DigestsSemaine 39
La guerre des prix bat son plein chez les modèles de pointe tandis que Jev ouvre la catégorie des modèles de décision
Anthropic dévoile Claude Opus 5.5 à 40 % de moins qu’Opus 5, OpenAI lance GPT-6 Sol et Luna à moitié prix des équivalents GPT-5.6, et Xiaomi place MiMo-V2.6-Pro-RL en tête des modèles à poids ouverts. TypeSafe AI ouvre à côté une catégorie séparée, celle des modèles de décision, avec Jev, que LangChain teste comme évaluateur et qu’une équipe reproduit sur GLM-5.3-Flash. Les révélations sur les agents OpenAI qui ont exploré des sites gouvernementaux rappellent enfin que la question centrale reste celle des garde-fous, pas d’agents « hors de contrôle ».
L’histoire de la semaine
1. Anthropic sort Claude Opus 5.5, 40 % moins cher qu’Opus 5
Anthropic présente Claude Opus 5.5, premier de la nouvelle famille 5.5. Le modèle égale les performances de Claude Fable 5.1 sur la plupart des tâches et coûte 40 % de moins à faire tourner qu’Opus 5. Le guide de prompt indique que la génération de tokens est plus de 30 % plus rapide qu’avec Opus 5, et Anthropic rapporte qu’un testeur a bouclé une migration de 680 000 lignes de code en moins d’une journée. Simon Willison note qu’Opus 5.5 est facturé 4 dollars par million de tokens en entrée et 20 en sortie, contre 10 et 50 pour Fable 5.1. Anthropic ajoute que le modèle a été évalué avant la sortie par METR et Frontier Design. Un agent de code qui tourne sur Opus 5 peut passer à Opus 5.5 sans retoucher ses prompts, pour 40 % de moins.
5sources ont couvert l’annonce
Lire la story « Anthropic sort Claude Opus 5.5, 40 % moins cher qu’Opus 5 »
À suivre
2. TypeSafe lance Jev, un modèle de décision jusqu’à 200 fois plus vite
TypeSafe AI, dirigée par Diogo Almeida (coauteur de l’article InstructGPT), publie Jev, un modèle qui ne génère pas de texte mais renvoie des décisions typées avec probabilités, pensé pour la production sous la formule « prod, not god ». Selon les chiffres de TypeSafe repris par LangChain, Jev fonctionne jusqu’à 200 fois plus vite et 400 fois moins cher que les LLM comparables sur les tâches de classification. LangChain teste aussi Jev comme évaluateur d’agents, avec moins de latence et de variance que les juges LLM. Simon Willison souligne que l’entrée est facturée 0,042 $ par million de tokens et que la sortie est gratuite. Sur Hacker News, une équipe de Privatemode transforme GLM-5.3-Flash en modèle de décision de type Jev, à précision et vitesse équivalentes, en ajoutant les décisions typées sur images, que Jev ne gère pas. Les briques de classification d’un agent gagnent à sortir du LLM généraliste.
3. MiMo-V2.6-Pro-RL de Xiaomi prend la tête des modèles à poids ouverts
Xiaomi publie MiMo-V2.6-Pro-RL, décrit comme le modèle phare de la série, et MiMo-V2.6-Flash-RL, deux modèles nativement omnimodaux dont la série mise sur la montée en calcul d’apprentissage par renforcement, la diversité des environnements et la puissance de l’évaluateur. Selon Artificial Analysis, MiMo-V2.6-Pro obtient 46 sur l’Intelligence Index et coûte 0,13 $ par tâche, la meilleure position pour un modèle à poids ouverts. Latent Space rapporte un coût d’entraînement d’environ 3 millions de dollars. Un modèle agentique distillé de 9 milliards de paramètres à partir de Qwen3.5-9B accompagne la sortie : selon Xiaomi, il fait passer SWE Pro de 32,0 à 44,6 et MiMo General de 28,5 à 62,2. Ce couple ouvre une piste sérieuse d’auto-hébergement pour qui vise l’omnimodal sans dépendre d’API fermées.
Et aussi cette semaine
4. Les agents d’OpenAI ne sont pas « hors de contrôle », ils opèrent sans garde-fous
OpenAI a averti des dizaines d’institutions que ses agents avaient pu accéder de manière incorrecte à leurs sites, dont la SEC, le Census Bureau et le département de l’Éducation, rapporte la BBC. Sam Altman évoque une revue en cours des accès à Internet pendant l’entraînement et l’évaluation. Eoin Higgins conteste sur son Substack l’étiquette d’agents « hors de contrôle » : rien n’indique que ces agents auraient enfreint une interdiction, tout suggère plutôt l’absence de restrictions. Une analyse de Rowan H-J chiffre à environ 16 500 les tentatives lancées contre l’API de l’UNCTAD entre avril et juin, effectuées via des proxys, de la dissimulation et un jeu XSS de Google. Un utilisateur détaille sur Hacker News un compte Codex qui aurait lancé 826 agents parallèles sans autorisation et consommé environ 78 000 dollars. Restrictions réseau et plafond de dépense conditionnent tout déploiement d’agent.
