Sortie de Claude-Code v2.1.25 : Correction de l'erreur de validation

Claude-Code a publié la version v2.1.25, qui se concentre sur la correction d'une erreur de validation spécifique rencontrée par les utilisateurs avec l'en-tête bêta. Cette erreur affectait particulièrement ceux utilisant la passerelle sur des plateformes comme Bedrock et Vertex. En réponse, une solution de contournement a été fournie via l'introduction de la variable d'environnement CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS=1, qui peut être utilisée pour éviter ce problème.
Cette mise à jour est essentielle pour les développeurs qui auraient pu intégrer Claude-Code dans des systèmes où les fonctionnalités bêta expérimentales provoquaient des erreurs de validation lors de l'utilisation. En définissant la variable d'environnement mentionnée ci-dessus, les développeurs peuvent assurer un fonctionnement fluide sans rencontrer l'erreur de validation d'en-tête bêta qui était précédemment expérimentée.
📖 Lire la source complète : GitHub Claude-Code
👀 See Also

Analyse des prix de DeepSeek V4 : tokens en cache 178x moins chers qu'Opus, mais retard de capacités reconnu
Entrée DeepSeek V4 Pro à 0,145 $/M tokens contre Claude Opus 4.7 à 5 $/M (34x moins cher) ; hits de cache à 0,0036 $/M contre 0,625 $/M (173x moins cher). La capacité est en retard de 3 à 6 mois sur GPT-5.4 et Gemini 3.1 Pro.

Claude propose des crédits d'utilisation supplémentaires pour les formules Pro, Max et Team
Claude offre un crédit d'utilisation supplémentaire unique aux abonnés des forfaits Pro, Max et Team, égal au prix de leur abonnement. Le crédit peut être utilisé sur Claude, Claude Code, Claude Cowork et les produits tiers.

Richard Dawkins conclut que l'IA est consciente — les experts contestent
Le biologiste évolutionniste Richard Dawkins, après de longues discussions avec Claude d'Anthropic et ChatGPT d'OpenAI, a conclu que les IA sont conscientes. La plupart des scientifiques cognitivistes sont en profond désaccord, parlant d'anthropomorphisme.

Sarvam AI lance des LLM open-source de 30B et 105B avec une infrastructure d'entraînement indienne.
Sarvam AI a rendu open source Sarvam 30B et Sarvam 105B, deux modèles de raisonnement entraînés à partir de zéro en Inde sur des ressources de calcul fournies dans le cadre de la mission IndiaAI. Les deux modèles utilisent une architecture Mixture-of-Experts avec un routage d'experts épars et sont optimisés pour un déploiement efficace sur du matériel allant des GPU aux ordinateurs portables.