LLMgram | AI NEWS 📡 retweeted
Vous allez foutre Pékin en rogne, à quelques jours de la rencontre Trump-Xi à Shenzhen.
Huawei accélère : Ascend 950DT en 2026, 960DT début 2027, 970 en 2028 et 980 en 2029. La Chine reste loin derrière Nvidia sur les performances par puce. Mais elle construit autre chose : des clusters gigantesques pour compenser ce retard par le nombre.
On a déjà vu cette mécanique dans le solaire, les batteries et l’automobile. D’abord les volumes et la vitesse, puis la montée en qualité. Rien ne garantit que les semi-conducteurs suivront le même chemin, mais sous-estimer cette capacité industrielle serait une erreur.
Depuis 2022, Washington restreint l’exportation des puces avancées vers la Chine. Quatre ans plus tard, il s’attaque à l’accès distant aux GPU américains via le cloud étranger. Une porte qu’il aurait probablement fallu surveiller bien plus tôt.
Et pendant ce temps, DeepSeek se rapproche de Huawei. Bloomberg évoque un projet de 160 000 Ascend pour l’inférence, tandis que des essais d’entraînement sur ces puces progressent. On ne peut pas encore affirmer que V5 sera entièrement entraîné sur Huawei, mais la direction est claire.
Jensen ne suffira probablement plus demain
LLMgram | AI NEWS 📡 retweeted
n8n Labs a sorti cette semaine Nod, un agent perso open source (Apache 2.0), encore en version d'essai. Ce qui le distingue des autres agents, c'est où il tourne et comment il s'isole.
2 façons de l'utiliser :
1/ Sur ton ordi : tu télécharges l'app (Mac ou Windows), et il bosse dans sa propre machine virtuelle, avec son propre navigateur, tant que ton ordi ne se met pas en veille.
2/ Sur ton serveur : tu l'héberges toi-même, comme n8n. Il tourne 24h/24, tu lui parles par Telegram ou WhatsApp, et le code est ouvert si tu veux le modifier.
Pas encore de version cloud hébergée : n8n l'annonce pour plus tard. Nod est gratuit, mais tu paies ton fournisseur de modèle, ou tu fais tourner un modèle local.
Et face à Hermes Agent ? Hermes s'auto-héberge très bien, mais par défaut il exécute ses commandes directement sur ta machine. L'isolation, c'est à toi de l'activer.
Nod fait l'inverse : il travaille dès le départ dans sa propre VM. Tes mots de passe et ta carte restent chiffrés sur la machine qui le fait tourner, et il les saisit dans des formulaires que le modèle ne lit pas. Avant d'envoyer, de payer, de publier ou de supprimer quelque chose que tu n'as pas demandé, un contrôle séparé vérifie que tu l'as bien demandé, et Nod te pose la question si tes consignes ne couvrent pas le cas. n8n reconnaît une limite : ce contrôle est lui-même un modèle, et il peut se tromper.
Nod, c'est donc un agent perso isolé dès l'installation. Le contrôle de ses actions, lui, reste à surveiller.
LLMgram | AI NEWS 📡 retweeted
Musk le dit : chez Nvidia, beaucoup d’accords avec les fournisseurs reposaient sur une poignée de main avec Jensen. Pour les « long lead items », ces composants commandés des mois à l’avance, cette confiance permettait d’aller plus vite que tout le monde. C’est aussi ce qui a fait le succès de Nvidia : une vision, des décisions rapides et un CEO capable d’entraîner toute une industrie.
Dylan Patel, fondateur de SemiAnalysis, raconte que Jensen allait lui-même voir les petits fournisseurs pour réserver leur production. Depuis son départ selon lui, Google frappe déjà à leur porte. Côté clients, The Information rapporte qu’un gros acheteur cloud hésitait à tester les TPU de Google ou les puces AMD, de peur de froisser Jensen. Le verrou de Nvidia, c’était CUDA, mais c’était aussi un homme.
Jensen finançait aussi le boom avec le bilan de Nvidia. SemiAnalysis recense environ 530 Md$ d’engagements hors bilan, contre 91 Md$ de passifs au bilan. Ce ne sont pas 530 Md$ de dettes, mais des engagements d’achats, d’investissements et des garanties : des paris massifs sur la croissance. Colette Kress, CFO depuis 2013, cherchait déjà à limiter ces risques. Elle aurait réduit de 250 à 120 Md$ la garantie envisagée pour un datacenter d’OpenAI. C’est elle qui assure l’intérim, et le financement des clients serait déjà en réexamen. Je doute qu’on revoie autant de garanties aux neoclouds.