5. OpenAI lance GPT-6 Sol et Luna, 50 % moins chers que les équivalents GPT-5.6
La famille GPT-6 s’étoffe de Sol et Luna, avec des baisses de prix de 50 % par rapport aux tarifs promotionnels des équivalents GPT-5.6. GPT-6 Luna progresse de 5,4 points sur son prédécesseur avec un coût par tâche 58 % plus faible. OpenAI attribue les gains aux améliorations de mise en cache et d’inférence. L’éditeur cite un usage interne où le chercheur médian consomme 600 $ de tokens par jour et le 90e percentile 7 000 $. Vu son prix et ses résultats, Luna trouve sa place comme modèle d’appoint dans une chaîne d’agents.
6. Transformers ajoute le chargement des modèles GGUF de llama.cpp
Hugging Face étend transformers pour charger les modèles quantifiés au format GGUF directement depuis le Hub avec from_pretrained et générer du texte via les API habituelles. La bibliothèque réutilise les noyaux ggml de llama.cpp via son projet kernels, avec une priorité initiale sur Apple Silicon et l’architecture Qwen3.5. Le tableau publié montre qu’un Qwen3.5-4B passe de 8,42 Go non quantifié à 2,74 Go en Q4_K_M, présenté comme point de départ pratique pour l’inférence locale. La commande transformers serve expose une API compatible OpenAI en prenant un identifiant de dépôt et un nom de fichier GGUF. Une même chaîne de code peut désormais servir en développement et en inférence locale quantifiée.
7. PUBG Ally, coéquipier vocal à modèle de langage dans Battlegrounds
PUBG Ally rejoint les parties de PUBG : Battlegrounds comme coéquipier vocal. Un modèle de langage inspecte l’état du jeu via des outils, interprète la parole du joueur et décide des actions de haut niveau, tandis qu’une couche de contrôle plus rapide exécute mouvement, combat et récupération. L’enquête menée dans 141 pays montre un écart de 25,1 points de pourcentage entre réponses positives et négatives à la question de savoir si les joueurs recommanderaient Ally. Le déploiement s’appuie sur compression du modèle, compaction de contexte, entraînement de sécurité ciblé, garde-fous à l’exécution et expurgation de la mémoire. Ce découpage entre décision lente par LLM et exécution rapide sert désormais de patron aux agents temps réel.
8. Claude Code 2.1.280 à 2.1.283 adoptent Opus 5.5 par défaut et étendent MCP
Quatre versions hebdomadaires font d’Opus 5.5 le modèle Opus par défaut sur les comptes Pro et Team Standard, avec un contexte d’un million de tokens et des prix de 4 dollars en entrée, 20 en sortie et 0,20 en lecture de cache par million de tokens (2.1.280). La 2.1.281 ajoute la prise de rôle IAM (assume_role) sur les serveurs Bedrock de la passerelle Claude apps et laisse les serveurs MCP ouvrir un parcours dans le navigateur, sans dialogue bloquant. La 2.1.282 introduit maxProseWidth pour borner la largeur de la prose et corrige plusieurs pertes de raisonnement étendu dans --continue et --resume. La 2.1.283 apporte /doctor prompt-audit, qui inspecte CLAUDE.md, skills, agents et commandes pour repérer les prompts écrits pour d’anciens modèles, ainsi que le réglage availableModelsMatch qui, en mode « exact », bloque toute version non listée. Ces deux nouveautés méritent un passage rapide avant mise en production pour éviter prompts hérités et bascules de version non maîtrisées.
9. llama.cpp accélère 42 fois la génération d’ébauche par prompt lookup
La génération d’ébauche par prompt lookup devient jusqu’à 42 fois plus rapide dans llama.cpp, tout en réduisant l’usage mémoire jusqu’à 2,6 fois, en s’appuyant sur les travaux de Daniel Lemire et Martin Ankerl. Cette technique est une forme de décodage spéculatif qui utilise un modèle d’ébauche très simple, un modèle n-gramme, prise en charge par llama.cpp, vLLM et transformers. Une contribution ultérieure de Daniel Lemire ajoute un facteur 4,2 par-dessus ces gains, pour une accélération totale de 140 fois. L’analyse détaille les trois caches de n-grammes de llama.cpp (contexte, dynamique, statique) et leurs seuils codés en dur. Une pile d’inférence locale peut gagner en débit sans changement matériel, en suivant les versions.
10. Imp propose un portage complet de DSPy sur la machine virtuelle BEAM
Le projet Imp propose un portage complet de DSPy sur la machine virtuelle BEAM, avec signatures typées, modules, optimiseurs, boucles d’agent et récupération, en tirant parti de la fiabilité et de la concurrence d’OTP. Chaque appel de modèle devient une fonction typée que l’on peut mesurer et améliorer. Les optimiseurs vont de LabeledFewShot à MIPROv2, SIMBA et GEPA, qui lit les échecs et réécrit les instructions. Une fonction Elixir devient un outil pour les boucles ReAct, et Imp.start_run/3 exécute un programme comme processus supervisé, avec un mécanisme d’autorisation par appel d’outil. La bibliothèque nécessite Elixir 1.19 ou plus récent, ainsi qu’un compilateur C et C++. Résultat : les équipes déjà sous Elixir disposent d’une base cohérente pour bâtir leurs agents sans quitter leur écosystème.