Veille Technologique
Ajout de la commande /team-onboarding et de la prise en charge du magasin de certificats CA du système d'exploitation pour les proxies TLS d'entreprise. Correction d'une vulnérabilité d'injection de commande dans le fallback POSIX which, de fuites mémoire, d'échecs d'authentification Bedrock SigV4, et de divers problèmes d'affichage de l'interface.
Ajout d'un assistant interactif de configuration Google Vertex AI, d'un nouvel outil Monitor pour le streaming d'événements, et d'un bac à sable pour les sous-processus avec isolation de namespace PID. Inclut également l'amélioration des contrôles de permission de l'outil Bash et des correctifs pour le backoff exponentiel des retries 429.
Claude Haiku 3 (claude-3-haiku-20240307) est déprécié et sera retiré le 19 avril 2026. Les développeurs doivent migrer vers Claude Haiku 4.5 avant cette date.
Claude Mythos Preview est désormais répertorié comme modèle de recherche distinct pour les workflows de cybersécurité défensive, dans le cadre du Projet Glasswing. L'accès est sur invitation uniquement, sans inscription en libre-service.
Des experts en sécurité avertissent que les nouvelles capacités de Claude Mythos abaissent la barrière pour les cyberattaques offensives, soulevant des inquiétudes malgré le cadrage « défense uniquement » adopté par Anthropic pour ce modèle.
Un développeur a créé un système où deux instances Claude (nommées Wren et Kite) collaborent via une mémoire partagée et une messagerie par fichiers, coordonnées par une extension Firefox sur un mini-PC bas de gamme.
Gary Marcus expose ce qu'il considère comme la percée architecturale ou méthodologique la plus significative en IA depuis le paradigme originel des LLM.
Un nouveau runtime permet aux LLM de générer de manière autonome leur propre flux de contrôle lors de l'inférence, brouillant la frontière entre sorties du modèle et logique d'exécution.
Together AI explore l'application des grands modèles de langage à l'optimisation des plans d'exécution de requêtes, avec des résultats prometteurs pour le tuning de performance en production.
Analyse comparative des techniques de quantification et LoRA pour le déploiement local de LLM, identifiant un écart de performance systématique d'environ 8 % par rapport aux modèles pleine précision en environnement de production.
Les tests d'intégration Rails gagnent des arguments nommés explicites query: et body:, résolvant une ambiguïté de longue date dans la gestion GET+JSON+params pour les applications API-only.
Amélioration des performances du subscriber de colorisation SQL dans ActiveRecord, plus suppression d'un contournement de bug Ruby 3.2.0 dans ActiveModel::Type::Helpers::TimeValue.
Erreurs de collecte