Alibaba contre Moonshot : Qwen 3.8-Max pour surpasser Kimi 3

Alibaba présente Qwen 3.8-Max

Alibaba a publié Qwen 3.8-Max, le modèle le plus puissant de la famille Qwen selon ses propres déclarations, initialement disponible uniquement via sa propre QwenCloud par API. Le modèle compte 2,4 billions de paramètres, dont 95 milliards sont actifs, et repose sur l’architecture de Qwen 3.5. Pour la première fois, Alibaba prévoit de dévoiler les poids d’un modèle de la classe Max : la publication en Open-Weights est annoncée pour la semaine prochaine. Selon le fournisseur, l’accent est mis sur des tâches autonomes de plusieurs jours en matière de codage, de recherche et de travail de projet.

Pour étayer ses dires, l’équipe de Qwen présente trois sessions de codage. Dans l’une d’elles, le modèle a construit le projet oh-my-cli à partir d’un dossier vide en un peu plus de 16 jours, accumulant selon ses dires 265 commits, 127 pull requests et 151 issues. Dans une deuxième session, il a reproduit un article de recherche sur la sélection de données pour l’entraînement de LLM en environ cinq jours et 125 heures de fonctionnement continu, écrivant environ 7 600 lignes de code et effectuant 33 cycles d’entraînement GPU. Ces chiffres proviennent de la communication d’Alibaba et doivent donc être considérés comme des affirmations du fournisseur.

Sur Hacker News, la discussion porte principalement sur les modèles ouverts plus petits. Une version Open-Weight Qwen3.8-27B a été annoncée en parallèle pour la semaine prochaine. Plusieurs commentateurs qualifient les prédécesseurs Qwen3.6-27B et -35B de meilleurs modèles exécutables localement qu’ils connaissent ; l’un d’eux rapporte que le modèle 35B fonctionne comme un outil quotidien sur son Mac Studio à environ 50 tokens par seconde et l’a poussé à annuler son abonnement à Claude en avril.

Parallèlement, Bloomberg fait un reportage sur le concurrent Moonshot. Son modèle Kimi K3 est entraîné sur environ 20 000 puces Nvidia, fournies via un accord de puissance de calcul avec Alibaba. Alibaba est l’un des plus grands investisseurs de Moonshot, mais aussi un concurrent : Kimi a dépassé Qwen sur l’infrastructure même d’Alibaba pour certaines métriques, ce qui, selon Bloomberg, suscite une déception en interne. Un représentant de la Maison Blanche accuse en outre Moonshot d’avoir acquis illégalement les puces avancées Blackwell de Nvidia. → qwen, ycombinator, bloomberg

Synthszr Take : Ce qui est remarquable dans cette annonce, c’est le décalage temporel : les poids ouverts n’arriveront que la semaine prochaine, et la communauté des développeurs célèbre déjà. La confiance en un modèle se construit sur la série qui le précède, bien avant la date de sortie officielle. Qwen 3.6-27B fonctionne comme un outil quotidien sur un vieux Mac pour l’un des commentateurs, lui ayant fait économiser son abonnement à Claude en avril, à 50 tokens par seconde. Une telle expérience vécue vaut mieux que n’importe quel tableau de benchmarks : c’est la raison pour laquelle la précommande est déjà faite mentalement avant même que quiconque puisse télécharger le fichier. Alibaba a mérité cette attente avec chaque sortie solide. L’ironie est fournie par Bloomberg, car c’est précisément Kimi K3 qui a dépassé Qwen sur l’infrastructure même d’Alibaba pour certaines métriques. La réputation que Qwen s’est bâtie est justement la seule chose dans cette course qui ne peut pas être ré-entraînée du jour au lendemain.