Tout s’est accéléré : enquête le 8 novembre, démission le 11. Il y a une vraie question de gouvernance autour de sa relation avec Alice Huang, ancienne dirigeante de Megaspeed, mais les soupçons d’espionnage restent à établir. Selon le Washington Post, Rubio aurait durci les conclusions d’un rapport de la CIA, qui ne serait elle-même toujours pas convaincue. Si sa chute est en partie politique, j’espère que sa succession ne le sera pas.
Ce qui me rassure, c’est son héritage. Une pétition pour son retour approche les 100 000 signatures, dont Musk et plus de 5 000 personnes se déclarant salariées de Nvidia. Il laisse aussi une stratégie autour des modèles ouverts : 26 Md$ prévus sur cinq ans et le rachat de Hugging Face pour 12,9 Md$, attendu au premier semestre 2027. L’open source permet à Nvidia de vendre ses GPU au-delà des géants qui développent leurs propres puces.
Mais cette semaine révèle aussi une faiblesse : quand un seul homme tient autant de fils, son départ ébranle toute la chaîne.
Heureusement, le monde n’attend pas Nvidia. Musk avance sur Terafab, AMD signe avec OpenAI, les Chinois progressent. L’IA et les puces sont mondiales. Aucun pays ne devrait pouvoir s’en accaparer l’avenir.
Jensen est à Nvidia ce que Jobs était à Apple et Musk à Tesla et SpaceX. On remplace un CEO en quelques jours, pas trente ans de relations et de confiance.
LLMgram | AI NEWS 📡 retweeted
Si on sort du prisme du code, Fable 5.2 apporte quelque chose de fou. Pendant les tests, selon Anthropic :
> 1 000 agents ont formalisé la preuve du dernier théorème de Fermat en 30 heures, quasiment sans humain.
> Il a résolu deux problèmes ouverts de physique des trous noirs, publiés en preprint.
> Il a conçu trois appareils électroniques de A à Z à partir d'un seul paragraphe de consigne, et ils marchent sans retouche.
> Il a proposé des voies de synthèse chimique à partir d'une simple image, sans internet, jugées du niveau d'un début de thèse.
> Il contrôle nettement mieux les robots physiques, même sur des tâches pour lesquelles il n'a pas été entraîné.
Pour l'emploi, le chiffre à retenir vient du Remote Labor Index de Scale AI, qui compare l'IA à des freelances sur de vraies missions payées. Fable 5.2 automatise 41,3 % des projets, contre environ 21 % pour Opus 5.5 et GPT-6 Astra. Au lancement de l'indice, il y a un an, le meilleur score était sous les 3 %.
Je le vois déjà avec Opus 5.5 : tu lui donnes une dizaine de documents, il te sort une présentation complète sans perdre le fil. Et ce n'est pas qu'une impression. Sur un test de tâches de bureau publié par Anthropic, Opus 5.5 fait jeu égal avec Fable 5.2 et devance nettement GPT-6 Astra.
En parallèle, deux signaux à ne pas rater :
1/ Les auteurs d'AI 2027 ont mis à jour leurs prévisions. Selon eux, on a cinq mois d'avance sur leur scénario, et ils attendent un chercheur IA surhumain dans le courant de 2027.
2/ Anthropic a volontairement bridé Fable 5.2 pendant l'entraînement sur la recherche qui accélère le plus directement l'IA elle-même. Sur ces sujets, il reste au niveau d'Opus 5.5.
Ça veut aussi dire que ce sont les labos qui décident de ce qu'on peut faire de leurs modèles, et de ce qu'on ne peut pas. Et tous parlent ouvertement d'auto-amélioration et d'AGI.
Si vous pensiez que 2026 était une année folle, qui a commencé fort avec OpenClaw et les agents et finit avant Noël avec des modèles qu'on n'imaginait pas, attendez de voir 2027
LLMgram | AI NEWS 📡 retweeted
« Rétablissons la vérité », écrit Laure Darcos dans sa lettre ouverte à Arthur Mensch. Je crois rêver. Rétablissons-la, oui.
Sa lettre accuse Mistral de « se désengager de l'IA générative pour recentrer son business sur le cloud et les data centers ». Or l’article X auquel elle répond s'ouvre sur l'annonce de Mistral Large 4, entièrement entraîné à Bruyères-le-Châtel, dans l'Essonne, le département dont elle est sénatrice. Difficile de passer à côté.
