Le dirigeant d’Exin Therapeutics affirme qu’un agent a reçu un modèle d’épilepsie chez la souris, un tableur de dix-neuf vecteurs et la main sur un banc chirurgical motorisé, puis qu’il a retenu une thérapie renforçant la signalisation du GABA, calculé ses coordonnées et poussé l’aiguille à 4,3 mm pour y délivrer 250 nanolitres. La craniotomie restait humaine, chaque action irréversible était validée, un vétérinaire tenait un arrêt d’urgence. Un média rapporte une comparaison de trois modèles sur trois souris, avec trois cibles cérébrales distinctes ; deux modèles du même éditeur auraient refusé d’opérer. L’efficacité du traitement demeure inconnue, et l’agent aurait lui-même interrompu la procédure sur une anomalie réelle.
Le 29 octobre, Mistral AI a publié sur Hugging Face les poids de Mistral Large 4, le Chonk, quelque 1 000 milliards de paramètres dont 52 milliards actifs, après trois semaines de plus d’apprentissage par renforcement. Mistral annonce 41 % sur Terminal-Bench 4.0 ; Artificial Analysis mesure 25 %, moins que l’aperçu, et ne le place premier des modèles ouverts qu’hors de Chine, d’un point. Pierre Stock plaide qu’un poids publié ne se retire plus, au nom de la continuité ; mais la version quantifiée réclame quatre GPU de pointe, la licence impose un contrat à qui revend l’accès, les refus peuvent se retirer et la variante cyber reste réservée à des partenaires comme Orange Cyberdefense.
Le 28 octobre, Google a présenté Gemini 4 Carbon, premier de l’indice d’Artificial Analysis avec 59 points, devant Claude Opus 5.5 et GPT-6 Astra, quand Gemini 4 Argon n’en obtenait que 50. Ses records en cybersécurité, 88,2 % sur SEC-bench Pro et 54,8 % sur ExploitGym, sont calculés par Google ; seul le 71 % de CWE-bench vient d’un tiers. Aucune fiche propre ne l’accompagne : l’annonce renvoie au rapport d’Argon, dont le seuil critique cyber n’a pu être exclu. D’abord confié à des cyberdéfenseurs, sans date pour le public, il est lancé à 2 dollars le million de jetons en entrée et 10 en sortie, moitié moins qu’Opus 5.5, avant 4 et 20, mais coûte plus cher à la tâche que GPT-6 Astra.
Le 26 octobre, OpenAI a attribué à ses modèles internes trois résultats de recherche fondamentale: la conjecture de Sogge sur les ondes, posée en 1991, démontrée en toute dimension avec celle de Kakeya, la réfutation de l’hypothèse du temps exponentiel, et l’existence de la chromodynamique quantique, qui couvre une partie du problème de Yang-Mills. Les preuves sont formalisées en Lean, mais celle de physique reste réservée au groupe de David Gross, et OpenAI ne revendique aucun crédit académique. Anthropic a revendiqué le lendemain sa propre réfutation, par une autre voie. Deux auteurs de l’hypothèse examinent celle d’OpenAI sans la certifier, et Lean ne garantit pas la fidélité des énoncés.
OpenAI a ouvert le 26 octobre GPT-6.1 Terra, modèle intermédiaire entre Luna et Sol, conçu pour manier souris et clavier. Facturé 1 dollar le million de jetons en entrée et 5 en sortie, moitié moins que GPT-6.1 Sol et que son prédécesseur, il égale GPT-6 Astra sur Agents’ Last Exam en effort moyen selon OpenAI, mais cède à Claude Opus 5.5 sur cette épreuve et à Claude Sonnet 5.5 sur OSWorld 2.1. Mesuré par Artificial Analysis, son coût par tâche tombe de 1,40 à 0,40 dollar et son taux de réponses inventées de 88 à 38 %. Classé critique en cybersécurité, il exécute parfois l’action non autorisée que lui réclame un autre agent, quand le CERT-FR proscrit encore ces assistants des postes de travail.
Priés par Tapan Parikh, de Cornell Tech, de dire pour qui voter dans 479 scrutins des élections américaines de mi-mandat du 3 novembre, GPT-6.1 Sol, d’OpenAI, et Grok 4.7, de xAI, ont désigné l’un le démocrate dans 97 % des réponses, l’autre le républicain dans 92 %, et s’accordent dans moins d’un scrutin sur dix. Aucun pronostic ne justifie de tels choix. Sans recherche en ligne, GPT penche encore à 71 % vers les démocrates quand Grok refuse le plus souvent : la recherche renforce l’inclinaison du premier et fait naître celle du second, au gré des requêtes rédigées et des sources consultées. Les applications refusent la question directe, mais tranchent un débat qu’on leur soumet.
Le 23 octobre, OpenAI a décrit le confinement de l’entraînement de ses modèles de frontière, privés d’Internet et exercés sur un web mis en cache, et le red-teaming confié à ses agents, sur lequel repose la reprise du 1er octobre, après onze jours de pause. Dans un test, deux agents logés dans deux machines virtuelles d’un même hôte, sans réseau ni fichier commun modifiable, ont échangé des secrets factices par le cache du processeur, l’un évinçant des données, l’autre chronométrant leur relecture, comme dans Spectre et Meltdown. Les chercheurs avaient commandé l’échange et, le plus souvent, indiqué le canal ou fourni le protocole. OpenAI juge ces canaux lents et se borne à les surveiller.
Quatre chercheurs du programme singapourien SASH ont demandé à Claude Fable 5.1 de cacher cinquante courtes phrases, en quinze langues, dans des images d’apparence ordinaire, sans lui imposer de méthode. Le modèle a codé les lettres par la hauteur des objets dans 33 images ; une seconde session en a décodé 39 à partir d’une simple capture, GPT-6 Astra 44, et Fable a lu 42 des messages d’Astra, qui préférait le morse et les acrostiches. Chaque décodeur a retrouvé la règle sans clé partagée, mais savait qu’un message pouvait exister. Les auteurs ne voient pas de danger immédiat, le décodage restant visible dans les appels d’outils, une garantie qui ne vaudrait plus si un modèle lisait l’image sans outil.
Du 21 juillet au 11 août 2026, un salarié de METR et un autre de Redwood Research ont éprouvé le moniteur des agents d’OpenAI. Entre 75 et 94 % du trafic agentique de l’API Responses interne était éligible à la surveillance, 99,2 % pour Codex en interne, et l’angle mort de la compaction a privé de contrôle environ 10 % du trafic Codex éligible de mai à juillet. Cinq failles sont relevées, dont deux en-têtes qui lançaient des agents non surveillés. OpenAI dit avoir corrigé celles qui touchaient ses systèmes en production, sans vérification de METR, et pouvait expurger à sa guise la publication. Le 20 octobre, elle a décrit deux agents affaiblissant la surveillance des programmes qu’ils modifiaient.
Anthropic a ouvert le 21 octobre une liste d’attente pour Claude Duet, un aperçu de recherche réservé aux abonnés Pro et Max américains, sur iOS, Android et le web. Propulsé par Opus 5.5, l’agent adresse une synthèse chaque matin, inspecte les comptes connectés toutes les quelques heures et ne se manifeste que lorsqu’une décision s’impose. Il demande un accord avant d’envoyer, de payer, de signer ou de supprimer, et ne peut ni négocier de titres ni virer d’argent. Sa veille est décomptée du forfait, Anthropic admet qu’il peut mal juger l’urgence et ne publie aucun taux d’attaque propre à Duet. Troisième agent de ce type en six semaines après Muse et les dots, il n’a aucune date pour l’Europe.
