# LLM Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "LLM", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

La bonne façon de gérer le contexte de Claude Code : Éviter que plus la session est longue, plus le modèle devient « stupide »

Claude Code a récemment étendu sa fenêtre contextuelle à 1 million de tokens, offrant une capacité accrue pour les tâches complexes. Cependant, une gestion efficace du contexte est cruciale pour maintenir les performances du modèle, évitant la "détérioration contextuelle" (Context Rot) où trop d'informations nuisent à la pertinence. L'article présente plusieurs stratégies clés : - **Continuer** : Envoyer directement un nouveau message dans la même conversation. - **Remonter le temps (Rewind)** : Revenir à un point précédent pour corriger une erreur ou changer d'approche, souvent plus efficace que de simples corrections. - **Nouvelle session (/clear)** : Démarrer une nouvelle conversation avec un résumé manuel des points essentiels, pour un contexte entièrement propre. - **Compression contextuelle (/compact)** : Laisser Claude résumer l'historique pour libérer de l'espace. C'est pratique mais peut être "avec perte" ; des instructions précises guident mieux le résumé. - **Sous-agents (Subagents)** : Déléguer une tâche à un agent qui travaille dans un contexte isolé et ne renvoie que le résultat final, idéal pour les travaux aux nombreux outputs intermédiaires. Le conseil principal est de démarrer une nouvelle session pour une nouvelle tâche. La commande `rewind` est privilégiée pour les corrections, et les sous-agents pour les travaux complexes à outputs éphémères. Bien maîtriser ces outils est essentiel pour optimiser les résultats avec Claude Code.

marsbitIl y a 19 h

La bonne façon de gérer le contexte de Claude Code : Éviter que plus la session est longue, plus le modèle devient « stupide »

marsbitIl y a 19 h

$TAO Effondrement : Le triangle impossible du DeAI à travers la discorde interne de Bittensor

L'effondrement du projet Bittensor ($TAO), pilier de l'IA décentralisée (DeAI), a été déclenché par la démission brutale de Covenant AI, l'une de ses équipes de développement les plus importantes. Celle-ci venait pourtant de réussir l'entraînement d'un modèle de langage de 72 milliards de paramètres, un exploit technique coûteux en calcul. La raison de son départ : des accusations sévères contre le fondateur Jacob Steeves. Covenant AI l'accuse d'exercer un contrôle "absolu et dictatorial" sur le réseau, notamment en coupant arbitrairement les récompenses en jetons $TAO de leur sous-réseau sans processus de gouvernance transparent. Cet acte, perçu comme un "débranchement", a rendu non rentable leur investissement massif en puissance de calcul. Cet événement révèle une contradiction fondamentale au cœur du récit DeAI : la concentration du pouvoir. Bien que le réseau soit techniquement décentralisé, le pouvoir de décision sur la répartition des récompenses est détenu par une poignée de validateurs, fortement liés au fondateur. Cela remet en cause la neutralité et la fiabilité du système, sapant la promesse de base : que des récompenses automatiques et impartiales rémunèrent le travail fourni. La chute brutale du prix du $TAO reflète une perte de confiance des investisseurs face à ce risque de gouvernance centralisée. L'incident expose le "triangle impossible" du DeAI : concilier la qualité des modèles (nécessitant des ressources centralisées), une véritable décentralisation neutre, et un système d'incitations anti-tricherie. La crise de Bittensor sert d'avertissement à tout le secteur sur les défis structurels à résoudre.

marsbitHier 09:04

$TAO Effondrement : Le triangle impossible du DeAI à travers la discorde interne de Bittensor

marsbitHier 09:04

Quelqu’un a transformé Buffett et Munger en Agent, puis l’a open-source…

Un projet open source nommé "AI Hedge Fund", récemment très populaire sur GitHub, a "recréé" les esprits d'investisseurs légendaires comme Warren Buffett et Charlie Munger sous forme d'agents IA. Ce système utilise 18 agents spécialisés, dont 12 reproduisent les philosophies d'investissement de grands noms (Buffett, Munger, Cathie Wood, etc.), et 6 agents analytiques techniques (analyse fondamentale, valorisation, risque, etc.). L'architecture technique combine React et Python/FastAPI, avec LangGraph pour orchestrer les workflows. Les utilisateurs peuvent configurer des stratégies via une interface visuelle ou en ligne de commande, effectuer des backtests historiques, et obtenir des signaux d'achat/vente. Le projet prend en charge 13 modèles de langage (OpenAI, Anthropic, local via Ollama, etc.). Bien que innovant, la note de prudence est de mise : aucun résultat de performance réelle n'est encore disponible, et les avis des différents "experts" simulés peuvent être conflictuels. L'objectif affiché est moins de garantir des profits que d'offrir un cadre d'expérimentation et d'apprentissage sur les multi-agents IA en finance. Le projet a atteint plus de 50 000 étoiles sur GitHub, soulignant l'engouement pour ce type d'application.

