OpenAI a lancé un aperçu limité de la série GPT-5.6, introduisant trois nouveaux modèles : Sol comme modèle phare, Terra pour un équilibre dans le travail quotidien, et Luna pour des tâches rapides et abordables. L'entreprise prévoit de rendre ces modèles disponibles au grand public dans les prochaines semaines après cette phase initiale avec des partenaires de confiance.
La version b9817 de llama.cpp met à jour le backend OpenVINO vers la version 2026.2.1 et rend ses packages de release autonomes. Cette mise à jour inclut plusieurs améliorations d'opérateurs au sein du backend OpenVINO, telles que la suppression des ensembles compute_op_type codés en dur et l'activation de softmax avec entrée sink.
La version b9813 de llama.cpp introduit le support Vulkan pour le matériel Intel Xe-LPG Plus en ajoutant l'énumération d'architecture INTEL_XE1 et en activant coopmat1. Cette mise à jour traite les commentaires de code précédents, renomme l'identifiant d'architecture et inclut une vérification des pilotes Windows.
Le projet llama.cpp a publié la version b9814, qui inclut une optimisation de l'opération `mul_mat_vecq` dans Vulkan ciblant spécifiquement le GPU AMD mi50. Cette mise à jour est accompagnée d'un ensemble complet de binaires précompilés pour plusieurs systèmes d'exploitation et architectures matérielles.
Le SDK Python du protocole Model Context Protocol (MCP) a publié sa troisième version alpha, v2.0.0a3, introduisant des changements significatifs au niveau du protocole et de l'architecture tout en maintenant la compatibilité ascendante pour les utilisateurs stables de la série 1.x.
Le projet llama.cpp a publié la version b9811, qui inclut une correction pour un bug du compilateur affectant le chemin conv2d coopmat2 dans Vulkan. Ce contournement est également appliqué à l'implémentation CONV_3D sur la base des suggestions de l'ingénieur NVIDIA Jeff Bolz.
Le projet llama.cpp a publié la version b9810, introduisant un mappage CUDA pour `cublasSgemmBatched` dans les en-têtes fournisseurs HIP/MUSA. Cette mise à jour est accompagnée d'un ensemble complet de binaires préconstruits pour les plateformes macOS, Linux, Windows, Android et openEuler.
Le SDK Python du Model Context Protocol a publié la version 1.28.1, introduisant des mises à jour sur la gestion des flux et la sécurité du transport.
La version b9804 de llama.cpp introduit une correction pour l'architecture Mamba2 en supprimant un facteur d'expansion codé en dur de 2x et une vérification de paramètre invalide, permettant ainsi le support de n'importe quelle valeur d'expansion. Cette modification met à jour le script `convert_hf_to_gguf.py` pour rendre le paramètre expand optionnel avec une valeur par défaut de 2.
Le projet llama.cpp a publié la version b9803, qui inclut une correction pour OpenCL afin de vider les lots de profilage à l'arrêt pour les lots incomplets. Cette mise à jour fournit des binaires pour macOS, Linux, Windows, Android et openEuler sur divers backends matériels.
Le projet llama.cpp a publié la version b9802, offrant des binaires préconstruits sur plusieurs systèmes d'exploitation et architectures matérielles. Cette mise à jour inclut le support du CPU, du GPU et des accélérateurs IA spécialisés sur des plateformes telles que macOS, Linux, Windows, Android et openEuler.
L'article annonce la sortie de la version 0.5.14.
La version 2.1.193 de Claude Code introduit plusieurs améliorations pour la classification en mode automatique, l'enregistrement des télémétries et la gestion des agents en arrière-plan. Cette mise à jour inclut également des correctifs pour les problèmes d'état de l'interface utilisateur, la gestion de l'authentification dans les serveurs MCP et divers bugs liés au fonctionnement en arrière-plan.