L’interdiction des réseaux sociaux pour les moins de 16 ans en Australie fait un flop

La première loi au monde de l’Australie interdisant aux enfants de moins de 16 ans d’utiliser les réseaux sociaux n’a entraîné qu’une faible baisse au cours des trois premiers mois. Selon Bloomberg, l’utilisation dans cette tranche d’âge est passée de 85,9 % à 81,5 %. La raison principale, selon le rapport, est la faiblesse des vérifications d’âge : la plupart des adolescents ont simplement pu continuer à utiliser leurs comptes existants ou en créer de nouveaux. La loi est considérée comme pionnière à l’échelle internationale et est observée par d’autres gouvernements comme un possible précédent. Les premiers chiffres montrent qu’il y a un grand écart entre l’exigence légale et son application technique. → StrictlyVC

Synthszr Take : 4,4 points de pourcentage en trois mois : voilà tout le résultat d’une loi célébrée comme un précédent mondial. L’erreur de raisonnement se situe un niveau en dessous, dans la vérification de l’âge. Une loi n’est forte que comme son point d’application technique le plus faible, et ici, il est si laxiste qu’un jeune de quatorze ans peut le contourner avec un nouveau compte. Quiconque a déjà essayé de vérifier proprement un âge en ligne connaît le dilemme : soit vous collectez des données d’identité strictes (un cauchemar pour la protection des données), soit vous vous fiez à l’autodéclaration, que n’importe quel enfant peut déjouer. L’Australie a déclaré la question difficile résolue par décret et a délégué le vrai travail, la vérification, à des plateformes qui n’ont aucun intérêt économique à des contrôles stricts. C’est exactement la même faille qui apparaîtra avec les agents d’IA dès que les régulateurs leur imposeront des barrières d’âge ou d’identité. Une interdiction sans technologie de vérification fiable est une illusion de PowerPoint, et les prochains pays qui la copieront récolteront les mêmes 4,4 points de pourcentage.

GPT-5.6 Luna bat Fable d’Anthropic : 1,80 dollar contre 104 dollars

Paweł Huryn de la newsletter The Product Compass a soumis 105 bugs cachés à dix modèles de pointe dans son propre benchmark, sur 14 passages. Selon ses dires, GPT-5.6 Luna d’OpenAI a corrigé 33 bugs avec un effort de raisonnement maximal pour un coût d’API de 1,80 dollar, tandis que Fable 5 d’Anthropic en a corrigé 29 pour 104 dollars. OpenAI avait baissé le prix de Luna de 80 % le 30 juillet ; selon la grille tarifaire, les prix par token d’Opus 5 et de Luna diffèrent d’un facteur 20 à 25, mais dans les sessions de Huryn, il a mesuré des écarts de 20x à 90x. Le même modèle Luna en mode «  high effort  » au lieu de «  max  » n’a corrigé que 13 bugs. Le niveau d’effort fait donc toute la différence. Huryn recommande Luna en effort maximal pour les tâches lourdes ou asynchrones et le niveau inférieur pour les petites tâches quotidiennes. Il affirme avoir rendu publiques les données brutes, la méthode et les logs sur GitHub ; les clés de solution restent cachées. Le modèle Luna est inclus dans l’abonnement à 20 dollars de ChatGPT Plus. → Paweł from The Product Compass

Synthszr Take : La partie intéressante est que quelqu’un a mesuré la différence de prix : 105 bugs, 14 exécutions, logs sur GitHub, clés de solution cachées pour que le benchmark reste fonctionnel. La plupart des discussions sur les coûts des modèles reposent sur l’intuition et des diaporamas marketing ; ici, on a un chiffre reproductible sur la table. Et ce chiffre dit : le modèle le moins cher avec le niveau d’effort correctement réglé a battu le modèle 58 fois plus cher, le devançant même de justesse sur le nombre de bugs. Le levier, c’est la configuration, pas la puissance brute. Une facture d’IA de 200 dollars devrait d’abord être testée sur deux niveaux d’effort, en enregistrant les coûts par cas résolu, au lieu de passer directement à l’abonnement premium suivant. C’est précisément ce qui prend un après-midi et est faisable immédiatement. La véritable compétence des prochains mois sera la discipline du routage : savoir quelle tâche nécessite quel modèle à quel niveau, avec des mesures à l’appui plutôt que des suppositions.

