日拱一卒 : Un invité a renoncé à l’invitation au dîner d’OpenAlice pour aller à un événement d’OpenAI, juste pour voir du K-Pop
Réponse du chercheur d’OpenAlice, Ame : « Nous les invitons à un dîner, et c’est un privilège. S’ils choisissent l’événement d’OpenAI à cause du K-Pop, alors ils ne prennent pas l’AGI assez au sérieux, et ils ne conviennent peut-être pas à notre culture. Nous nous concentrons surtout sur la recherche locale. »
Traduisez ce passage : Vous sélectionnez les gens, et eux vous sélectionnent aussi. Quand votre seuil culturel est « il faut prendre l’AGI suffisamment au sérieux au point de ne pas regarder de K-Pop », vous éliminez non seulement les gens peu sérieux, mais aussi ceux qui ont une vie normale.
Les chercheurs les plus éminents ne sont souvent pas ceux qui « font une seule chose », mais ceux qui « une fois le travail sérieux fait, peuvent encore regarder du K-Pop ». Les personnes qu’OpenAI accueille, ce n’est pas à cause du K-Pop, mais parce qu’OpenAI ne vous oblige pas à choisir entre le K-Pop et l’AGI.
La culture n’a pas intérêt à être plus élevée : elle doit surtout être plus authentique.
日拱一卒 : IA en première moitié : des modèles, désormais place à la commercialisation
Les résultats financiers des quatre grands acteurs CSP à la fin du mois de juillet sont le test clé pour évaluer la commercialisation de l’IA : Microsoft (29/07), Amazon (31/07), Google (22/07) et Meta (29/07).
Le marché ne se demande plus « qui publie le modèle le plus puissant », mais plutôt : l’IA peut-elle générer des revenus qui dépassent le Capex ? La marge brute nouvellement créée peut-elle couvrir l’amortissement, l’énergie et les coûts de financement ? Quand le flux de trésorerie disponible (FCF) atteindra-t-il son point bas ?
L’histoire de la première moitié, c’est « dont le modèle est le plus fort » : c’est un récit technologique. L’histoire de la seconde moitié, c’est « dont la puissance de calcul peut rapporter de l’argent » : c’est un récit commercial. Quand le récit change, le modèle d’évaluation doit aussi changer. En première moitié, on utilise une valorisation par PS ; en seconde moitié, il faut utiliser le FCF.
Quatre jours d’annonces, quatre procès. Est-ce que l’IA peut passer de « la foi qui brûle de l’argent » à « une affaire rentable » ? Rendez-vous à la fin de juillet pour connaître la réponse.
日拱一卒 : ère de l’IA, la plus grande dette technique n’est pas le code pourri, mais ces idées qui n’auraient jamais dû être mises en œuvre
Dès que le coût de génération tombe à zéro, l’impulsion de construire se fait passer pour de la créativité.
Cette phrase met le doigt sur le problème central du développement actuel de l’IA. Avant, pour créer une fonctionnalité, il fallait écrire du code, faire des tests et déployer, donc le coût était élevé et les gens se demandaient « est-ce qu’il faut le faire ? ». Maintenant, générer une ligne de code avec l’IA est presque gratuit, et les gens ne se demandent plus « faut-il le faire ? ».
Le résultat : des produits bourrés de fonctionnalités que personne n’utilise, de documents que personne ne lit et de scripts que personne ne maintient. La dette technique, de « mauvaise qualité du code », devient « mauvaise orientation du produit ».
Le code le plus cher n’est pas celui qui est mal écrit : c’est celui qu’on n’aurait pas dû écrire.
Un pas à la fois, un soldat : pourquoi Yang Zhilin n’est-il pas resté aux États-Unis ?
Pendant son doctorat à la CMU, il a fait des stages chez Google Brain et Meta AI. Son directeur de thèse est ensuite parti chez Apple pour y diriger l’IA : Ruslan Salakhutdinov. En 2023, il a choisi de revenir en Chine pour se lancer dans l’entrepreneuriat.
À l’époque, ce choix ressemblait à un pari ; en 2026, il ressemble à un calcul. Les États-Unis offrent le meilleur environnement de recherche, mais l’avantage de la Chine, c’est la « vitesse de constitution d’équipes » : dans la compétition en IA, la vitesse pour passer de 0 à 1 est plus importante que la précision pour passer de 1 à 100.
