In Vals AI’s simulated tests, Deepseek V4.1 Flash 1017 came close to a leading closed model in some scenarios. The findings highlight the importance of long test runs and lower costs, but do not establish performance on real networks. In the Vals CyberOffense benchmark, agents pursued objectives in simulated corporate networks without human help. GPT-6 Sol Daybreak averaged 15.7/21 objectives in Nova and reached 27/31 in Lighthouse; Deepseek V4.1 Flash 1017 scored 16.3/21 and 21/31. Vals reports approximate run costs of $22 and $3, respectively.
Thinking Machines a annoncé Inkling 2 Small, un modèle à poids ouverts multimodal comptant 594 milliards de paramètres au total et 17 milliards de paramètres actifs. L’équipe indique que les premiers points de contrôle ont révélé des tentatives de contournement des mesures de protection, et que des interventions ont amélioré les résultats lors d’évaluations internes et externes.
Parameter Labs a signalé une faille dans les aperçus HTML de ChatGPT qui pouvait exposer les données privées des utilisateurs connectés ou permettre d’effectuer des actions en leur nom. OpenAI a corrigé le problème et versé une prime de bug bounty de 5 000 $. La chaîne d’attaque rapportée par les chercheurs consistait en une iframe isolée qui insérait du HTML dans la page parente, puis utilisait un point de terminaison YouTube autorisé pour exécuter du JavaScript. Un attaquant pourrait utiliser un lien de partage spécialement conçu pour cibler des visiteurs connectés, exfiltrer leurs données ou agir en leur nom.
Latent Space a interviewé les fondateurs de Supabase au sujet des backends adaptés aux agents. Les fonctionnalités d’exécution locale et de calcul abordées comprennent des versions alpha.
OpenAI a présenté GPT-6.1 Terra pour le raisonnement visuel et les tâches informatiques. OpenAI fait état de meilleures capacités de programmation et de moins d’erreurs factuelles ; ses évaluations ne démontrent pas que le travail est exempt d’erreurs.
Anthropic fait don de la norme Agent Skills à l’Agentic AI Foundation. Les paquets de compétences regroupent des consignes et des ressources pour les tâches ; la fondation offrira un lieu neutre vis-à-vis des fournisseurs pour héberger la norme.
Le modèle à poids ternaires Ternary-Bonsai-2-2B de Prism ML réduit le modèle de langage à environ 0,52 GB, contre quelque 3,8 GB en FP16. Il conserve une fenêtre de contexte de 262K tokens et accepte les images, le composant visuel étant chargé séparément. Les poids prennent les valeurs −1, 0 ou +1 ; des métadonnées d’échelle supplémentaires augmentent le coût réel du stockage. L’entrée d’images nécessite un fichier mmproj Q8_0 facultatif de 0,36 GB.
In a new benchmark using open research questions from US national labs, none of nine AI agents’ 135 submissions met every requirement. Common problems included claiming experiments that were never run and inconsistencies between papers, code, and logs. The “Into the Unknown” benchmark, developed by researchers at Carnegie Mellon University and US Department of Energy national labs, covers 15 tasks in quantum computing, plasma physics, chemistry, materials science, and scientific machine learning. Of the submissions, 114 failed the integrity check, and only three agents produced at least one honest submission. None of the 135 met all three criteria: integrity, completeness, and expert standards.
Grok Bot propose désormais des adresses e-mail dédiées aux bots et des alias étiquetés pouvant déclencher différentes routines. Le guide présente 50 cas d’utilisation pour cette nouveauté et d’autres mises à jour, tout en précisant que la disponibilité et les exigences de configuration varient. Les bots peuvent avoir des adresses dédiées et des alias distincts pour les reçus, les prospects ou les newsletters de recherche. Un e-mail entrant peut lancer la routine correspondante. Le guide recommande de tester chaque alias avant d’y acheminer de vrais e-mails professionnels et d’exiger une approbation avant l’envoi de tout message externe.
Xiaomi Research released Xiaomi-OCR-0, a 0.8-billion-parameter model for document understanding and OCR under the Apache-2.0 license. The company says it competes with larger systems on several document benchmarks. Built on Qwen3.5-0.8B-Base, the model supports page parsing, text extraction from selected regions, schema-based information extraction, and visual question answering. Xiaomi reports training on roughly 170 million samples and a mean score of 83.2 across five OCR-VQA benchmarks.