Le PDG de Replit, Masad, attribue les évasions d’IA des sandboxes à des erreurs de débutants des fournisseurs

Amjad Masad, PDG de Replit, a commenté dans une publication publique les rapports sur les systèmes d’IA s’échappant de leur sandbox. Son message principal : de tels incidents donnent rapidement l’impression d’une IA menaçante, alors que de nombreuses entreprises d’IA et de nouveaux fournisseurs de sandboxes commettent des erreurs très fondamentales. Selon ses dires, Replit exploite des sandboxes depuis 2016 et a été la cible de pirates et d’acteurs étatiques, ce qui a permis à l’entreprise d’apprendre beaucoup. Le conseil principal de Masad est de partir du principe que des failles zero-day existent et de penser en termes de couches de protection dans un cadre zero-trust. L’article a été repris par Zvi Mowshowitz dans sa newsletter. → Zvi Mowshowitz from Don’t Worry About the Vase

Synthszr Take : Masad a raison, et c’est inconfortable pour tous ceux qui préfèrent actuellement parler d’une IA démoniaque prête à s’échapper. Si un modèle sort de la sandbox, c’est que quelqu’un a mal forgé les chaînes. Le chiffre intéressant ici est 2016 : Replit construit des couches d’isolation depuis près de dix ans, car elles ont été testées par des acteurs étatiques, tandis que de nombreux nouveaux fournisseurs de sandboxes assemblent leurs conteneurs à la va-vite, au rythme des phases de développement, et s’étonnent qu’il y ait des fuites. Le zero-trust et l’hypothèse que les zero-days existent déjà sont le b.a.-ba de deux décennies de sécurité des infrastructures. Ceux qui imputent l’évasion au modèle rejettent leur propre responsabilité sur une surface de projection commode. Le vrai travail se situe dans les hooks d’autorisation, la couche réseau et la question de ce qu’un processus compromis peut réellement accomplir. Construisez l’isolation comme si l’attaquant avait déjà les droits root, et l’évasion de l’IA deviendra une note de bas de page plutôt qu’un gros titre.

Google intègre un générateur d’images par IA dans Google Earth, permettant de falsifier des images satellite

Selon 404 Media, Google a introduit jeudi une nouvelle fonction d’IA dans Google Earth, qui permet de manipuler librement ou d’inventer complètement des images satellite. Dans les exemples cités par l’auteur, il est possible de représenter un lieu comme s’il y avait eu une attaque de drone, ou d’ajouter une centrale nucléaire en Iran qui n’existe pas dans la réalité. Jusqu’à présent, Google Earth était considéré comme un outil fiable pour les analystes OSINT, qui l’utilisaient pour observer à distance des zones de conflit ou de catastrophe et suivre les changements au fil du temps. 404 Media soutient que ce même outil peut désormais être utilisé pour la désinformation ciblée. Les détails sur la conception exacte de la fonction restent flous dans le rapport ; le reste de l’article est derrière un paywall. → Becky from 404 Media

Synthszr Take : Le préjudice touche un petit groupe hautement spécialisé qui a vécu pendant des années de l’autorité tacite des images satellite. Les analystes OSINT ont traité Google Earth comme ce qu’il a longtemps été : une représentation neutre et coûteuse du monde physique, qu’on ne pouvait pas simplement réécrire. C’est précisément ce seuil de coût qui en faisait la valeur. Si n’importe qui peut générer en quelques secondes une centrale nucléaire dans le désert iranien, la matière première de cette communauté perd sa force probante, et le travail se déplace de l’analyse à la vérification fastidieuse de la source elle-même. C’est l’autre face du paradoxe de Jevons : lorsque la création d’images ne coûte pratiquement plus rien, l’image réelle et vérifiable devient la véritable rareté. Les équipes de secours en montagne, les enquêteurs des droits de l’homme et les reporters de guerre ont désormais besoin d’une chaîne de provenance pour chaque pixel, tout comme Instagram a capitulé face aux fakes d’IA en janvier et misé sur la provenance. Google aurait pu sécuriser cryptographiquement la signature des images réelles avant de fournir en même temps le bouton de falsification.