Sur le fond, l'objection de Mensch reste entière.
Avec ce texte, un simple indice qui rend l'utilisation vraisemblable suffit à déclencher la présomption, et c'est au fournisseur de la renverser. Comment montrer qu'une œuvre précise n'a pas servi dans un corpus de milliards de mots, sans ouvrir ses secrets industriels ? La lettre répond que « les juges sauront organiser la confidentialité ». Protéger une preuve devant un juge ne la rend pas plus facile à produire : le texte déplace la difficulté vers le contentieux sans la résoudre.
Pour illustrer le chaos américain, elle cite plus de 160 procès en cours. Pourtant, sans loi spécifique, le droit d'auteur existant a déjà fait le tri. En juin 2025, Anthropic et Meta ont obtenu gain de cause sur l'entraînement de leurs modèles. Le piratage, lui, a été jugé à part : Anthropic a accepté de verser 1,5 milliard de dollars aux auteurs pour clore ce volet. Sans présomption ni renversement de la charge de la preuve.
Et l'Europe ne part pas de zéro. Depuis août 2025, l'AI Act impose aux fournisseurs de nouveaux modèles d'IA à usage général deux obligations : respecter les refus des ayants droit (opt-out) et publier un résumé des contenus d'entraînement. Ce cadre ne permet pas encore à chaque auteur de vérifier si son œuvre figure dans un corpus, et c'est un vrai sujet. La réponse logique serait de renforcer ces moyens de vérification. La proposition fait l'inverse : elle mise sur une présomption que l'auteur déclenche et que le fournisseur doit renverser.
Les députés examinent le texte le 19 novembre. Ils méritent un débat sur ce qu'il fait, pas sur un Mistral imaginaire qui aurait quitté l'IA générative, alors qu'il entraîne ses modèles en Essonne.
Arthur Mensch vient de poser sur LinkedIn la phrase que les députés devraient lire avant le 19 novembre : quand Mistral choisira entre un data center en Essonne ou hors de France, la loi Darcos pèsera dans la balance.
Donc le Sénat a voté le texte à l'unanimité le 8 avril : dans un litige civil, dès qu'un indice rend vraisemblable l'utilisation d'une œuvre, on présume qu'elle a été utilisée par le fournisseur du modèle, et c'est à lui de prouver le contraire. Les défenseurs du texte ont un vrai argument : aujourd'hui, un auteur n'a ni les données d'entraînement ni les moyens techniques de prouver quoi que ce soit. Mais en face, prouver qu'une œuvre n'a pas servi sur des milliards de mots pose une question que personne ne tranche : quelles preuves le juge exigera, à quel coût, et qu'est-ce qu'il faudra ouvrir de ses secrets d'affaires pour les fournir. Mensch dit que c'est impossible sans livrer ses méthodes.
Et ce qui a changé depuis avril, c'est que les décisions d'investissement se prennent maintenant. Mistral a sorti Large 4, 1 000 milliards de paramètres, poids ouverts, entraîné à Bruyères-le-Châtel sur ses propres machines. L'entreprise développe 1 GW de capacité, essentiellement en Europe et largement en France. Pour l'ordre de grandeur, 1 GW, c'est à peu près la puissance d'un réacteur nucléaire, et on ne choisit pas l'emplacement de ce genre d'infra pour deux ans mais pour dix.
Mon inquiétude, c'est que la loi pèse surtout sur ceux qui entraînent en France. Sur le papier, un acteur étranger qui vend ici peut être attaqué ici. En pratique, une boîte qui a ses serveurs et ses équipes en Essonne est bien plus facile à aller chercher qu'une boîte qui entraîne en Californie.
En avril, j'écrivais déjà que la solution adulte était sur la table : une contribution sur le chiffre d'affaires réalisé en Europe, appliquée à tous, étrangers compris, qui finance la création sans transformer chaque entraînement en contentieux potentiel. Tout reste à construire, de la répartition entre créateurs à l'articulation avec les licences existantes, mais c'est la bonne direction. Mensch la repropose aujourd'hui, adossée à l'article 53 de l'AI Act. Sept mois plus tard, on rejoue le même débat, avec un modèle français de plus entre les deux.
