Mistral AI lance des agents distants dans Vibe et Mistral Medium 3.5 avec un score de 77,6 % sur SWE-Bench Verified

Poolside AI présente Laguna XS.2 et M.1, des modèles de codage à base d'agents atteignant 68,2 % et 72,5 % sur SWE-bench Verified

Poolside AI a dévoilé mardi les deux premiers modèles de sa famille Laguna : Laguna M.1 et Laguna XS.2, accompagnés d'un agent de codage en ligne de commande baptisé "pool". Laguna M.1 est un modèle de type Mixture-of-Experts (MoE) totalisant 225 milliards de paramètres, dont seulement 23 milliards activés à chaque inférence, entraîné sur 30 000 milliards de tokens à l'aide de 6 144 GPU NVIDIA Hopper interconnectés. Il atteint 72,5 % sur le benchmark SWE-bench Verified, référence du secteur pour évaluer la résolution autonome de bugs réels. Laguna XS.2, le premier modèle en accès ouvert de Poolside, est beaucoup plus compact : 33 milliards de paramètres au total, seulement 3 milliards activés par token. Il score 68,2 % sur SWE-bench Verified et peut tourner en local sur un Mac équipé de 36 Go de RAM via Ollama, ce qui est rare pour ce niveau de performance. Une version de base pour le fine-tuning, XS.2-base, sera publiée prochainement. Ces résultats positionnent Poolside parmi les acteurs sérieux du codage agentique, un segment en pleine effervescence où l'objectif est de faire résoudre des tâches de développement complexes et longues par des modèles de manière autonome. La capacité de XS.2 à fonctionner en local change la donne pour les développeurs soucieux de confidentialité ou travaillant sans accès cloud stable : avec une fenêtre de contexte de 131 072 tokens et un support natif du raisonnement intercalé entre les appels d'outils, le modèle est conçu pour des workflows réels de programmation sur plusieurs heures. Le fait que Laguna XS.2 soit open-weight le rend aussi accessible aux équipes qui souhaitent l'adapter à leurs propres bases de code, sans dépendre d'une API propriétaire. Poolside AI, fondée en 2023 par des vétérans de DeepMind et du monde de la recherche, a levé plus de 500 millions de dollars avec la conviction que l'IA spécialisée dans le code nécessite une infrastructure d'entraînement entièrement repensée. Pour Laguna, l'entreprise a développé en interne son pipeline de données, son framework d'entraînement (Titan) et une infrastructure de reinforcement learning agentique. L'une des innovations les plus notables est "AutoMixer", un système qui entraîne simultanément environ 60 modèles-proxy sur des mélanges de données différents pour optimiser automatiquement la composition du jeu d'entraînement, plutôt que de s'appuyer sur des heuristiques manuelles. Cette approche, inspirée de travaux comme RegMix ou OLMix, aurait permis de doubler la diversité effective des données tout en préservant l'équilibre entre code, mathématiques et raisonnement général. La prochaine étape pour Poolside sera probablement d'élargir la famille Laguna et d'affiner son agent "pool" pour concurrencer directement des outils comme Claude Code ou Cursor sur le marché des assistants de développement autonomes.

💬 68,2 % sur SWE-bench avec un modèle qui tourne sur Mac, c'est pas rien. Ce qui change vraiment la donne, c'est le côté open-weight : on peut l'adapter à sa propre base de code, sans dépendre d'une API tierce, et ça c'est rare pour ce niveau de performance. Reste à voir si l'agent "pool" suit.

