Un preload Bun nommé no-agent-summary.js coupe le minuteur qui pousse Claude Code à envoyer le transcript entier de chaque agent d’arrière-plan à son propre modèle, généralement Opus, avec la consigne « describe your most recent action in 3-5 words » ¹. La réponse ne sert qu’à la ligne de statut dans le panneau des agents et n’atteint jamais la conversation ¹. Le binaire n’est pas modifié (BUN_OPTIONS=—preload), l’outil est sous licence MIT et testé sur Linux avec Claude Code 2.1.257 à 2.1.312 ¹.

Aucun réglage ne désactive ce comportement, actif par défaut depuis la 2.1.232 d’août 2026, et une mise à jour peut l’annuler silencieusement ¹.

Google DeepMind annonce Gemini 4 Carbon, présenté comme son modèle le plus fort avec des capacités de cybersécurité et de long horizon à l’état de l’art ⁷. Carbon se classe premier sur la version 5.0 de l’Artificial Analysis Intelligence Index avec 59, et mène SEC-bench Pro à 88,2 % pour la recherche de vulnérabilités, ExploitGym à 54,8 % pour l’exploitation et CWE-bench à 71,0 % pour le patch ⁷. Sur les benchmarks internes, Google mesure un gain de génération de code sécurisé et une baisse des taux de misalignement et de fabrication en environnement de codage live ⁷.

Carbon succède à Gemini 4 Argon, lancé deux semaines plus tôt ⁷.

Jacob Sansbury décrit Spawn, un environnement de jeu massivement multijoueur où les joueurs modifient le monde par prompts adressés à l’agent intégré Savi ³. Simon Willison rapporte avoir prompté un château, puis un dragon, puis chevauché le dragon autour du château depuis son téléphone ³. Selon Sansbury, Spawn est développé de façon autonome par un swarm d’agents Fable qui coûte plus de 3 millions de dollars de jetons par mois, soit « 30x payroll on AI tokens » ; les agents modifient le code live et livrent en production toutes les heures, en lisant eux-mêmes erreurs, rapports de bug et métriques ³.

Investor’s Last Exam (ILE) est un benchmark de recherche actions conçu par des investisseurs buy-side et des gérants de fonds, avec une base financière versionnée de 3,43 millions de versions de documents sur neuf catégories de sources et des horodatages validés qui encadrent la récupération et le calcul ⁸. Le benchmark s’appuie sur une taxonomie de tâches alignée sur les livrables d’analystes professionnels et un cadre de notation reliant critères, sources, calculs et hypothèses via des graphes de dépendances financières ⁸. Résultat rapporté : les meilleurs modèles excellent en recherche mais échouent sur la prévision et le jugement d’investissement ⁸.