Cet article décrit une méthode pour automatiser la maintenance des forks logiciels à l'aide d'agents de codage par IA, en l'appliquant au fork de Cohere de vLLM. L'approche réduit le temps nécessaire pour absorber les versions amont de plusieurs semaines à quelques jours en remplaçant l'intervention manuelle par une boucle de rétroaction automatisée.
Les chercheurs ont développé les Tests Causaux Génératifs (GCT), un cadre qui traduit des modèles de prédiction cérébrale basés sur des LLM non interprétables en hypothèses verbales concises et testables sur la fonction corticale. Cette méthode condense les paramètres du modèle en courtes phrases décrivant à quoi répondent des régions cérébrales spécifiques, comme la « préparation alimentaire », puis vérifie ces explications par le biais d'expériences IRMf ciblées.
Google Finance quitte officiellement sa phase de bêta et lance une application dédiée pour les appareils Android.
Cette version candidate corrige la fonctionnalité Prefill/Decode (P/D) en conjonction avec le superviseur de parallélisme des données (DP) au sein du projet vLLM.
Cohere a développé un agent de sécurité en utilisant sa plateforme d'IA entreprise, Cohere North, intégrée à la plateforme de sécurité cloud Wiz via un serveur Model Context Protocol (MCP) personnalisé. Cette architecture relie North à l'API GraphQL de Wiz via huit outils atomiques, permettant des workflows de réponse aux incidents automatisés à partir d'une seule invite. Le système effectue une analyse du rayon d'explosion des combinaisons toxiques en évaluant les chaînes d'attaque et en classant les risques en fonction de l'exposition internet et des niveaux de privilège en environ 20 secondes. Il automatise également l'enquête de bout en bout en récupérant les détails des problèmes, en créant des tickets Linear, en mettant à jour le statut de Wiz et en rédigeant des rapports structurés de réponse aux incidents. De plus, une automatisation hebdomadaire planifiée génère un bref sur la posture de sécurité chaque lundi matin sans intervention manuelle. Cette intégration élimine la boucle de tri précédente de 30 minutes à deux heures par découverte, permettant aux ingénieurs de se concentrer sur l'évaluation des analyses plutôt que sur les alertes brutes.
La version b9788 de llama.cpp introduit le support de la parallélisation tensorielle via l'indicateur --split-mode tensor dans le backend SYCL. Cette implémentation permet la communication entre deux GPU en ajoutant les fonctions comm_init, comm_free et comm_allreduce_tensor au meta-backend. Pour deux appareils, elle utilise une stratégie d'all-reduce en anneau qui bascule entre memcpy direct FP32 pour les petits tenseurs et la compression BF16 pour les plus grands. Le code évite OneCCL en raison de sa limitation à un seul appareil par processus, utilisant plutôt des tampons persistants pour maintenir les invariants du pool SYCL. Les tests de performance sur deux GPU Intel Arc Pro B70 montrent des accélérations significatives par rapport au mode layer pour les modèles Llama-3.3-70B et Qwen3-Coder-Next-80B-A3B. La mise à jour inclut de nouveaux binaires pour macOS, Linux, Windows, Android et openEuler sur les cibles CPU, CUDA, ROCm, Vulkan et SYCL.
Le projet llama.cpp a publié la version b9789, qui inclut une correction critique pour la quantification des modèles Mixture of Experts (MoE) avec prédiction multi-jeton. Cette mise à jour résout les problèmes identifiés dans la pull request #24986 afin de garantir un traitement approprié de ces architectures de modèles spécifiques. La version fournit des binaires préconstruits pour macOS Apple Silicon et Intel, ainsi qu'un iOS XCFramework. Les utilisateurs Linux peuvent télécharger des builds pour Ubuntu sur les backends CPU, Vulkan, ROCm 7.2, OpenVINO et SYCL. Le support Windows inclut les variantes CPU, CUDA 12.4 et 13.3, Vulkan, OpenVINO, SYCL et HIP. Des plateformes supplémentaires telles que Android arm64 et openEuler sont également prises en charge avec des configurations matérielles spécifiques.