OVHcloud veut ses Mistral gagnants et se lance dans les LLM

OVHcloud, le géant européen de l'hébergement basé à Roubaix, a annoncé lors du salon VivaTech son intention de lancer sa propre famille de modèles de langage (LLM). Octave Klaba, qui a repris la direction de l'entreprise fin 2025, a confirmé l'ambition à Reuters : sans maîtrise de cette technologie, OVHcloud ne pourrait « pas garantir son avenir ». Le groupe prévoit de déployer plusieurs modèles couvrant différents cas d'usage, sur le modèle d'Anthropic avec Opus, Sonnet et Haiku, ou d'OpenAI avec ses gammes GPT et o. La piste open source est explicitement envisagée, Klaba précisant que l'entreprise « regardera à quel moment elle sera suffisamment bonne pour open sourcer » ses modèles. Le budget estimé pour ce projet se situe entre 150 et 200 millions d'euros, contre environ un milliard il y a quelques années, grâce à la chute des coûts d'entraînement. Ce virage marque une montée en puissance significative pour OVHcloud, qui ne se positionne plus seulement comme fournisseur d'infrastructure mais comme acteur de la couche modèle, territoire jusqu'ici dominé par OpenAI, Anthropic et Mistral. Pour les entreprises européennes soucieuses de souveraineté numérique, l'émergence d'un LLM made in Europe, hébergé et entraîné sur sol européen, représente une alternative crédible aux géants américains. La qualification « et de l'IA » ajoutée récemment à tous les communiqués de presse d'OVHcloud signale que ce changement de positionnement est déjà assumé en interne, bien avant la sortie d'un premier modèle. Pour préparer ce lancement, OVHcloud a mené une série d'acquisitions ciblées depuis le début de l'année. En janvier, le groupe a racheté Seald, startup française spécialisée dans le chiffrement bout en bout, dont le SDK bénéficie d'un visa de sécurité CSPN délivré par l'ANSSI. En mars, c'est Dragon LLM qui a rejoint le giron, société française dédiée aux modèles souverains et spécialisés. Plus récemment, OVHcloud est entré en négociations exclusives pour acquérir Gladia, spécialisée dans l'IA vocale. Ces rachats s'accompagnent d'un renforcement des équipes internes en fine-tuning, la technique permettant de spécialiser un modèle pré-entraîné sur des tâches précises. La principale inconnue reste l'approvisionnement en GPU : Klaba a lui-même comparé les puces Nvidia à des fraises qui « pourrissent le lendemain », tant leur cycle de dépréciation est rapide face aux nouvelles générations. Entraîner des modèles compétitifs en exige des volumes importants, et la question de la rentabilité de ces investissements matériels reste entière.

KAT-Coder-V2.5 : KwaiKAT lance un modele de codage a base d'agents entraine sur plus de 100 000 environnements de depot verifiables

L'équipe KwaiKAT de Kuaishou a dévoilé KAT-Coder-V2.5, un modèle de codage conçu pour opérer directement dans des dépôts de code réels et exécutables plutôt que de se contenter de générer du code en une seule passe. Le modèle est accessible via la plateforme StreamLake, et une variante à poids ouverts, KAT-Coder-V2.5-Dev, a été publiée séparément sur Hugging Face sous licence Apache-2.0. Le cœur du projet repose sur un système baptisé AutoBuilder, qui définit une tâche vérifiable comme un triplet associant une description précise de la tâche, un environnement de dépôt exécutable et une série de tests de validation : un correctif n'est jugé correct que s'il satisfait l'ensemble de ces critères. Les tâches proviennent de vraies pull requests et de vrais commits, dans la lignée de SWE-bench, avec un correctif de référence et un correctif de test associés. Un agent de construction analyse chaque dépôt pour écrire un script de configuration installant les dépendances et lançant les tests depuis une copie propre, tandis qu'un agent de vérification exécute ce script dans un environnement isolé, n'acceptant l'environnement que si plus de 90% des tests attendus sont collectés et que leurs résultats sont reproductibles. Grâce à cette méthode, associée à des modèles de systèmes de build et à une bibliothèque de recettes réutilisables, le taux de réussite de construction des environnements est passé de 16,5% à 57,2%, aboutissant à plus de 100 000 environnements vérifiables couvrant 12 langages de programmation. Cette approche change la manière dont les modèles de codage sont entraînés et évalués, avec des conséquences concrètes pour les équipes d'ingénierie logicielle et les développeurs d'outils d'IA agentique. Plutôt que de juger un modèle sur sa capacité à produire un extrait de code plausible, KAT-Coder-V2.5 est évalué sur sa capacité à résoudre de vrais problèmes dans un contexte réaliste, avec compilation, dépendances et tests automatisés. Cela réduit le risque que des modèles obtiennent de bons scores en exploitant des raccourcis artificiels, comme le contournement de mécanismes de test ou le codage en dur de résultats attendus, une dérive fréquente dans l'entraînement par renforcement appliqué au code. Pour les entreprises qui cherchent à déployer des agents capables de naviguer, corriger et faire évoluer des bases de code existantes de façon autonome, ce type d'entraînement rapproche les modèles des conditions réelles de production, où la correction d'un bug implique bien plus que produire une ligne de code correcte isolément. Le projet met en lumière un problème plus large de fiabilité dans l'entraînement des modèles de codage par renforcement. Lors du développement de la version précédente, KAT-Coder-V2, l'équipe avait d'abord attribué la lenteur des courbes de récompense à des limites de l'algorithme d'apprentissage, avant qu'un audit ne révèle qu'environ 16% des trajectoires échouaient en réalité à cause de problèmes d'infrastructure des bacs à sable, notamment des défauts d'alignement qui vidaient les observations, et non à cause du modèle lui-même. KwaiKAT a donc développé un mécanisme de filtrage fondé sur le processus plutôt que sur le seul succès final des tests, avec des indices ciblés pour les tentatives proches de la réussite, une régénération de trajectoires sans indice pour éviter les fuites d'information, et un système de notation évaluant l'exploration, la localisation du bug, la fidélité aux spécifications et la qualité de la vérification. Un mécanisme de randomisation des noms d'outils, formats de sortie et modèles de prompts vise également à limiter le surapprentissage lié au harnais d'évaluation, une préoccupation croissante à mesure que les benchmarks de codage agentique deviennent des cibles d'optimisation pour l'industrie.

