Agora-1 : Modèle de monde multi-agent open source pour simulation partagée en temps réel

Odyssey a publié Agora-1, le premier modèle du monde multi-agent qui permet à plusieurs participants — humains ou IA — de partager et d'interagir dans la même simulation générée en temps réel. Le modèle prend en charge jusqu'à quatre joueurs dans une simulation de deathmatch partagée, où chaque pixel est généré par le modèle en temps réel, fonctionnant comme un moteur de jeu appris.
Architecture : simulation et rendu découplés
Agora-1 sépare le modèle du monde en deux composants appris distincts :
- Modèle de simulation : entraîné sur l'état interne du jeu (par exemple, GoldenEye), il apprend la dynamique du gameplay et comment les transitions d'état se produisent à partir des actions des joueurs.
- Modèle de rendu : un modèle du monde basé sur DiT, conditionné par l'état de jeu partagé (et non par des invites ou des images) pour générer des représentations visuelles cohérentes depuis plusieurs points de vue simultanément.
Ce découplage est analogue à un moteur de jeu moderne, mais les deux composants sont entièrement appris à partir de données. Le modèle manipule directement l'état sous-jacent du jeu, permettant de générer des niveaux entièrement nouveaux tout en préservant la dynamique du gameplay.
Capacités clés
- Jusqu'à 4 participants simultanés dans une simulation partagée.
- Streaming de pixels en temps réel généré par Agora-1.
- L'état du monde partagé suit la santé, la position et d'autres attributs des agents.
- Peut générer des niveaux inédits cohérents avec la dynamique du jeu source.
Comparaison avec les travaux précédents
Les approches antérieures comme Multiverse concatènent les états des agents en une seule représentation, tandis que Solaris empile les participants le long de la dimension de séquence (ne s'adaptant pas linéairement au nombre de joueurs). Les deux peinent à maintenir la cohérence lorsque les joueurs se perdent de vue. L'approche découplée d'Agora-1 évite ces limitations.
Cas d'utilisation
Odyssey cible des applications dans les jeux vidéo, la robotique, la défense, l'éducation et la formation de modèles fondamentaux. L'architecture peut être étendue pour gérer des simulations et des représentations d'état de plus en plus complexes, au-delà de GoldenEye.
📖 Lire la source complète : HN AI Agents
👀 See Also

Claude-Code v2.1.79 ajoute le contrôle à distance, corrige les blocages de sous-processus et améliore l'utilisation de la mémoire.
Claude-Code v2.1.79 introduit une commande /remote-control pour VSCode afin de relier les sessions à claude.ai/code, corrige le blocage de claude -p dans les sous-processus et réduit l'utilisation de la mémoire au démarrage d'environ 18 Mo. Cette version ajoute également un drapeau --console pour l'authentification via Anthropic Console et améliore la gestion des délais d'expiration de l'API.

Claude-Code v2.1.31 : Principales mises à jour et corrections de bogues
Claude-Code v2.1.31 a été publié avec des améliorations importantes incluant des indications de reprise de session, la prise en charge de l'IME japonais et des corrections de bugs pour la gestion des PDF et les requêtes API.

Anthropic clarifie la politique d'utilisation du CLI Claude pour l'intégration OpenClaw
Anthropic a confirmé que l'utilisation du CLI Claude de style OpenClaw est à nouveau autorisée, permettant aux développeurs de réutiliser directement les identifiants existants du CLI Claude. La documentation détaille à la fois les méthodes d'authentification par clé API et CLI, ainsi que les options de configuration pour les modèles Claude 4.6, le mode rapide et la mise en cache des prompts.

Greg Kroah-Hartman's Clanker T1000 : LLM local sur Framework Desktop avec AMD Ryzen AI Max pour fuzzer les bugs du noyau Linux
Le 'gregkh_clanker_t1000' de Greg KH utilise un LLM local tournant sur un Framework Desktop (AMD Ryzen AI Max+) pour fuzzer le noyau Linux, résultant en ~20 correctifs fusionnés depuis le 7 avril corrigeant des bugs dans ALSA, HID, SMB, Nouveau, IO_uring, et plus.