d'implémentation de tokenizers v1 et fournit des benchmarks reproductibles, ce qui permet d'évaluer l'impact sur les pipelines d'entraînement et de service.

20 septembredim.