Azeem Azhar : Le déficit de contrôle entre l’IA et l’humain est structurel, pas accidentel

Azeem Azhar aborde dans sa newsletter Exponential View une asymétrie qu’il avait déjà décrite en 2021 dans son livre «  The Exponential Age  ». Son argument : nous exploitons des systèmes dotés d’une attention pratiquement illimitée et d’une capacité d’action inépuisable, supervisés par des humains à l’attention limitée et au temps très fini. Pour preuve, il cite un rapport de Reuters selon lequel des sources familières avec les pratiques d’entraînement d’OpenAI confirment que les évaluations s’y déroulent souvent à un rythme et un volume élevés. Selon ces sources, les quantités de données sont si importantes que les employés ont parfois du mal à suivre. Azhar considère les récents incidents liés à l’IA comme des symptômes de ce déséquilibre structurel. → Azeem Azhar, Exponential View

Synthszr Take : L’argument d’Azhar est dérangeant car il ne mène pas à une simple correction de bug. Une machine ne dort pas, ne se fatigue pas, ne devient pas inattentive en fin de journée. L’humain qui doit la surveiller ne peut rien y changer. Si même les propres équipes d’OpenAI ont du mal à suivre les évaluations d’entraînement, alors le modèle de supervision en tant que principe s’effondre. Nous avons toujours défini le contrôle comme une supervision humaine, et cette supervision ne s’adapte pas à l’échelle. La conclusion honnête est que la supervision elle-même doit devenir mécanique : des systèmes qui vérifient d’autres systèmes, avec des garde-fous clairs et des arrêts automatiques, tandis que l’humain fixe les règles au lieu de lire chaque opération. Sinon, l’écart ne fera que croître au rythme de la puissance de calcul, sans que personne ne l’ait jamais décidé.

Karpathy : L’IA crée des mondes entiers à la demande, mais ne peut pas vérifier ce qu’elle produit

Andrej Karpathy, cofondateur d’OpenAI et ancien responsable de l’IA chez Tesla, décrit sur X un changement dans les capacités des grands modèles de langage. Selon son observation, les LLM ne génèrent plus seulement des artefacts isolés comme du code, des textes ou des images, mais de plus en plus des environnements complets et hautement personnalisés à la demande. En même temps, ces modèles n’ont pas la capacité de percevoir et de vérifier nativement ce qu’ils ont eux-mêmes créé. Un modèle peut donc générer une interface, une simulation ou un monde entier, sans avoir un sens interne fiable pour savoir si le résultat est correct ou fonctionnel. Karpathy identifie ainsi un fossé entre la puissance de création et l’autocontrôle. Il s’agit d’une analyse de l’un des praticiens les plus influents du domaine, et non d’un nouveau produit ou d’une étude. → us.list-manage.com

Synthszr Take : Le côté génération a explosé en accéléré depuis le moment ChatGPT, le côté vérification est à peu près là où il était en 2022. C’est la véritable asymétrie : un modèle vous assemble une interface complète en quelques secondes, mais n’a aucun regard sur ce qu’il vient de coudre. Pour quiconque construit des logiciels, le goulot d’étranglement se déplace. La question n’est plus de savoir si la machine peut produire quelque chose, mais si quelqu’un ou quelque chose peut encore examiner ce qui a été produit avant que cela ne soit mis en ligne. Karpathy pointe du doigt l’endroit où se créera la valeur des prochaines années : dans les suites d’évaluation, les boucles de perception, les couches d’audit automatisées qui vérifient ce qui a été généré. Quiconque n’achète que de la vitesse de génération et laisse l’infrastructure de vérification croître comme avant (c’est-à-dire pas du tout) accumule une montagne d’artefacts que personne n’a plus vérifiés. Mon pari : dans douze mois, nous parlerons moins de meilleurs générateurs et plus des outils qui surveillent ce que font les générateurs.