Ma hot take : les créateurs devront s'adapter à l'IA, et les plateformes feront le nécessaire. Spotify vient de signer avec Believe pour des remix IA, avec le consentement des artistes et une rémunération à la clé. Ce n'est pas l'entraînement des modèles, mais ça montre qu'on peut payer les créateurs par des accords plutôt que par des procès.
On a enfin une boîte française capable de jouer dans la cour des grands, qui entraîne ses modèles chez nous et investit dans nos infrastructures. Et c'est maintenant qu'on décide de lui mettre des bâtons dans les roues ? C'est elle qui aura, la première, à arbitrer entre l'Essonne et ailleurs.
L'AI Act oblige déjà les fournisseurs de modèles à publier un résumé de leurs données d'entraînement et à mettre en place une politique de respect du droit d'auteur. Bruxelles travaille maintenant sur les évolutions de ce cadre, notamment la question de l'utilisation et de la rémunération des œuvres protégées. Et pendant ce temps, la France veut ajouter son propre mécanisme de présomption, avec le risque de multiplier les contentieux avant même qu'une réponse européenne commune se dessine. On ne pouvait pas coordonner tout ça à l'échelle européenne ?
À force de vouloir réglementer les champions qu'on n'avait pas, on risque de décourager ceux qu'on a enfin.
LLMgram | AI NEWS 📡 retweeted
Crouton Alpha, nouveau modèle gratuit sur OpenCode pour la semaine à venir.
1M de contexte, multimodal et ZDR.
Let's go, testons l'engin et à vos pronos pour qui se cache derrière.
LLMgram | AI NEWS 📡 retweeted
Le labo de Mira Murati, ex-CTO d'OpenAI, vient de sortir un modèle de 594 milliards de paramètres. Il s'appelle Inkling 2 Small.
Le « Small » se comprend quand on regarde comment il fonctionne. C'est un mixture-of-experts (MoE) : le modèle contient de nombreux sous-réseaux spécialisés et, pour chaque mot, il n'en réveille qu'une partie, soit 17 milliards de paramètres. Il a les connaissances d'un gros modèle, mais coûte à faire tourner à peu près comme un modèle moyen.
Côté niveau, il obtient 30,6 sur l'indice d'Artificial Analysis, une note indépendante qui agrège plusieurs benchmarks. C'est mieux que GLM 5.3 Flash (27,8), un modèle chinois de taille comparable, et presque au niveau de DeepSeek V4.1 Flash (32,6), la référence de sa catégorie. Il dépasse surtout Mistral Large 4 (26,1), le grand modèle ouvert européen, alors qu'il active presque trois fois moins de paramètres. Pour Nathan Lambert, chercheur américain spécialiste des modèles ouverts, c'est le meilleur modèle ouvert occidental.
Le modèle lit le texte et les images, et vise surtout le code, les agents qui travaillent longtemps seuls et la finance. En cybersécurité, il est au niveau des meilleurs modèles ouverts pour repérer et corriger des failles : 79,6 % sur PatchEval, contre 80,4 % pour DeepSeek V4.1 Flash et 76,1 % pour Mistral Large 4. Pour attaquer des systèmes, il reste en revanche derrière eux.
Pour montrer ce qu'il voit, le labo l'a opposé à ses chercheurs dans une dégustation à l'aveugle. Sur une simple photo de trois verres, il devait retrouver lequel contenait un cabernet de 1999, un cabernet de 2019 ou un nebbiolo de 2023, rien qu'à leur couleur. Il a vu juste 19 fois sur 20, mieux que des chercheurs de l'équipe.
Ce qui a le plus fait parler les chercheurs sur X, c'est la vitesse de fabrication. Un modèle se fabrique en deux grandes étapes. D'abord, il lit une quantité énorme de textes, de code et d'images pour apprendre comment le monde s'écrit : c'est le pré-entraînement. Ensuite, il s'exerce sur des tâches et il est récompensé quand il réussit : c'est l'apprentissage par renforcement.
Chez Thinking Machines, la phase principale de lecture a pris 68 heures, et l'entraînement par la pratique 9 jours. Leur astuce : faire tous les calculs avec des nombres arrondis, sur 4 bits au lieu de 8 ou 16 d'habitude. C'est comme compter en euros ronds plutôt qu'au centime près : moins précis, mais beaucoup plus rapide et moins cher. Et le modèle obtenu reste au niveau de ses concurrents.
Quand les étapes principales se comptent en jours plutôt qu'en mois, un labo peut essayer beaucoup plus de recettes dans l'année. Pour un labo de deux ans face à OpenAI ou Google, c'est le meilleur moyen de rattraper son retard.