Le retour de Yang Zhilin en Chine ne signifie pas l’abandon de la technologie américaine : il a choisi un environnement où la « densité de talents est plus faible, mais la chaîne de décision est plus courte ». Le Kimi K3, avec son MoE 896 experts et l’optimisation par kernel d’auto-évolution, n’a pas besoin de plus de génies, mais d’une organisation capable d’essayer rapidement et de corriger rapidement ses erreurs.
Choisir le champ de bataille compte autant que choisir l’arme.
日拱一卒 : pourquoi Kimi peut-elle produire un K3 ? Yang Xinyu dresse la liste des quatre crimes commis par ses concurrents
① Arrogance : les équipes historiques pensent que la guerre de l’IA est déjà terminée et que c’est elles qui ont gagné. ② Impatience : les bases du jeune laboratoire ne sont pas solides ; si elles n’arrivent pas à suivre, elles changent de cap trop vite. ③ Lâcheté : bien que la force ne soit pas faible, elles n’osent pas fixer un objectif de première place dans l’industrie. ④ Objectif mal aligné : chacun se bat pour sa gloire personnelle ; personne ne se soucie vraiment de savoir si l’entreprise peut réussir à produire une AGI.
Yang Xinyu dit que ce qui rend Face à l’ombre de la Lune le plus différent, c’est que l’équipe fondatrice continue de poursuivre l’AGI avec une détermination farouche.
Et il/elle a aussi dévoilé les « Cinq préceptes de Kimi » : - Une entreprise de modèles doit construire des modèles - Pour faire de la recherche et publier des articles, il faut réaliser des expériences - L’entraînement d’un modèle doit s’appuyer sur les métriques - Les choses qui ne fonctionnent pas, ne pas forcer - Ne pas YOLO
En version très simple : moins raconter des histoires, plus faire des expériences. Entraînement guidé par les données, arrêter vite en cas d’échec, ne pas miser sur l’intuition.
Ces quatre crimes et ces cinq préceptes parlent en réalité de la même chose : la plupart des entreprises d’IA meurent parce qu’elles veulent « être le patron », plutôt que « faire la bonne chose ». La différence de Kimi n’est pas qu’elle est plus intelligente, mais qu’elle est plus maîtrisée.
Un pas à la fois : des modèles qui s’acharnent à augmenter leur intelligence tous les jours ; distillation après distillation, mais aucun utilisateur n’a la moindre loyauté.
Aujourd’hui, ce modèle est le plus fort ; demain, c’est un autre. Mais Google et Amazon sont derrière, ils rient sous cape.
Google a Android, Chrome, Search, Workspace, YouTube : tout sert d’entrées naturelles pour les utilisateurs. GCP vend de la puissance de calcul, et les TPU réduisent ses propres coûts d’entraînement. AWS est le plus grand cloud : l’entraînement et l’inférence en IA consomment des ressources cloud ; plus la concurrence est forte, plus on gagne.
Gemini, c’est la « bean soup » nord-américaine ; Alexa est bien pire — mais ils ont des utilisateurs et ils ont de l’argent. Les sociétés de modèles se battent au milieu du terrain, tandis que les fournisseurs de cloud encaissent le loyer en coulisses. La plus grande sagesse du monde humain, c’est de rire sous cape.
Le dénouement de l’IA n’est peut-être pas « quel modèle est le plus puissant », mais plutôt « qui a le plus d’entrées ». Les modèles sont les munitions, la distribution est le fusil. Les munitions peuvent se remplacer, mais le fusil est plus difficile à changer.
日拱一卒 : Kimi K3 vient d’être publié — 28 000 milliards de paramètres, 1 million de contexte, multimodal natif
Trois benchmarks internes surclassent entièrement Claude Opus 4.8 et GPT-5.5 : Online Exp 75,5, DECK-Bench 73,5, Finance-Bench 62,6.
Côté architecture, deux mises à jour : Kimi Delta Attention (KDA) améliore jusqu’à 6,3 fois la vitesse de décodage dans des contextes de plusieurs millions de tokens ; Attention Residuals (AttnRes) fait grimper l’efficacité d’entraînement d’environ 25 %, avec un coût supplémentaire inférieur à 2 %. Le MoE passe à 896 experts, dont 16 sont activés : l’efficacité d’expansion globale est environ 2,5 fois supérieure à celle de K2.
