Le New York Times propose cinq tâches, comme postuler à un emploi ou décrocher une table dans un restaurant très demandé, où des agents tels que Muse, de Meta, et dots, d'OpenAI, peuvent faire leurs preuves.
Anthropic invite les entreprises à envisager de regrouper leurs sous-agents en un agent unique qui charge le contexte à la demande. Dans une comparaison, cette architecture s'est montrée environ deux fois plus rapide ; un kit de migration est disponible sur GitHub.
Pour les auteurs d'OpenMobile-2, un agent pour smartphone progresse moins en traitant davantage de données qu'en s'entraînant sur une grande variété d'applications. Ils ont créé un environnement ouvert de plus de 110 applis, dont 35 répliques d'applis populaires, et leur modèle obtiendrait le meilleur score des agents ouverts sur de vrais appareils Android.
Microsoft Research publie Agensh, un cadre multi-agents sans orchestrateur central : des agents autonomes s'organisent seuls autour d'un dépôt Git, d'une messagerie et d'un tableau de résultats partagés. Sur ProgramBench, avec six heures de budget, il passe d'un seul agent à 1 024.
Cognition lance Devin Vulnerability Fixes, trois skills d'agent sous licence MIT qui recensent, corrigent et testent les déploiements PHP, Node.js et GitLab auto-hébergés touchés par les failles critiques d'exécution de code à distance révélées cette semaine. Le plugin ouvre ensuite une pull request par dépôt.
Nanbeige LLM Lab publie Nanbeige4.3-33B, un modèle dense de 33 milliards de paramètres sous licence Apache 2.0, doté d'une fenêtre de contexte de 512 000 jetons. Il obtient 80,9 sur Terminal-Bench 2.1 et servira à entraîner le futur Nanbeige4.3-3B.