Gemini 4 Pro fuité, GPT-6 Soul en test : de l'Arena à Google Cloud, la vague de choc IA de la semaine

C'est le premier long point de l'animateur après un mois d'absence de son installation habituelle, et il condense huit fuites distinctes en un seul survol : Gemini 4 Pro, GPT-6 Soul, Grok 4.7, Union Alpha, Jev de Typesafe, le framework Dream RSI de Google, Projects dans Claude Code et la course d'entraînement de Mimo 2.6 de Xiaomi. Aucune d'elles n'est arrivée sous forme de lancement officiel ; chacune a émergé via des tests fantômes sur Arena, des listes de quotas sur Google Cloud, des essais gratuits de harness ou des journaux de recherche publics. Pour moi, c'est là la vraie histoire de la semaine : la manière dont les modèles sont testés est devenue aussi digne d'intérêt que les modèles eux-mêmes.

Gemini 4 Pro en test fantôme sur Arena

La trace la plus claire pour Google est un checkpoint qui circule sur Arena sous le nom de Gemini 3.8 Flash. Lorsqu'un utilisateur a lancé un test de stress JSON infini demandant mille planètes avec des détails denses, le vrai Flash a résumé puis abandonné, tandis que ce checkpoint continuait à produire des enregistrements détaillés et non répétitifs jusqu'à atteindre la limite de caractères du navigateur et faire planter la page. Cette endurance correspond à une limite de sortie de 256k tokens fuitée et attribuée à Gemini 4 Pro, ce qui renforce l'hypothèse qu'il s'agit du checkpoint flagship. La vidéo explique aussi comment l'essayer — se connecter à Arena, ouvrir le mode Battle et choisir Code — et souligne que même au niveau de raisonnement le plus bas d'Arena, les sorties semblent étonnamment solides, laissant penser que la capacité au lancement pourrait être encore supérieure.

Les sorties créatives du checkpoint constituent le cœur du point. Un jeu fluide façon Mario Kart avec génération de monde, une voiture de Formule 1 rendue en 3D avec des éclairages et des angles de caméra variés, un temple en voxel-art complet avec feuilles de cerisier qui tombent, des poissons dans la rivière et un cycle jour/nuit complet, et une PlayStation 5 en SVG pur — le tout présenté comme inhabituellement soigné pour Arena. L'exemple le plus commenté est un SVG animé d'une Nintendo Switch où les manettes se clipsent dans le corps et où l'écran démarre avec le logo ; l'animateur dit que Gemini 4 Pro a clairement surpassé Opus 5 sur ce prompt. Une génération SVG de dix minutes montrant de la profondeur, plusieurs points de vue, la lueur du bouton mute et même un calque de squelette, plus un prompt côte à côte d'un pélican sur un vélo où GPT-6 Astra garde l'avantage en profondeur visuelle, démontrent ensemble que le niveau de raisonnement de base du checkpoint fantôme est déjà compétitif face aux meilleurs modèles — alimentant le récit du retour de Google tout en laissant la vérification indépendante ouverte.

GPT-6 Soul : date limite, paliers et premières impressions

Côté OpenAI, le point présente GPT-6 Soul comme un palier d'efficacité à court terme avant la Dev Day. Sa date limite de connaissances est décrite comme le 30 avril, la même date attribuée à GPT-6 Astra, suggérant une lignée commune, les paliers inférieurs s'appelant peut-être Luna et Terra. Soul serait entré en test gris dans l'application web ChatGPT, où les premiers testeurs rapportent un formatage plus riche et une mémoire et une personnalisation nettement meilleures. Un SVG de manette PS5 généré avec un effort de raisonnement élevé en environ trois minutes et un intérieur de maison en 3D codé dans un environnement proche de 3GS sont présentés comme des signes que même le palier le moins cher approche la qualité d'Astra. L'animateur relaie aussi des affirmations selon lesquelles Soul a battu le Claude Opus 5.2 non encore publié sur quelques prompts tout en utilisant moins de tokens — mais il met en garde : ce sont des impressions précoces non vérifiées, pas des benchmarks, et le prix face à Astra ainsi que la vitesse réelle ne seront clairs qu'au lancement.

Grok 4.7 apparaît dans les quotas cloud

Pour Grok, le signal est son apparition dans les quotas et limites système de Google Cloud. Combiné au précédent « coming soon » d'Elon, cette entrée est interprétée comme une sortie imminente, même si la fenêtre initiale de dix jours a déjà glissé. Les premiers chiffres cités dans la vidéo placent Grok 4.7 à 6,4 sur Colony Bench Mega, un net bond par rapport à Gemini 3.8 Flash à 2,7 et GPT-5.6 Soul à 2,6, mais encore bien loin derrière GLM 5.3, DeepSeek 4.1 Flash, GPT-6 Astra Pro et Claude Fable 5. Côté CUDA, le tableau est plus serré : 9,5 sur le test fusionné GLM 5.2, juste au-dessus des 9,4 de Grok 4.6, avec de petits gains sur d'autres charges de travail CUDA. L'analyse de l'animateur est équilibrée — un vrai pas en avant par rapport à 4.6, mais souvent marginal — et suggère d'attendre des reruns indépendants avant d'extrapoler.