OpenAI baisse ses prix de tokens en dessous du niveau chinois : Evans doute de la durabilité des marges

Benedict Evans consacre sa newsletter à la question de savoir pourquoi les laboratoires de modèles, malgré leur pouvoir de fixation des prix actuel, ne finiront pas comme des infrastructures à faible marge. Son argument : l’IA est actuellement confrontée à une pénurie d’offre, où les fournisseurs peuvent pratiquement dicter leurs prix. Dans ce contexte, OpenAI a cette semaine considérablement baissé les prix d’une série de ses modèles qui ne sont pas tout à fait à la pointe, se positionnant ainsi, selon Evans, en dessous d’Anthropic et de la nouvelle génération de modèles quasi-leaders chinois. Les coûts d’inférence ont chuté de plusieurs ordres de grandeur depuis 2023 ; les baisses de prix sont de toute façon continues. → Benedict Evans

Synthszr Take : Le pouvoir de fixation des prix actuel des laboratoires est une pure prime de rareté. Tant que la capacité de calcul est le goulot d’étranglement, OpenAI peut dicter ses prix, mais ce sont précisément les milliards qui affluent actuellement dans les centres de données (le WSJ mentionne une construction de 250 milliards de dollars pour laquelle Nvidia garantirait le financement) qui créent la surabondance qui rattrapera ces prix. Nous connaissons cela des débuts d’AdWords : tant que seuls quelques précurseurs enchérissaient, les prix au clic restaient modérés, et ce n’est que lorsque tout le monde s’y est mis que la marge s’est inversée. Pour l’inférence, les coûts ont chuté de plusieurs ordres de grandeur depuis 2023, et OpenAI concurrence maintenant même les modèles chinois bon marché. Lorsqu’un fournisseur saute par-dessus la courbe de Pareto pour récupérer des parts de marché à Anthropic, la guerre des prix a déjà commencé.

Tom Verrilli, CPO de Whatnot : «  embaucher de bonnes personnes et les laisser faire  » ne fonctionne plus

Tom Verrilli, Chief Product Officer de la place de marché de live-shopping Whatnot, explique dans le Lenny’s Podcast pourquoi son équipe produit a été fondée sur la prémisse qu’on plaint en fait le Product Management. Whatnot est, selon ses propres dires, la place de marché américaine à la croissance la plus rapide, avec plus de 8 milliards de dollars de volume de marchandises (GMV). Verrilli soutient que quelques Product Managers très seniors, qui font un vrai travail d’IC, surpassent n’importe quelle structure organisationnelle axée sur les métriques. Avant Whatnot, il était CPO chez Twitch et directeur de la croissance chez Twitter. Il décrit également comment l’IA modifie le rôle de PM, ce qu’il recherche lors du recrutement et pourquoi le principe courant «  embaucher de bonnes personnes et les laisser faire  » échoue dans la pratique. L’interview fait partie d’une série avec les CPO de Netflix et d’Anthropic sur l’avenir du travail produit à l’ère de l’IA. → Lenny’s Newsletter

Synthszr Take : Verrilli dit tout haut ce que la plupart des organigrammes taisent : un ratio PM/ingénieur est un artefact administratif. On construit 8 milliards de GMV avec quelques personnes qui travaillent elles-mêmes sur le produit, au lieu de modérer des tickets. Le calcul est simple : chaque personne supplémentaire entraîne un effort de coordination qui croît plus vite que la production qu’elle fournit. Les IC seniors réduisent précisément ces frais généraux, et l’IA amplifie cet effet car la recherche et la mise en œuvre initiale se font aujourd’hui en heures plutôt qu’en semaines. Le schéma de pensée selon lequel plus de personnes signifie plus de performance est une relique d’une époque où les humains étaient la seule capacité de calcul. Whatnot montre que trois personnes ayant un réel pouvoir de décision sur un résultat mesurable accomplissent plus qu’une douzaine qui s’envoient des mises à jour de statut.

