The Agent Architect · 2026-W41
The Agent Architect #41: WebArena Evaluation Suite
Écouter le dernier numéro · 7 min
Le pattern de la semaine
WebArena Evaluation Suite
- Quoi:
- Exécute des agents web sur des répliques en bac à sable de vrais sites afin de mesurer les taux de réussite des tâches sur des dépôts de code, du commerce en ligne, des réseaux sociaux et des flux de travail d'entreprise.
- Quand l'utiliser:
- Vous avez besoin de preuves reproductibles et chiffrées de la capacité de votre agent web à gérer des interactions réalistes en plusieurs étapes avant un déploiement en production.
- Vigilance:
- Coût d'installation élevé et durée d'évaluation longue ; les résultats peuvent ne pas se transposer aux sites réels, avec leur contenu dynamique, leurs protections anti-bot ou des mises en page que votre agent n'a jamais rencontrées.
Cette semaine en IA agentique
- Base Models Can Reason By Taking a Cue From Training DataarXiv cs.AI
Specific token cues at response start make base models perform comparably to RL-trained models on math and coding tasks.
- Paradee: Distilling Kokoro-82M into an 8M-Parameter Single-Voice Text-to-Speech ModelarXiv cs.AI
Distilled text-to-speech model reduces parameters from 82M to 8M with 15x less compute.
- A model guide for the GPT-6 familyOpenAI
OpenAI published guidance for startups on selecting GPT-6 models, adjusting reasoning effort, improving prompts, coordinating tools, and preparing production workflows.
- Launch HN: Magnitude (YC S25) – Self-optimizing inference engine for agentsHacker News
Magnitude, a Y Combinator S25 startup, launches a self-optimizing inference engine for agents.
- Introducing Olmo-core 3: Open, scalable training infrastructure for large MoEsHugging Face
Olmo-core 3 provides open training infrastructure for efficiently scaling mixture-of-experts models to trillion parameters.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.