Epoch AI et Anthropic ont constaté chacun de leur côté que des modèles comme GPT-5.6 Sol et Claude Fable 5 savent mener des expériences, mais manquent d'esprit critique et de véritable créativité. Sol n'a atteint au mieux que 15 % du score de référence humain, avec des méthodes déjà connues.
Des dirigeants cités par TechCrunch estiment que l’IA vocale n’a pas encore connu sa percée décisive. Ils pointent les faiblesses de sa couche de contexte, qui peuvent faire échouer toute la chaîne.
Des chercheurs de Meta, du MIT et de l'université de Washington présentent les Context Language Models, capables de gérer et modifier leur propre contexte au lieu de s'appuyer sur des mécanismes figés de résumé, de compression ou de recherche. Ils font état de gains notables en performance et en efficacité de calcul.
Un modèle peut compter dix fois plus de paramètres qu'un autre sans mieux répondre. Clubic explique le rôle de ces coefficients, leur poids en mémoire et pourquoi ils renseignent moins qu'on ne le croit sur les capacités.
Selon Vals AI, les équipes d'agents ne font guère mieux qu'un agent seul, pour un coût jusqu'à 5,1 fois supérieur ; un seul test sur quatre avec GPT-6 Sol et Claude Opus 5.5 a montré un gain mesurable. Les données d'Anthropic confirment qu'au-delà de dix agents, la qualité stagne tandis que la facture en jetons grimpe.
À partir d'octobre 2026, arXiv plafonne les dépôts à deux par personne et par mois. Les soumissions mensuelles ont doublé en deux ans et ont été multipliées par plus de six en cs.AI, une poignée d'auteurs inondant les modérateurs bénévoles d'articles de faible qualité.