Sonnet 5 aujourd'hui, Fable 5 demain

[AINews] Rien de notable aujourd'hui

La journée du 27-28 avril 2026 n'a pas produit de séisme dans l'industrie de l'IA, mais plusieurs sorties de modèles méritent attention. NVIDIA a lancé Nemotron 3 Nano Omni, un modèle multimodal open-source de 30 milliards de paramètres actifs (3B actifs, architecture MoE) capable de traiter texte, images, vidéo, audio et documents, avec une fenêtre de contexte de 256 000 tokens orientée vers les usages agentiques. Sa distribution a été immédiate : OpenRouter, LM Studio, Ollama, Fireworks, Together et une dizaine d'autres plateformes ont annoncé sa disponibilité le jour même. Le modèle intègre un encodeur audio Parakeet, fonctionne pour l'instant uniquement en anglais, et affiche un taux d'erreur de 5,95 % sur le benchmark Open ASR, avec un débit annoncé neuf fois supérieur à des modèles omni comparables. Du côté de Poolside, la startup a publié son premier modèle public, Laguna XS.2, un modèle de code MoE de 33 milliards de paramètres totaux (3B actifs) entraîné intégralement en interne, distribué sous licence Apache 2.0, et conçu pour tourner sur un seul GPU. Microsoft, de son côté, a sorti TRELLIS.2, un modèle open-source de 4 milliards de paramètres pour la génération de scènes 3D texturées à partir d'images, avec une résolution allant jusqu'à 1536 cubes et une compression spatiale 16x. Ces sorties illustrent une tendance de fond : la compétition sur l'efficacité d'inférence s'intensifie, et les acteurs cherchent à démocratiser des capacités avancées sur du matériel accessible. Que Poolside publie un modèle de code haute performance tournant sur un seul GPU, ou que NVIDIA intègre audio et vidéo dans un modèle ouvert, le message est clair : les capacités multimodales et agentiques descendent rapidement vers des configurations matérielles grand public. Pour les développeurs et les entreprises, cela signifie des coûts d'infrastructure moindres pour déployer des agents capables de comprendre des documents complexes ou de générer des assets 3D. En parallèle, l'infrastructure d'inférence connaît sa propre effervescence. La version 0.20.0 de vLLM, framework open-source de référence pour servir les grands modèles, embarque un cache KV 2 bits (TurboQuant) offrant quatre fois plus de capacité, ainsi qu'une amélioration de latence de 2,1 % grâce à une fusion d'opérations. Les benchmarks publiés par SemiAnalysis sur les puces B300 de NVIDIA indiquent un débit jusqu'à huit fois supérieur à celui des H200 pour des charges DeepSeek V4 Pro. Dans ce contexte, des voix techniques soulignent que DeepSeek s'éloigne progressivement de la dépendance exclusive à CUDA via ses TileKernels, ouvrant la voie à des déploiements sur accélérateurs hétérogènes, y compris des puces non-NVIDIA. Les prochaines semaines devraient confirmer si GPT-6, dont le buzz commence à monter, reconfigurera à nouveau les priorités de l'écosystème.