marsbitIl y a 2 jours 11:21

Quelqu’un a transformé Buffett et Munger en Agent, puis l’a open-source…

marsbitIl y a 2 jours 11:21

Salaire mensuel de 30 000 ¥, aller dans la prairie de Mongolie intérieure pour surveiller le centre de données de DeepSeek

DeepSeek, connue pour ses algorithmes à faible coût, recrute désormais des ingénieurs pour construire et gérer son propre centre de données en Mongolie-Intérieure, à Ulanqab, plutôt que de se concentrer uniquement sur la recherche en IA. Offrant un salaire mensuel de 30 000 RMB, l'entreprise vise à optimiser l’efficacité énergétique et les coûts globaux (TCO), en tirant parti des conditions climatiques froides et de l’énergie verte locale pour réduire les dépenses de refroidissement. Cette stratégie s’inscrit dans le contexte du projet national chinois « Computing from the East, Data from the West », Ulanqab étant un hub majeur avec une capacité de calcul déjà importante. Cette initiative intervient alors que DeepSeek s’apprête à lancer son prochain modèle V4, aux paramètres estimés à billions et capable de gérer un contexte extrêmement long. La maîtrise de la puissance physique devient un avantage compétitif décisif.

marsbitIl y a 2 jours 08:12

Salaire mensuel de 30 000 ¥, aller dans la prairie de Mongolie intérieure pour surveiller le centre de données de DeepSeek

marsbitIl y a 2 jours 08:12

Guide de démarrage en période de marché baissier crypto - Deuxième partie : Station de transit de tokens - Échanger des tokens crypto contre des tokens IA

Dans son guide pour entreprendre pendant le marché baissier crypto, l'auteur explore le potentiel des « stations de transfert de tokens » permettant d'échanger des crypto-monnaies contre des tokens d'IA. Ce secteur, bien qu'existant via des plateformes d'API à bas prix, présente deux opportunités sous-estimées : utiliser les crypto-tokens comme moyen de paiement pour l'accès aux modèles d'IA et exporter des modèles chinois abordables (comme Qwen, Kimi, GLM) vers les utilisateurs internationaux. L'article cite en exemple OpenRouter, fondé par un ex-cofondateur d'OpenSea, qui agrège plus de 60 fournisseurs de modèles et accepte les paiements en crypto. Trois modèles émergent : les acteurs mondiaux et réglementés, les plateformes de collaboration et les solutions locales. Le « reverse export » des modèles chinois est particulièrement lucratif en raison de leur faible coût (ex: Qwen3.5 à 0,11$ pour 1M de tokens vs 3$ pour Claude Sonnet) et de leurs performances compétitives. Cependant, des défis persistent : besoins en capital, gestion de la liquidité crypto/fiat, risques juridiques liés à la revente d'API et conformité transfrontalière des données. Malgré ces obstacles, ce business génère des revenus réels basés sur l'usage, sans dépendre de la spéculation.

Odaily星球日报04/10 03:36

Guide de démarrage en période de marché baissier crypto - Deuxième partie : Station de transit de tokens - Échanger des tokens crypto contre des tokens IA

Odaily星球日报04/10 03:36

Qui est le véritable agent le plus puissant d'OpenClaw ? Publication du classement avec 23 tâches réelles évaluées

L'évaluation OpenClaw révèle le classement des 10 meilleurs agents IA basés sur leur taux de réussite dans 23 tâches pratiques. Le benchmark, axé uniquement sur la capacité à accomplir des missions complexes, utilise trois méthodes d'évaluation : vérification automatisée, jugement par LLM (Claude Opus) et un mode hybride. Les tâches testées couvrent la création de fichiers, la recherche d'informations, la rédaction, l'analyse de données et l’interaction avec des outils systèmes. Claude Opus 4.6 (Anthropic) arrive en tête avec un pic de réussite de 93,3%, suivi de près par Trinity Large Thinking (Arcee AI) à 91,9%, qui montre la meilleure stabilité moyenne. GPT-5.4 (OpenAI) et plusieurs modèles Qwen se classent également dans le top 10. Ce benchmark ouvert et reproductible permet aux développeurs de tester objectivement les performances des agents IA dans des scénarios réels.

marsbit04/08 14:54

Qui est le véritable agent le plus puissant d'OpenClaw ? Publication du classement avec 23 tâches réelles évaluées

marsbit04/08 14:54

Des experts du secteur se réunissent pour réfléchir et percer dans l'ère des agents IA

Des experts se sont réunis pour discuter de l'ère des agents IA, soulignant que l'économie des agents reconfigure l'organisation économique. Les discussions ont porté sur le choix des modèles linguistiques, la gestion des ressources Token et les stratégies d'adaptation. Les intervenants, dont Li Chenxing de Conflux, ont insisté sur la nécessité de renforcer la mémoire externe des IA pour améliorer leur prise de décision. Des produits comme WorkBuddy de Tencent illustrent l'automatisation des tâches bureautiques via des agents personnalisés. Des préoccupations juridiques ont été évoquées, notamment la isolation des risques et la propriété des actifs numériques. Les investisseurs ont mis en garde contre les "fausses promesses" de l'IA, tout en reconnaissant son potentiel dans des niches comme la santé. L'avenir verra probablement des IA comme entités économiques autonomes, mais leur adoption nécessite encore des optimisations techniques et une meilleure ergonomie.

marsbit04/08 05:58

Des experts du secteur se réunissent pour réfléchir et percer dans l'ère des agents IA

marsbit04/08 05:58

Revenu IA n°1 mondial, cette entreprise a surpassé OpenAI ?

