Sabitlenmiş Tweet
AS🇫🇷
14.6K posts

AS🇫🇷
@asyd_7
Jsuis qu’à 10% 🤲🏼 Ingénieur/Entrepreneur #AI @realmadrid Maybe I’m too good ?
London / Paris Katılım Aralık 2019
1.7K Takip Edilen426 Takipçiler
AS🇫🇷 retweetledi

@eng_khairallah1 Nice broo ! Could you do the same for multi-agents please ?
English

The highest ROI AI business model in 2026 is:
- Not an agency
- Not building chatbots
- Not automation services
It’s something almost no one is talking about.
But I’ve QUIETLY made $700,000 in the last 11 months doing this.
And it compounds every month.
• Without showing my face
• Without revealing my name
• Without any employees to manage
All you need: ChatGPT, Claude, and 1 hour a day.
I broke down the entire model in a 5+ hour training.
With all my AI prompts and workflows.
To get it:
Like this post
Comment “ROI”
I’ll DM you the full system for free.

English
AS🇫🇷 retweetledi
AS🇫🇷 retweetledi
AS🇫🇷 retweetledi
AS🇫🇷 retweetledi
AS🇫🇷 retweetledi

La folie de faire passer du matériel avant une vie humaine
Global Folder@Global_Folder
Uncle was worried about his car being broken
Français
AS🇫🇷 retweetledi

tu faisais ça en acrosport au collège t’avais 12/20
WELCOME TO BLACK TWlTTER @blacktwiterthrd
Human three dimensional ball
Français
AS🇫🇷 retweetledi

Je viens à peine de rentrer chez moi enfin fini ce cauchemar c’était HORRIBLE
tf1info.fr/transports/snc…
Français
AS🇫🇷 retweetledi

All Paid Courses (Free for First 4500 People)
𝗣𝗮𝗶𝗱 𝗖𝗼𝘂𝗿𝘀𝗲 𝗙𝗥𝗘𝗘 (PART - 1)
1. Artificial Intelligence
2. Machine Learning
3. Prompt Engineering
4. Claude,Chatgpt,Grok
5. Data Analytics
6. AWS Certified
7. Data Science
8. BIG DATA
9. Python
10. Ethical Hacking
(72 Hours only )
To get-
1. Follow me to get DM
2. Like + RT
3. Reply " All "

English
AS🇫🇷 retweetledi

Cette nouvelle est GIGANTESQUE
Google avait déjà inventé les Transformers (le T de ChatGPT) qui ont révolutionné l’IA.
Ils présentent maintenant TurboQuant : un algorithme de compression qui a le potentiel de diviser par dix les besoins de mémoire des datacenters IA…
Google Research@GoogleResearch
Introducing TurboQuant: Our new compression algorithm that reduces LLM key-value cache memory by at least 6x and delivers up to 8x speedup, all with zero accuracy loss, redefining AI efficiency. Read the blog to learn how it achieves these results: goo.gle/4bsq2qI
Français
AS🇫🇷 retweetledi

@JeanLaurentBer1 Supplément toilettes fermés et le train va t’il redémarrer ?🤣
Français
AS🇫🇷 retweetledi

Anthropic explique comment faire bosser Claude en autonomie pendant des heures et le concept clé à retenir s'appelle le "harness".
Un harness, c'est l'architecture qui entoure le modèle : les agents, les règles, les boucles de feedback. C'est pas le modèle lui-même, c'est le système qu'on construit autour pour le faire performer.
Prithvi Rajasekaran, de l'équipe Labs chez Anthropic, raconte comment le bon harness a permis de débloquer Claude sur deux terrains : le design frontend et le développement d'apps complètes sans humain dans la boucle.
Deux problèmes de fond quand un agent code seul sur une tâche longue.
Premier problème : il perd le fil.
Plus le contexte s'allonge, plus il dérive.
Pire, il "sent" qu'il approche de sa limite et commence à bâcler pour en finir.
Deuxième problème : il est incapable de se juger honnêtement.
Quand tu lui demandes d'évaluer son propre travail, il se met des bonnes notes même quand le résultat est médiocre.
La solution : ne jamais laisser un agent se noter lui-même.
L'équipe s'inspire des GA (les réseaux adversaires du deep learning) et sépare le boulot en deux rôles distincts.
Un agent qui produit, un autre qui évalue.
Pour le frontend, l'évaluateur navigue la page en live via Playwright, note le résultat sur quatre critères (qualité visuelle, originalité, rigueur technique, fonctionnalité) et renvoie un retour détaillé. Le générateur reprend sa copie et itère entre 5 et 15 fois.
Résultat → des sorties beaucoup plus ambitieuses.
Dans un cas marquant, le modèle a spontanément abandonné son approche classique pour réinventer un site de musée néerlandais en expérience spatiale 3D, avec un sol en damier en perspective CSS et une navigation par portes entre les salles.
Et pour coder des apps complètes ?
L'équipe applique le même principe mais avec trois agents. Le premier est un planificateur : tu lui files une phrase genre "créer un éditeur de jeux vidéo rétro 2D" et il te pond un vrai cahier des charges avec une dizaine de fonctionnalités détaillées.
Le deuxième est le développeur : il code l'app fonctionnalité par fonctionnalité.
Le troisième est le testeur : il ouvre l'app, clique partout comme un vrai utilisateur, et remonte les bugs concrets au développeur pour correction.
Le test grandeur nature est parlant.
Avec un agent seul, tu obtiens en 20 minutes un éditeur de jeux où le mode "jouer" est tout simplement cassé.
Avec le système à trois agents, au bout de 6 heures de travail autonome, tu obtiens une app complète avec des éditeurs de sprites fonctionnels, des niveaux jouables, et même une intégration IA pour générer du contenu au prompt.
C'est plus cher, mais c'est surtout la différence entre un truc qui marche et un truc qui marche pas.
Avec Opus 4.6, tout se simplifie. Le modèle tient mieux la route tout seul plus besoin de lui découper le travail en petits morceaux.
L'équipe allège l'architecture et teste sur un nouveau défi : "construire un studio de musique dans le navigateur."
-> Résultat après environ 4 heures de travail autonome : une vraie station audio avec vue arrangement, table de mixage, et un agent Claude intégré capable de composer un morceau basique de A à Z.
Le point à retenir -> l'amélioration des modèles ne rend pas l'ingénierie d'orchestration obsolète.
Elle déplace le curseur.
Ce qui nécessitait un échafaudage complexe hier devient natif demain.
Mais les nouvelles capacités ouvrent des combinaisons multi-agents qu'on n'aurait même pas pu tenter avant.
L'espace des possibles ne rétrécit pas, il bouge.
Bref à lire attentivement.
Anthropic@AnthropicAI
New on the Anthropic Engineering Blog: How we use a multi-agent harness to push Claude further in frontend design and long-running autonomous software engineering. Read more: anthropic.com/engineering/ha…
Français