Le point le plus à surveiller est la capacité d’auto-évolution : pour K3, 15 heures d’itérations continues permettent de concevoir un nouvel algorithme de noyau (kernel) en deux étapes, réduisant le forward + backward d’AttnRes de 283,6 ms à 114,4 ms — sans modification des valeurs, la vitesse est doublée. Le modèle s’optimise lui-même.
K3 est déjà disponible sur Kimi Work, Kimi Code et via l’API, avec des poids ouverts d’ici le 27 juillet.
Lorsque le modèle commence à optimiser ses propres kernels d’entraînement, le récit « l’IA aide les humains à coder » doit évoluer — la prochaine étape : « l’IA aide à écrire plus vite le code de l’IA ».
Des services de changement de skins pour l’application Codex apparaissent sur Xianyu. Pour quelques yuans, on achète un tutoriel, puis on fait du sur-mesure à 66-99 yuans. Le vendeur remplace le fond, la barre latérale, les boutons et l’avatar : thèmes de célébrités, de jeux et d’anime, tout est possible.
L’outil sous-jacent, Codex Dream Skin, a déjà été open source sur GitHub, avec 6800 étoiles. Il prend en charge macOS et Windows : injection des thèmes via le CDP local, sans modifier le package d’installation officiel, et restauration en un clic.
L’écosystème des outils de programmation IA s’est déjà divisé : ceux qui font des modèles gagnent sur la puissance de calcul, ceux qui font des outils gagnent sur les abonnements, et ceux qui vendent des skins font le genre d’argent le plus honnête—la prime de l’esthétique. Les niveaux de besoins des humains restent valables à l’ère de l’IA : d’abord l’utiliser, ensuite l’utiliser bien, et enfin qu’elle soit belle.
日拱一卒:WBTC est le pilier de la DeFi pour le BTC, 5 protocoles accaparent la majeure partie du TVL
Aave, Morpho, Compound, Curve, Spark — WBTC se classe dans le top 5 des valeurs totales verrouillées.
Depuis 2019, il s’agit de l’idée d’emballer le BTC en un token ERC-20 et de l’intégrer à la DeFi. Le TVL de WBTC n’est pas une question de hausse ou de baisse : c’est une question de confiance — savoir si les détenteurs de BTC sont prêts à placer leur BTC dans des contrats intelligents.
Les cinq premiers sont tous des protocoles de prêt et des DEX — cela montre que l’usage principal de WBTC reste « servir de garantie pour emprunter des stablecoins » et « fournir de la liquidité ». En DeFi, le BTC n’est pas destiné à être échangé : il sert d’actif sous-jacent.
Un pas de plus, une unité de plus : le 15 juillet, le cycle de vie des actions de Wall Street a été, pour la première fois de bout en bout, transféré sur la blockchain
DTCC — la chambre de compensation centrale de toutes les actions américaines, avec 130 ans d’histoire — a réalisé pour la première fois des transactions réelles sur blockchain : SPY, QQQ, bons du Trésor américain, actions de Microsoft, avec plus de 50 institutions participantes, dont BlackRock, Goldman Sachs et JPMorgan. Mise en service à partir d’octobre.
Le même jour, Cantor Fitzgerald (principal souscripteur d’IPO aux États-Unis en 2025) et Securitize (la plus grande plateforme de tokenisation, 4 milliards de dollars d’actifs) ont lancé un cadre d’IPO sur chaîne — chaque jeton correspond à une action physique, avec la même valeur juridique. Securitize a elle-même été introduite à la cote du NYSE le 2 juillet, puis le même jour a tokenisé des actions sur Avalanche et Solana — la première au monde.
Le plus important : JPMorgan utilise la tokenisation de QQQ comme marge pour des produits dérivés.
En décomposant le cycle de vie des actions : émission → négociation → règlement → garantie. Cantor × Securitize transfèrent l’émission sur la chaîne, DTCC transfère la négociation et le règlement sur la chaîne, JPMorgan transfère la garantie sur la chaîne. Pour la première fois, ces quatre étapes fonctionnent de bout en bout sur blockchain.
Le délai de règlement, qui passe de T+2 à quelques secondes. Ce n’est pas une simple amélioration de l’efficacité : c’est un remplacement des infrastructures.