Union Alpha démasqué : Pareto 269 et la vérité sur le harness

La plus grande énigme de la semaine, Union Alpha, a été résolue juste après le montage principal. Présenté au départ comme un modèle furtif disponible gratuitement via OpenCode, OpenRouter et Klein, avec une fenêtre de contexte de 256k, un support multimodal et une orientation codage agentique, on lui créditait des performances proches d'Astra et d'Opus 5 pour environ un dix-huitième du coût attendu. La révélation ultérieure l'identifie comme Pareto 269 d'Unbiased — non pas un modèle unique mais un système qui répartit le travail entre plusieurs modèles ouverts et de frontière, dans l'esprit du précédent dispositif Sukuna. Les tarifs annoncés sont de 2,50 $ par million de tokens d'entrée et 0,25 $ pour l'entrée en cache, 7,50 $ pour la sortie, soit prétendument moins d'un quart du prix catalogue d'Astra. Ce routage explique pourquoi il semblait si proche des modèles de frontière sur certaines tâches : le harness transmet le travail à ces modèles quand c'est nécessaire. Mon avis est qu'Union Alpha doit être jugé comme un produit d'orchestration plutôt que comme des poids ; la question critique est la transparence de la logique de routage, pas seulement le prix affiché.

Jev de Typesafe, développé avec Dio, se situe sur un axe totalement différent. Contrairement aux grands modèles de langage classiques qui génèrent du texte token par token, Jev prend une entrée non structurée et un ensemble prédéfini de sorties possibles et renvoie des décisions structurées avec des probabilités, en calculant tout en parallèle. Son approche d'entraînement s'appelle RLCD, apprentissage par renforcement pour décisions calibrées. Les benchmarks de l'entreprise affirment une rapidité 20 à 200 fois supérieure pour un coût 40 à 400 fois inférieur sur les flux de décision testés, avec un tarif de quatre cents par million de tokens d'entrée et des sorties gratuites — des affirmations qui devront être validées de manière indépendante. La limite clé est explicite : Jev ne génère pas de texte normal, donc ce n'est pas un remplaçant de GPT-6 Astra ou d'un modèle Claude ; il est plutôt positionné comme un compagnon qui gère des milliers de décisions bon marché et rapides autour d'un modèle de frontière — routage, classification, évaluation des sorties ou choix de la prochaine action d'un agent.

Dream RSI, Claude Projects et la course de RL publique de Xiaomi

Dream RSI de Google DeepMind est présenté comme une boucle proche d'être bouclée, mais qui ne l'est pas encore. Les poids du modèle ne s'améliorent pas directement ; l'agent qui explore la politique apprend de sa propre historique de tentatives de découverte et devient meilleur dans la recherche de solutions au fil du temps. La vidéo indique que la boucle a été démontrée sur les algorithmes, l'ingénierie de kernels GPU et le développement de modèles, ce qui suggère que l'amélioration de la politique se généralise au-delà d'une seule tâche. La nuance compte : il s'agit d'une amélioration récursive de la politique de recherche, pas d'une auto-amélioration récursive des poids, donc si l'étiquette RSI est excitante, le résultat est une étape contrôlée vers elle plutôt qu'une évolution autonome complète au niveau des poids.

Les nouveaux Projects de Claude dans Claude Code sont présentés comme une amélioration pratique pour le travail en déplacement : donnez à Claude plusieurs tâches dans une même conversation et il les répartit en threads parallèles qui continuent de tourner après la fermeture de votre ordinateur portable, avec une mémoire et des fichiers partagés synchronisés entre les threads. C'est actuellement en bêta limitée pour les abonnés Pro et Max, avec un déploiement plus large attendu — potentiellement avec Opus 5.2. Le Mimo 2.6 de Xiaomi, après près de six mois de silence, est décrit comme à mi-parcours d'une immense course d'apprentissage par renforcement qui augmente le calcul RL, les environnements agentiques multitâches et le calcul global, générant environ deux milliards de tokens par étape d'entraînement sur des milliers de rollouts parallèles. L'équipe serait en train de diffuser la course en public et d'ouvrir davantage de détails d'entraînement dans les semaines à venir, même si le modèle lui-même est encore à un ou deux mois.

Le point se termine par une courte démo de robot où GPT-6 Astra pilote des pas de danse, un rappel symbolique que les grands modèles s'étendent désormais de l'artisanat SVG à la chorégraphie physique. Pris ensemble avec les promotions de l'animateur pour sa newsletter, son benchmark et sa plateforme de vibe-coding, le tableau est clair : Google auditionne discrètement un retour via Arena, OpenAI superpose une famille pour réduire les coûts, xAI prépare une sortie via les quotas cloud, et Xiaomi gagne la confiance en ouvrant le journal d'entraînement. Ma leçon de la semaine est de ne pas y lire un vainqueur unique mais des stratégies de transparence concurrentes — quel test fantôme est le plus honnête, quel quota a fuité le plus tôt, quel journal enseigne le plus — c'est là que se joue la vraie compétition.