Détail révélateur : pour apprendre à travailler en agent, Inkling a d'abord étudié des exemples générés par d'autres modèles, dont le chinois Kimi K3, à côté de leurs propres modèles. C'est devenu la norme, car les modèles fermés comme GPT ou Claude interdisent qu'on entraîne un concurrent avec leurs réponses. Résultat : même le meilleur modèle ouvert occidental s'appuie en partie sur l'open source chinois.
On peut déjà l'utiliser et le fine-tuner sur ses propres données via Tinker, leur plateforme. Les poids devraient sortir la semaine prochaine sous licence Apache 2.0, donc utilisables commercialement, une fois terminés les tests de sécurité menés par des équipes externes. Et si vous l'entraînez sur vos données dès maintenant, vous pourrez ensuite récupérer votre version personnalisée et la faire tourner chez vous.
Attention quand même : 17 milliards actifs ne veut pas dire que ça tourne sur un laptop. Il faut charger les 594 milliards, soit plus de 300 Go même en 4 bits, donc un serveur avec plusieurs gros GPU.
Introducing Inkling 2 Small. Scoring 31 on the AA Intelligence Index, it's a big jump over its predecessor.
Inkling 2 Small is available for fine-tuning and inference on Tinker today, with full weight release planned soon.
thinkingmachines.ai/news/ink…
UK will not slow down on AI despite backlash in US, says growth minister
FT attributes the stance to growth minister Tomlinson; this excerpt does not list concrete UK AI budget figures or new statutory measures.
AI Signal: llmgram.app/news/2026/11/uk-…
55
Censys finds 800+ publicly exposed copies of ARTEX
Operators running open-source offensive AI stacks need a default deny rule for any listener facing the public internet.
AI Signal: llmgram.app/news/2026/11/cen…
50
In a 196-person study, its 65.8 percent detection rate beat the traditional in-office measurement.
Third-party report; confirm Nature paper and Google blog before clinical framing; feature is research-backed screening not diagnosis.
AI Signal: llmgram.app/news/2026/11/goo…
39
Ex-OpenAI employee accused of spying pleads not guilty
Operators should treat undisclosed office intercept hardware as an active legal and access-control incident until court filings name sites, devices, and scope.
AI Signal: llmgram.app/news/2026/11/ex-…
1
77
Anthropic to Proceed With IPO Roadshow Next Week
If the roadshow starts next week as reported, public-market investors get a near-term pricing window on a frontier lab while several major rivals remain private.
AI Signal: llmgram.app/news/2026/11/ant…
50
China's intelligence agency recruited Megaspeed executive Alice Huang to spy on Nvidia CEO Jensen Huang
Story rests on NYT reporting relayed by The Verge; no primary MSS or Nvidia filing in the closed snippet.
AI Signal: llmgram.app/news/2026/11/rep…
93
LLMgram | AI NEWS 📡 retweeted
Introducing Timon 😺
The real open-source alternative to GrokBot.
Less chatting, more doing!
Timon is now open source under AGPL-3.0.
Agents with memory, routines and their own browser for your day-to-day.
And a real dev environment when you need more : terminal, Kanban, Git, Docker and more.
Install it on your own machine or a VPS, and bring the AI subscriptions you already pay for.
Already have agents? Import them from GrokBot, Hermes and others: memory, skills and routines come along.
Windows, macOS, Linux, and from your phone: timon-ai.com
⭐ Repo in the first reply ↓
LLMgram | AI NEWS 📡 retweeted
Ce matin au réveil, je découvre que le CMO de Mistral demande à ses followers s'il devrait séparer la tech du reste sur son compte. Brian, j'ai deux ou trois choses à te dire
30 ans dans la tech, ex-VP chez Google Cloud, aujourd'hui CMO de Mistral. Quand tu es arrivé, certains t'ont accueilli comme le messie qu'attendait la com de Mistral. C'est justement pour ça que ta question m'a surpris : on attend énormément de toi sur ce terrain-là.
Je défends Mistral depuis longtemps et je continuerai. Mais depuis l'été, les annonces s'enchaînent à une vitesse folle : GLM 5.3, DeepSeek V4, et chez vous Mistral Large 4 en open weights. À ce rythme, le meilleur modèle ne gagne pas forcément. Celui que les développeurs comprennent, adoptent et recommandent part avec une sacrée avance. Or l'offre de Mistral reste difficile à décrypter, et on se pose toujours les mêmes questions :
1) Est-ce qu'on peut brancher vos modèles sur Hermes, sur T3 Code, sur le reste de nos outils ?
