L'équipe Qwen d'Alibaba vient de franchir un cap symbolique avec Qwen3.7-Max, un modèle propriétaire conçu pour les agents autonomes de longue durée. Pendant 35 heures consécutives, le modèle a optimisé de façon autonome le code de la puce personnalisée d'Alibaba, sans intervention humaine. C'est la première démonstration publique aussi prolongée d'un agent agissant seul sur une tâche d'ingénierie critique, et elle signe clairement les ambitions de Qwen face à OpenAI et Anthropic sur le terrain des agents.
Dans la même veine, Tencent a mis en open source TencentDB Agent Memory, un système de mémoire à quatre niveaux sous licence MIT. L'objectif est direct : résoudre les deux grands maux des agents longue durée, l'explosion du contexte et l'échec de rappel. Quand un agent tourne pendant des dizaines d'heures, la gestion de la mémoire devient aussi critique que le modèle lui-même.
Des chercheurs de plusieurs universités poussent cette réflexion encore plus loin avec la "Direct Corpus Interaction" : plutôt que de passer par une base vectorielle classique, les agents interagissent directement avec les documents via un terminal. Ce changement d'approche pourrait sembler purement technique, mais il dit quelque chose de plus profond, l'ère des agents vraiment autonomes ne se jouera pas uniquement sur la puissance des modèles, mais sur leur capacité à gérer le temps, la mémoire et l'environnement sur la durée.