Anthropic, avec un chiffre d'affaires annuel de 300 milliards de dollars, a dépassé OpenAI (250 milliards) pour devenir la société de modèles de langage indépendante la plus rentable au monde. Contrairement à OpenAI, qui se concentre sur les consommateurs avec ChatGPT, Anthropic a ciblé les entreprises dès le début, en se spécialisant dans les API stables, les fenêtres de contexte étendues et son modèle Claude. Environ 80 % de ses revenus proviennent de clients professionnels, avec une tarification basée sur la consommation. Le succès d’Anthropic repose notamment sur le coding (assistance à la programmation). Claude Code, son assistant de programmation IA, a connu une croissance record, atteignant 2,5 milliards de dollars de revenus annuels et dominant 54 % du marché企业级. OpenAI, bien que techniquement solide, a réagi à ce créneau. En Chine, des acteurs comme ByteDance (avec Doubao et Feishu) et Zhipu adoptent également des stratégies orientées entreprises, en proposant des déploiements locaux et des API cloud. La priorité n’est plus la puissance du modèle, mais son intégration dans les flux de travail et l’amélioration mesurable de la productivité.

marsbit04/08 00:32

Revenu IA n°1 mondial, cette entreprise a surpassé OpenAI ?

marsbit04/08 00:32

DeepSeek paralysé pendant 12 heures, la puissance de calcul des grands modèles nationaux ne suit-elle plus leurs ambitions ?

Le 29 mars, DeepSeek, l'un des principaux fournisseurs chinois de modèles de langage, a connu une panne majeure durant 12 heures. L’incident a débuté à 21h35, rendant l’application et la plateforme web inaccessibles, avec des échecs de connexion, des interruptions de dialogue et des pertes de contenu. Bien que l’explication initiale ait évoqué un afflux massif d’utilisateurs, les données montrent que le trafic n’a pas connu de pic anormal. La cause réelle semble être une tension structurelle entre les capacités de calcul (compute) et la demande croissante, exacerbée par de nouveaux usages comme les "agents IA" qui sollicitent le système de manière intensive. Cet incident reflète un défi plus large dans l’industrie de l’IA : alors que les modèles deviennent plus puissants (comme la future version V4 de DeepSeek, attendue avec des capacités étendues), les infrastructures peinent à suivre. La concurrence ne se limite plus seulement aux performances des modèles, mais aussi à leur stabilité, leur coût et leur évolutivité. La panne de DeepSeek sert ainsi d’avertissement : le succès de l’IA à grande échelle dépendra autant de la puissance de calcul et de l’ingénierie système que de l’intelligence des modèles.

marsbit04/03 12:27

DeepSeek paralysé pendant 12 heures, la puissance de calcul des grands modèles nationaux ne suit-elle plus leurs ambitions ?

marsbit04/03 12:27

Année 1 de l'IA Physique : Un pari à mille milliards de dollars sur « comment le monde fonctionne »

2026 marque le début de l'ère du « Physical AI », où l'IA passe de la compréhension du monde numérique à l'action dans le monde physique. Des événements majeurs, comme le financement de 10,3 milliards de dollars d'AMI Labs (fondé par Yann LeCun) et les avancées de World Labs (Fei-Fei Li), Google DeepMind et Tesla, illustrent cette transition. Contrairement aux LLM, qui prédisent du texte, les « modèles du monde » visent à prédire des états physiques pour une prise de décision en temps réel. Les robots humanoïdes, comme Optimus de Tesla, Atlas de Boston Dynamics et Figure 03, se déploient massivement en usine, mais le défi majeur reste la conception de mains robotiques précises. NVIDIA émerge comme un acteur clé en fournissant des infrastructures logicielles et matérielles. La rareté des données physiques de haute qualité est un goulot d'étranglement, abordé via des données réelles, synthétiques ou par téléoération. Les investissements dépassent 6,4 milliards de dollars au Q1 2026, signalant une phase de construction infrastructurelle. Malgré les défis techniques et réglementaires, le Physical AI représente une opportunité structurelle, notamment pour les acteurs maîtrisant à la fois la technologie, l'ingénierie et la supply chain.

marsbit04/03 09:46

Année 1 de l'IA Physique : Un pari à mille milliards de dollars sur « comment le monde fonctionne »

marsbit04/03 09:46

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow

Nouvelles de l'industrie

Politiques réglementaires