TL;DR
Les 3 signaux
🎨 Claude Fable 5.1
focus science et code
Anthropic publie Fable 5.1 avec un argumentaire centré sur le coding, le knowledge work et les tâches longues. Le benchmark Terminal-Bench-Science 0.1 est nouveau, et le score annoncé est de 52,6% 3. Les prompts système des applications consumer sont publiés, avec historique des modifications — mais pas pour Claude Cowork ni Claude Code 11. Le nouveau prompt système insiste notamment sur le refus de reproduire des paroles de chansons 11.
🗄️ datasette-mcp 0.2
première release stable
Le plugin MCP pour Datasette sort sa première version non-alpha. Le changement majeur : rows dans execute_sql passe d’un tableau de tableaux à un tableau d’objets. Objectif assumé : éviter que les modèles faibles perdent le fil entre position et colonne 2. Dépendance mise à jour vers mcp>=2.1.1 2.
⚡ Gemini 3.8 Flash intègre llm-gemini 0.34
La mise à jour ajoute le modèle gemini-3.8-flash avec trois niveaux de thinking : low, medium, high 10. Un fix corrige aussi l’enregistrement du modèle résolu pour les réponses async 10. Google a également publié une variante “Cyber” réservée aux “trusted defenders” 10.
À retenir
- 52,6% — score de Claude Fable 5.1 sur Terminal-Bench-Science 0.1, benchmark scientifique inédit 3
- 0.2— datasette-mcp passe en stable,
rowsrenvoie des objets nommés au lieu de tableaux positionnels 2 - 3.8gemini-3.8-flash — nouveau modèle dans llm-gemini 0.34, avec thinking low/medium/high sélectionnable 10
Tuto du jour
Tuto / Outil : Aucun tuto d’installation locale identifiable. Les éléments citent des releases de plugins (datasette-mcp 2, llm-gemini 10) et des benchmarks, mais aucun guide, repo ou script d’installation pour Ollama, llama.cpp, LM Studio, vLLM ou Docker n’est fourni.
Aucun tuto d’installation locale identifié aujourd’hui.
Matos & Infra local
Sujet Matos/Infra : Entraînement d’un petit transformer en 1,5 h 4 Constat technique : Un petit transformer entraîné en 1,5 heure surpasserait de nombreux LLMs, suggérant un ratio performance/temps de calcul élevé pour des configurations matérielles modestes. Recommandation dev : Évaluer ce type de modèle pour des tâches ciblées nécessitant une inférence locale à faible coût. Sujet Matos/Infra : Runtime applicatif lourd 14 Constat technique : L’application de bureau Codex embarque 1,7 Go de runtime, incluant des installations complètes de Python et Node.js. Recommandation dev : Anticiper l’empreinte disque et mémoire des applications intégrant des runtimes LLM locaux.
Fine-Tuning & Quantiz
Technique / Outil : Pipeline de spécialisation post-entraînement pour compétitions de programmation 9 Apport : Combine curation de problèmes à grande échelle, traces de raisonnement synthétiques et supervised fine-tuning 9. Impact pratique : Pipeline de fine-tuning supervisé ciblant un domaine précis, la programmation compétitive 9. Pas de nouveauté fine-tuning ou quantification aujourd’hui.
RAG & Agents Locaux
Architecture / Outil : ExecRetrieval 7 Cas d’usage : Évaluation de la correction fonctionnelle du code retrievé pour agents de codage et génération augmentée par récupération (RAG) 7 Clé de voûte : Benchmark avec variantes contrôlées vérifiées par exécution, mesurant l’écart entre similarité lexicale et exactitude fonctionnelle 7
Track Record
Partiellement tenu
Ce qu’on disait le 2026-08-16 : Google sort Gemini 3.7 Flash, supporté par le plugin llm-gemini 0.33 313 Verdict aujourd’hui : partiellement tenu. Le support est confirmé et étendu : llm-gemini 0.34 ajoute le nouveau modèle gemini-3.8-flash, avec niveaux de réflexion low, medium et high 10. La lignée Gemini Flash continue, mais la version 3.7 est supplantée par la 3.8, sans preuve directe de la pérennité de la 3.7.
Sources (18) — vérifiées le 03/09/2026 05:00 UTC
| N° | Publication | Site | Date |
|---|---|---|---|
| 2 | datasette-mcp 0.2 | Simon Willison | 1 septembre 2026 |
| 3 | Claude Fable 5.1 made me a really nice animated pelican | Simon Willison | 1 septembre 2026 |
| 4 | I trained a small transformer in 1.5hrs and it beats many LLMs | Hacker News | 1 septembre 2026 |
| 7 | ExecRetrieval: Measuring the Functional-Correctness Gap in Code-Embedding Retrieval | HF Papers | |
| 9 | Post-Training Language Models for Gold-Medal Performance in Coding Competitions | arXiv | 2 septembre 2026 |
| 10 | llm-gemini 0.34 | Simon Willison | 2 septembre 2026 |
| 11 | Claude’s new system prompt really doesn’t want to reproduce song lyrics | Simon Willison | 2 septembre 2026 |
| 13 | BenchMIRT: What are LLM benchmarks actually measuring? | Hugging Face | 1 septembre 2026 |
| 14 | Codex bundles LibreOffice | Simon Willison | 1 septembre 2026 |
Autres lectures (9)
| N° | Publication | Site | Date |
|---|---|---|---|
| 1 | GeoJSON Map Viewer | Simon Willison | 1 septembre 2026 |
| 5 | S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? | HF Papers | |
| 6 | Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills | HF Papers | |
| 8 | Muse Spark 1.3 | Hacker News | 2 septembre 2026 |
| 12 | Quoting Rick Brewster | Simon Willison | 2 septembre 2026 |
| 15 | Introducing agentic video understanding with Gemini | Google DeepMind | 1 septembre 2026 |
| 16 | Quoting Tarn Adams | Simon Willison | 1 septembre 2026 |
| 17 | CRISP: Cliff-awaRe Input-adaptive Sparse Prefilling with Structural-Mass-Motivated Routing | HF Papers | |
| 18 | SolarWM: Open Data and Scalable Training for Long-Horizon Video World Models | HF Papers |
V3ille — Sources : arXiv, GitHub Trending, Hugging Face Daily Papers, OpenAI, DeepMind, Google AI, IEEE Spectrum, The Robot Report.