Anthropic déploie Claude Sonnet 5, restaure Fable et Mythos

Anthropic a officiellement levé la suspension de ses modèles les plus avancés, Fable et Mythos, et lancé Claude Sonnet 5, mettant fin à dix-huit jours de blocage imposé par une directive fédérale américaine sur le contrôle des exportations entrée en vigueur le 12 juin. La suspension avait été déclenchée après que des chercheurs d'Amazon eurent documenté une méthode permettant de contourner les garde-fous de sécurité de Fable 5, la poussant à identifier des failles logicielles et à produire du code d'exploitation. Faute de système de vérification de nationalité en temps réel, les autorités avaient exigé un blocage total de l'accès pour l'ensemble des utilisateurs dans le monde. Des évaluations menées pendant l'interruption ont montré que ce comportement n'était pas propre à Fable 5 : des architectures plus anciennes et moins puissantes, dont Claude Opus 4.8, GPT-5.5 et Kimi K2.7, reproduisaient exactement les mêmes résultats. Pour répondre à l'exigence fédérale, les ingénieurs d'Anthropic ont entraîné un nouveau classificateur de sécurité ciblant précisément la faille signalée par Amazon, avec un taux de blocage supérieur à 99 % lors des tests internes. Ce correctif ouvre la voie à un déploiement commercial complet sur la plateforme, l'infrastructure cloud et les réseaux partenaires d'Anthropic, mais il introduit un compromis pour les équipes de développement. Le nouveau classificateur, volontairement large dans sa marge de sécurité, signale plus fréquemment des requêtes bénignes lors de tâches courantes de développement ou de débogage. Lorsqu'une invite déclenche ce filtre, la charge de travail est automatiquement redirigée vers l'ancienne architecture Opus 4.8 pour assurer la continuité du service. Le vrai enjeu commercial se concentre toutefois sur Claude Sonnet 5, que de nombreuses équipes techniques adoptent pour leurs agents autonomes afin de réduire les coûts tout en conservant une forte capacité d'exécution. Sur les benchmarks SWE-bench Pro et Terminal-Bench 2.1, Sonnet 5 atteint respectivement 63,2 % et 80,4 %, contre 58,1 % et 67 % pour Sonnet 4.6, pour un prix inchangé de 3 dollars par million de tokens en entrée et 15 dollars en sortie, avec un tarif de lancement réduit à 2 et 10 dollars jusqu'au 31 août 2026. Plusieurs entreprises ont déjà déployé le modèle en production. Chez Rakuten, les équipes techniques l'ont utilisé pour traiter des dizaines de pull requests parmi les plus complexes, le système exécutant et vérifiant lui-même les tests avant validation humaine finale. Zapier l'a intégré à ses flux de travail pour automatiser des tâches administratives à plusieurs étapes, comme la mise à jour de comptes Salesforce suivie de l'envoi d'annonces de lancement à des clients entreprise, une séquence que les versions précédentes du modèle peinaient souvent à mener à terme sans intervention humaine. L'éditeur d'outils de développement Zed a de son côté utilisé le modèle pour automatiser des procédures de débogage complexes. Cet épisode illustre la pression réglementaire croissante qui pèse sur les systèmes d'intelligence artificielle les plus avancés, à mesure que leurs capacités techniques se rapprochent de zones jugées sensibles par les gouvernements.

💬 Dix-huit jours de blocage total pour une faille qui touchait en fait tous les modèles du marché, Opus comme GPT-5.5, c'est le signe que la régulation avance plus vite que les garde-fous techniques. Le classificateur bricolé en urgence, qui balance les requêtes de dev vers l'ancien Opus dès qu'il a un doute, ça reste un pansement, pas une solution. Sur le papier Sonnet 5 est solide, 63% sur SWE-bench Pro c'est du concret, mais l'épisode Amazon prouve qu'un modèle capable de trouver des failles logicielles finira toujours par attirer l'œil des régulateurs avant celui des développeurs.

La solution d'Anthropic au coût élevé de Fable 5 : en faire un manager qui délègue à Sonnet 5

