Quand le classement aide.
Et quand il ne change rien.

Archive : égalité sur le jeu de développement

Les trois configurations donnent les mêmes décisions attendues sur 36 questions synthétiques. Ce jeu a servi à corriger le code : il ne démontre aucune supériorité scientifique, ni une performance sur des sources réelles.

Les invariants vérifiés ici portent sur l’ordre des documents, la répétition d’une source et l’ajout d’une source sans rapport. Les relations couvrent notamment portée et version. Une nouvelle campagne indépendante doit éprouver les règles qui distinguent réellement P de N.

Télécharger la mesure agrégée et les empreintes ↧

Kaggle : Flash et Pro ont exécuté le pilote

Le notebook a exécuté deux modèles avec le SDK Kaggle Benchmarks 0.6.1, sur les mêmes douze documents et six questions synthétiques. La version 2 précise le contrat de portée après un échec de schéma observé dans la version 1.

Référence, N et P donnent chacun six décisions correctes sur ces extractions. Les 53 assertions contrôlent plusieurs aspects des six cas : elles ne constituent pas 53 observations indépendantes. Ce résultat ne départage pas les moteurs.

Le notebook et la tâche Kaggle v1 restent privés et sont accessibles au propriétaire du compte. La page de tâche affiche initialement Flash seulement ; les deux exécutions comparées ici proviennent de l’export du notebook. Aucun article ni dossier de concours n’a été soumis.

Antigravity : conserver aussi l’échec du contrat

Les trois sorties v1 donnent la bonne décision et les passages attendus. Une preuve contextuelle du cinquième cas fournit toutefois une portée incomplète : le schéma la refuse. Nous avons clarifié le prompt v2 et conservé les sorties v1 intactes. Les scores des deux versions ne sont pas regroupés.

Les réglages de raisonnement et les hôtes diffèrent. Nous ne déduisons aucune hiérarchie de vitesse ou d’intelligence entre Antigravity et Kaggle.

Télécharger les résultats, versions et limites ↧

48 sources réelles préparées, sans score anticipé

Quatre paquets de douze documents et vingt-quatre questions sont maintenant préparés. Leurs textes et empreintes sont conservés localement. Les références ci-dessous restent des candidates : aucune réponse attendue n’a encore reçu sa revue humaine, et aucune de ces sources n’a été importée automatiquement dans la Knowledge Base.

Le corpus distingue explicitement navigation, contact, fécondation et rendement, ainsi que simulation, laboratoire et terrain. Une différence entre ces conditions ne sera pas appelée contradiction. Une date de collecte ne prouve pas qu’une politique remplace une autre.

Les textes complets restent hors du téléchargement public tant que leurs licences ne sont pas validées. Les six anciens paquets synthétiques restent du matériel de développement ; ils ne constituent pas une campagne finale indépendante.

Examiner les références, questions, empreintes et limites ↧

Les premiers choix d’outils sur le site public

Un adaptateur externe reçoit les actions JSON choisies par Gemini, exécute les outils natifs de la vraie page, puis rend les observations au modèle. Les appels ne sont pas une séquence de fonctions imposée au modèle. Cette boucle fonctionne avec le compte Antigravity existant ; elle ne répare pas son intégration MCP native.

Flash observe correctement quinze outils, un dossier non partagé et le refus de la question privée. Sa réponse affirme aussi, sans l’avoir vérifié, que Context nécessiterait ce même consentement : c’est une erreur conservée dans l’audit. Pro lit les capacités, puis son appel suivant est refusé après un changement de page. Aucun de ces résultats ne représente une recherche complète.

Les capacités et le guide distinguent maintenant explicitement le corpus public du dossier privé. Les traces précédentes restent inchangées ; une nouvelle exécution sera identifiée comme telle.

Lire les observations, ressources et défauts des agents ↧

W02 : la réponse existe, sa chaîne de preuves reste incomplète

Flash et Pro ont choisi leurs lectures du vrai sommaire Context pour examiner l’exécution différée et la conservation des données chez OpenAI et Google. Les deux parcours produisent une réponse, mais aucun ne satisfait tous les critères de provenance. Ce défaut n’est pas masqué par un score de connexion réussi.

Flash lit les deux entrées séparément : quatre passages correspondent au texte reçu, mais trois affirmations n’ont pas d’URL d’origine. Son quatrième extrait demande aussi une revue de pertinence. Pro regroupe les entrées malgré la consigne : le contrôle refuse d’associer ses deux extraits à un chemin individuel ; leurs URL sont également absentes.

Plusieurs références Web de l’entrée Deep Research reviennent déjà sans URL dans la réponse Sanity. Orbit conserve ce texte et signale provenance.status: incomplete. Il n’invente pas les liens et ne prétend pas avoir ouvert les documents originaux. Les essais interrompus avant tout appel du modèle restent distincts des défauts de ses réponses.

Dernière inspection en lecture seule du Dashboard : 30 imports, une somme de 82 documents dans la liste des sources, 20 entrées et aucun problème en attente. Ces comptes sont distincts ; ils ne prouvent pas un compteur interne d’indexation. Aucun ajout, suppression ou changement d’instruction n’a été effectué lors de cette inspection.