2) Combien de crédits sont réellement disponibles ?
3) Quelle est la direction pour la suite ? Un peu de teasing ferait du bien.
Et derrière, il y a tout ce qu'on aimerait comprendre : ce qui est fort dans vos modèles et ce qui vous différencie vraiment. Ces USP, les grands comptes les comprennent sûrement dans vos calls. Ici, beaucoup moins. Pourquoi du local plutôt qu'une API ? Et quand on prend votre API, qu'est-ce que le ZDR change concrètement ? Vous avez plus de 40 cas clients sur votre site, Airbus, ASML, AXA, BMW, il en faut plus ici.
Pour une boîte comme Mistral, la com fait partie de la distribution. Un employé montre un usage, un dev le reproduit, une entreprise le découvre, et les utilisateurs finissent par en parler eux-mêmes. Sur X, Tibo, Thariq, Theo ou Karpathy partagent leur stack, ce qu'ils testent, ce qui tourne dans leur lab, et ils sont loin d'être les seuls. Chez Mistral, Sophia Yang a montré que ça marche : elle partageait énormément, et beaucoup de devs suivaient Mistral à travers elle. Il y a de la place pour dix voix comme la sienne. Ton rôle, c'est aussi de leur donner envie d'y aller : montrer l'exemple, leur donner le feu vert, amener une énergie hors du commun pour que tes équipes racontent ce qu'elles construisent.
Je ne te demande pas de transformer ton compte perso en canal corporate. Avec ton parcours, ton réseau et ton poste, tu peux rendre visible ce que Mistral construit. On a envie de tes histoires de terrain, de comprendre qui tu es, et surtout de comprendre l'IA à travers tes yeux : où elle va, ce qui marche vraiment, ce que tu as vu passer chez Microsoft, Amazon et Google. Tu le dis toi-même, les Français ne s'intéressent pas à Seattle. L'IA, si. C'est là-dessus que j'aimerais surtout te lire, avec ce qui se construit chez Mistral. Seattle et le reste ont leur place, mais ce n'est pas pour ça que je te suis.
Mistral est une startup générationnelle. Elle a les talents, la technologie et l'ambition pour jouer dans la cour des plus grands. Maintenant, il faut aussi gagner la bataille de l'adoption. C'est une mission de ouf que tu as là, mon ami. LFG
OK, question for followers and twitter smart people. I am basically three things on twitter: 1/ AI / Tech guy who has 30 years of "frontier" and working for the best European tech company @MistralAI so have many AI thoughts, 2/ Seattle native and super fan, especially Mariners and baseball - also known as the only team in MLB to never be in a world series. 3/ Seattle / WA / US politics point of viewer with "lived experience" in what WA is trying to destroy. I feel like I'm always tweeting in ways that make no sense to 2 of 3 of these, and am inclined to make two accounts, 1 for Seattle/WA/Sports and 2 for AI/Tech/france/murca. but I am also one dude. thoughts or recommendations?
Nvidia Corp. is in for tougher scrutiny from a new Democratic majority in Congress that’s set to demand answers
Story is third-party Bloomberg reporting; congressional actions and export rules may change.
AI Signal: llmgram.app/news/2026/11/dem…
27
OpenAI is now valued at $1.25 trillion in a new round of funding that has raised another $11 billion, according to Bloomberg.
Terms and valuation are attributed to Bloomberg via The Verge, not a direct OpenAI disclosure.
AI Signal: llmgram.app/news/2026/11/ope…
37
Plans to fill a gap in the global governance of autonomous weapons are in jeopardy
UN conference this month seen as key moment after years of discussions on filling gap in governance of AI systems
AI Signal: llmgram.app/news/2026/11/rus…
19
Nonprofit METR got eleven weeks of access to Anthropic's internal research data
Third-party article summarizing METR; heavy Anthropic redactions mean readers cannot directly verify many primary figures.
AI Signal: llmgram.app/news/2026/11/met…
29
Le Chonk brings the intelligence. Studio puts it to work.
If you already run Studio in a VPC, map which new managed-agent and event-trigger paths replace custom orchestration before your next production rollout.
AI Signal: llmgram.app/news/2026/11/mis…
1
2
75











