SpaceX acquiert Cursor pour soixante milliards de dollars dans une transaction technologique majeure record

Version anglaise ci-dessus, version chinoise ci-dessous.

Tendance 1 : Les modèles de codage open source comblent l’écart sans modifier les modèles de base

Le 14 août, Zhipu AI a publié GLM-5.3, en conservant le même modèle de base que GLM-5.2 et en s’appuyant entièrement sur la mise à l’échelle post-entraînement. La capacité de codage a progressé de 50 % dans son benchmark interne, Terminal-Bench 3.0 est passé de 4,6 à 28,3, et DeepSWE v1.1 est passé de 46,2 à 66,9. Zhipu a indiqué qu’elle publiera les poids deux semaines après la sortie, à l’issue d’un examen de sécurité.

Cette sortie est intervenue en même temps qu’une série de modèles de codage open source. DeepSeek a livré V4 Pro, un modèle MoE de 1,6 T de paramètres avec 49 milliards de paramètres actifs et un contexte d’un million de jetons. Sur LiveCodeBench, il a obtenu 93,5, avec un score Codeforces de 3 206. Alibaba a publié Qwen3.8-27B en open source dans la soirée du 14 août, un modèle dense multimodal natif de 270 milliards de paramètres qui surpasse Qwen3.7-Plus dans les tâches de codage et de bureautique. Alibaba indique que Qwen a dépassé 3 milliards de téléchargements, avec plus de 300 000 modèles dérivés et plus de 460 modèles open source.

Ce changement de cap est uniforme : aucun des trois n’a changé de modèle de base. Les gains proviennent du post-entraînement et de l’architecture. GLM-5.3 n’utilise que 50 000 jetons de sortie par tâche sur Z.ai Code Bench, contre environ 120 000 pour Claude Opus 4.8, tout en atteignant une précision de 31,4 % contre 29,5 % pour Opus 4.8.

Tendance 2 : DeepSeek déplace la course des modèles vers l’environnement d’exécution des agents

Dans la nuit du 13 août, DeepSeek a publié DeepSeek Harness en open source sous licence MIT, sans nouveau modèle. Le framework divise l’ensemble du squelette d’agent — boucle principale, gestion de l’état, stockage de session, ordonnancement des tâches, bac à sable, événements, interface utilisateur (UI) — en composants enfichables, selon une conception « Everything is a Plugin ». Il repose sur une base de plugins Cordis personnalisée avec chargement/déchargement à chaud et retour en arrière, ainsi qu’une portée Preset qui exécute plusieurs agents isolés dans un même processus.

La même nuit que le duo Harness-V4 Pro, Honor a annoncé le 15 août que YOYO Claw (son « cerveau de crevette ») fonctionne désormais avec GLM-5.3, un déploiement direct auprès du grand public d’un modèle ouvert. Le changement est visible : les scores des modèles convergent et la couche de différenciation se déplace vers l’environnement d’exécution et l’outillage qui entoure les modèles.

Tendance 3 : La puissance de calcul redistribue la propriété

Le 14 août, SpaceX a finalisé l’acquisition de Cursor pour 60 milliards de dollars, l’une des plus grandes opérations technologiques jamais enregistrées. Le blog de Cursor a évoqué l’accès au plus grand cluster de GPU pour créer des modèles à moindre coût. Les deux avaient déjà livré le modèle commun Grok 4.5 en juillet, puis Grok 4.6, et Musk a déclaré aux employés que les revenus de l’IA dépasseraient toutes les autres activités de SpaceX d’ici septembre.

La même période a vu Nvidia réévaluer son exposition. Nvidia détient environ 21 milliards de dollars de participation dans SpaceX, convertie à partir de sa position dans xAI après la fusion avec SpaceX, les centres de données de SpaceX utilisant exclusivement du matériel Nvidia. Parallèlement, des rapports indiquent que Nvidia réduit sa garantie sur le projet Ohio de 10 GW d’OpenAI — de 250 milliards de dollars à moins de 120 milliards de dollars, en ne couvrant que les 5 premiers GW — et que le chiffre d’affaires annualisé d’OpenAI dépasse 40 milliards de dollars, soit environ le double de son rythme de revenus antérieur. Anthropic, qui a déclaré que son rythme de revenus avait dépassé 47 milliards de dollars en mai, serait proche d’une acquisition de Decart de 6 milliards de dollars, une entreprise dont le logiciel exécute l’entraînement et l’inférence plus efficacement sur les puces.

Parallèlement, le 14 août, le PDG d’Anthropic, Dario Amodei, a publié un billet sur la réglementation de l’IA, en faisant valoir qu’un processus institutionnel équitable peut lui-même disperser le pouvoir et que la réglementation devrait contraindre les entreprises de pointe tout en laissant de la place aux modèles ouverts et aux petits acteurs.

Tendance 4 : L’IA s’attaque aux mathématiques non résolues

Un rapport du 14 août a détaillé comment Jinshanmu, médecin résident en neurochirurgie à l’Hôpital du Collège médical de l’Union de Pékin, a utilisé GPT-5.6-Sol d’OpenAI pour prouver la conjecture de Crouzeix en environ 16 heures — un problème ouvert depuis 2004. L’auteur de la conjecture, Michel Crouzeix, ainsi que les mathématiciens Alex Townsend et Anne Greenbaum, ont relu le manuscrit et confirmé la preuve. La meilleure constante précédente était de 2,414, établie en 2017 après un atelier d’une semaine ; Crouzeix lui-même avait prouvé 11,08 en 2007. Huit jours plus tard, les mathématiciens Emiel Lorist et Felix Schwenninger ont publié une preuve indépendante de cinq pages en utilisant une méthode différente, avec l’aide de ChatGPT 5.6.

Nvidia a enrichi le volet matériel de l’efficacité le 14 août en annonçant la production en série du commutateur Spectrum-X CPO — le premier commutateur Ethernet à optique co-packagée 200G/lane produit en série. La consommation chute à un cinquième, le nombre de lasers à un quart et la disponibilité des applications d’IA est multipliée par cinq. Le SN6810 intègre 128 ports à 800 Gb/s dans un châssis 2U (102,4 Tb/s), avec TSMC, SPIL, Lumentum et Foxconn dans la chaîne d’approvisionnement.