💬 Ce qui compte ici, c'est pas le modèle en lui-même, c'est l'aveu : 16% des trajectoires ratées à cause du bac à sable, pas du modèle. Ça confirme un truc qu'on soupçonnait depuis longtemps sur le RL appliqué au code, à savoir que la moitié du boulot c'est l'infra de vérification, pas l'algo. Selon Le Fil IA, la vraie course en ce moment se joue sur qui a les environnements de test les plus fiables, pas sur qui a le meilleur modèle. Bon, sur le papier, passer de 16,5% à 57,2% de taux de construction c'est solide, reste à voir si KAT-Coder tient la route face à Claude ou GPT sur du vrai code de prod.

Z.AI lance GLM-5.1 : un modèle open-weight de 754 milliards de paramètres, leader sur SWE-Bench Pro avec 8 heures d'exécution autonome

Z.AI, la plateforme d'intelligence artificielle fondée par l'équipe derrière la famille de modèles GLM, a publié GLM-5.1, son nouveau modèle phare conçu spécifiquement pour les tâches agentiques. Avec 754 milliards de paramètres et une architecture de type Mixture of Experts combinée à une attention à structure dispersée (DSA), le modèle atteint un score de 58,4 sur SWE-Bench Pro, surpassant GPT-5.4, Claude Opus 4.6 et Gemini 3.1 Pro pour établir un nouveau record sur ce benchmark de référence en ingénierie logicielle. Il affiche également 95,3 sur AIME 2026, 86,2 sur GPQA-Diamond, et 68,7 sur CyberGym, contre 48,3 pour son prédécesseur GLM-5. La capacité à maintenir une exécution autonome pendant huit heures consécutives, à travers des centaines d'itérations et des milliers d'appels d'outils, constitue l'un de ses traits distinctifs les plus marquants. Ce qui rend GLM-5.1 particulièrement significatif pour les développeurs, c'est sa réponse à un problème structurel des LLM utilisés comme agents : le plateau d'efficacité. Les modèles précédents, y compris GLM-5, épuisaient rapidement leur répertoire de stratégies et cessaient de progresser même lorsqu'on leur accordait plus de temps. GLM-5.1 est conçu pour rester productif sur des horizons bien plus longs, en décomposant les problèmes complexes, en conduisant des expériences, en lisant les résultats et en révisant sa stratégie à chaque itération. Cette capacité d'auto-correction soutenue réduit concrètement la dérive de stratégie et l'accumulation d'erreurs, rendant le modèle exploitable pour des tâches d'ingénierie autonome de bout en bout, sans supervision humaine constante. Le modèle est rendu possible par une infrastructure d'apprentissage par renforcement asynchrone inédite, qui découple la génération de l'entraînement pour en améliorer drastiquement l'efficacité. Cette approche permet au modèle d'apprendre à partir d'interactions longues et complexes, là où l'entraînement RL classique en tour unique échoue. Z.AI publie GLM-5.1 en open-weight, ce qui signifie que les équipes techniques peuvent envisager un hébergement en propre, bien que l'architecture MoE exige une infrastructure de serving adaptée. Dans un contexte où les grands labs comme OpenAI, Anthropic et Google dominent les classements des modèles fermés, la percée de Z.AI sur SWE-Bench Pro avec un modèle ouvert repositionne le paysage concurrentiel. Avec des scores solides sur MCP-Atlas et Terminal-Bench 2.0, le modèle vise directement les cas d'usage production où les agents doivent opérer des systèmes réels, une tendance qui s'accélère en 2026.