Anthropic recommande d'utiliser Claude Fable 5, son modèle le plus performant mais aussi le plus coûteux, non pas pour exécuter chaque tâche, mais comme chef d'orchestre chargé de planifier le travail confié à des modèles plus légers. Associé à Sonnet 5 dans une configuration baptisée "Advisor", ce dispositif permet d'atteindre 92 % des performances obtenues avec Fable 5 utilisé seul, pour seulement 63 % du coût total. L'information a été rapportée par le média spécialisé The Decoder, qui souligne que cette approche change la manière dont les équipes doivent penser le déploiement de leurs modèles. Cette recommandation change concrètement la donne pour les entreprises et développeurs qui construisent des agents ou des applications reposant sur l'IA générative. Plutôt que de payer le tarif premium de Fable 5 pour chaque requête, il devient possible de réserver ce modèle aux étapes de planification et de raisonnement complexe, tout en confiant l'exécution des tâches courantes à Sonnet 5, nettement moins cher. Pour les organisations qui traitent de gros volumes de requêtes, ce type d'architecture peut réduire significativement la facture d'API sans sacrifier la qualité des résultats de façon perceptible. Cette stratégie s'inscrit dans une tendance plus large du secteur : face à l'explosion des coûts de calcul liés aux modèles les plus avancés, les fournisseurs cherchent des moyens de répartir intelligemment les tâches entre plusieurs modèles selon leur complexité, une pratique parfois appelée "routing" de modèles. Pour Anthropic, promouvoir ce type d'architecture hybride répond aussi à la pression concurrentielle sur les prix de l'IA, tout en incitant les clients à rester dans son propre écosystème de modèles plutôt que de se tourner vers des solutions tierces moins chères.

Le guide de terrain sur Fable

Thariq, connu pour sa série de blog "Field Guide to Fable", a bouleversé en une seule nuit le contenu de sa conférence prévue pile le jour du relancement de Fable, pour livrer les conseils les plus pertinents possibles avant la fin de la subvention d'abonnement, effective dès le lendemain. Diffusée le 6 juillet 2026, son intervention se décompose en quatre parties: une introduction, un segment sur le "unhobbling" de Claude, un autre sur la recherche des angles morts, puis une réflexion sur le deuil lié à la productivité en programmation et enfin un plaidoyer contre les compromis. Au même moment, Tencent a publié Hunyuan Hy3, un modèle ouvert sous licence Apache 2.0: une architecture MoE de 295 milliards de paramètres dont 21 milliards actifs, 192 experts avec routage top-8, de l'attention GQA, un contexte de 256 000 tokens et une couche MTP de 3,8 milliards de paramètres pour le décodage spéculatif. La newsletter AI News, qui a analysé 12 subreddits et 544 comptes Twitter sur la période du 4 au 6 juillet, a largement couvert ces deux actualités alors que la sortie de GPT-5.6 Sol Ultra reste attendue par l'ensemble du secteur. L'enjeu pour les développeurs est de comprendre que les limites d'un modèle viennent souvent moins de ses capacités réelles que du cadre d'usage qu'on lui impose: prompts et contraintes doivent être révisés à chaque nouvelle génération pour éviter de brider artificiellement le modèle, un phénomène que Thariq illustre par l'efficacité redoutée du HTML brut face à Claude. Pour Hy3, l'impact est immédiat et concret: le support natif dans vLLM était disponible dès le lancement, avec parseurs d'outils et de raisonnement, décodage spéculatif MTP, et compatibilité validée sur GPU Nvidia et AMD. Tencent a même intégré ses noyaux de production dans vLLM, avec des gains allant jusqu'à 2,95 fois en débit sur les séquences de longueur mixte, et des réductions de latence de 24% sur le temps avant premier token et 17% sur le temps par token. Cet engouement a poussé Teknium à rendre Hy3 gratuit pendant deux semaines sur Nous Portal. Ces annonces s'inscrivent dans une compétition de plus en plus vive entre laboratoires open source, Hy3 étant immédiatement comparé à GLM-5.2, certains estimant que Tencent rejoint désormais le tout premier rang des acteurs ouverts si les résultats de benchmarks se confirment, tandis que d'autres continuent de préférer GLM-5.2 en usage réel. Le contexte plus large reste marqué par une accélération générale, entre les nouveaux modèles de General Intuition et de Shunyu Yao, et l'attente de GPT-5.6 Sol Ultra, dans un secteur où AI News, désormais intégrée à Latent Space, continue de documenter ces mouvements semaine après semaine.