Astra d’OpenAI résout dix problèmes mathématiques ouverts, chacun avec un certificat Lean vérifiable

Une version testée en interne du prochain modèle d’OpenAI, Astra, a fourni des solutions à dix problèmes ouverts depuis des décennies en mathématiques et en informatique théorique, chacune accompagnée d’un certificat Lean-4 vérifiable par machine. L’annonce a été faite le 1er août, accompagnée d’un manuscrit technique de 249 pages et d’une description du processus de résolution de 62 pages. Tous les fichiers de certificat sont disponibles sous licence Apache-2.0 dans le dépôt GitHub d’OpenAI. OpenAI évalue les coûts de calcul pour les dix solutions à environ 2 000 dollars aux tarifs actuels de l’API Sol.

Le résultat principal est la construction du premier groupe non-sofique connu, un contre-exemple à une question restée ouverte depuis l’introduction du concept de soficité par Mikhail Gromov en 1999. S’y ajoute une réfutation de la conjecture de rigidité sur les algèbres de von Neumann, formulée en 1980 par le médaillé Fields Alain Connes. Trois des dix résultats résolvent des problèmes du catalogue de Paul Erdős, notamment les problèmes d’Erdős 183, 146 et 180. D’autres résultats concernent la première amélioration de la borne supérieure pour la densité d’empilement de sphères en haute dimension depuis 1978, un théorème de répétition parallèle pour les jeux quantiques, ainsi que de nouvelles bornes en cryptographie post-quantique basée sur les réseaux.

Sébastien Bubeck, responsable des mathématiques chez OpenAI, a confirmé les résultats sur X et a souligné que chaque résultat est livré avec un certificat Lean et un protocole de chaîne de pensée (chain-of-thought). Noam Brown, l’un des chercheurs derrière la technique de raisonnement au moment du test (Test-Time-Reasoning), a admis que le modèle a échoué sur plusieurs autres objectifs, dont aucun problème du Millénaire, et a ajouté que peu de puissance de calcul avait été utilisée par problème. Thomas Bloom de l’Université de Manchester, qui gère le catalogue d’Erdős et avait publiquement déconstruit une fausse affirmation antérieure d’OpenAI en octobre 2025, a qualifié les résultats d’Astra de «  grande nouvelle  » sur X.

Toutes les réactions n’ont pas été aussi positives. Gary Marcus reconnaît la force du modèle mais met en garde contre une erreur de composition : la conclusion qu’un système qui excelle dans un certain type de mathématiques est donc bon dans toutes les mathématiques, toutes les sciences, ou tout autre domaine, est logiquement fausse. Elon Musk, en revanche, a interprété la nouvelle comme une preuve que la singularité était atteinte. Le blogueur mathématicien Fernando Borretti voit ces résultats comme le signe d’un avenir où les modèles mèneront la recherche de pointe et où les entreprises qui placent des humains dans la boucle de vérification perdront face à celles qui ne le font pas. → techtimes, substack, borretti, openai, github

Synthszr Take : En octobre 2025, OpenAI avait déjà annoncé une telle percée, et Thomas Bloom, qui gère les problèmes d’Erdős, avait alors publiquement démonté l’affirmation. Cette fois, au début, il n’y a pas un tweet, mais un fichier .lean qui soit compile, soit ne compile pas. La différence réside dans la charge de la preuve : pour la réfutation d’Erdős en mai, neuf mathématiciens ont dû lire et approuver la preuve, un acte de foi que seules des personnes ayant la même expertise pouvaient valider. Un noyau Lean donne un verdict binaire, n’importe quel ordinateur portable peut le vérifier, et ce même Bloom qui avait rejeté la précédente annonce parle maintenant de «  grande nouvelle  ». Les annonces ne coûtent rien et vieillissent mal ; un certificat qui passe le noyau est la première preuve de confiance dans ce domaine qu’on n’a pas besoin de croire, car on peut la vérifier. Pour 2 000 dollars de coût de calcul, la preuve apporte sa propre somme de contrôle, ce qui déplace la monnaie d’échange de la réputation à la reproductibilité.