Reprise du message précédent :
D.ieu veut pas nous faire un agent IA qui peut répondre, connait l'art du redface, et sait poster du code, tout en utilisant correctement le BB code, idéalement en memant avec les réfs historiques d'HFR ?

openclaw c'est pas du code

Personne a parlé d'OpenClaw
 
Et si on l'utilisait, tu peux appeler une IA dans une autre IA au pire, le(s) modèle(s) que tu veux pour générer du code

Yes le topic sur le slang HFR va servir

mais la différence bon sang, j'ai utilisé Gemini CLI pour avancer ,c'est tellement mieux que antigravity (à part que dans antigravity on a accès aux modèles claudes), mais les versions de gemini dans CLI sont beaucoup moins nerf
ça change tout !

"moins nerf"? ce veut dire quoi?

Ils rendent les modèles moins performants (moins intelligents)
Comme si je prends du sirop et je le dilue plus que de raison avec de l'eau
Ben le goût c'est pas le même à la sortie

Spécifique à Antigravity ou ça a été constaté sur d'autres IDE ?

Les autres je sais pas
C'est mon ressenti en tout cas sur antigravity versus Gemini CLI

Opencode + llama.cpp et Qwen3-Coder-Next-GGUF:UD-IQ3_S ça marche pas mal!
 
Il arrive bien a progresser sur la reimplementation du MCP debug pour fs-uae.
 
Le code C++ est assez propre avec les même travers que d'habitude, genre parser JSON maison et des classes de 1k lignes sans split dans des fichiers.
 
Le problème par contre c'est que malgré des prompts agents et simili Ralph, il s'arrête au bout d'une heure, souvent sur une erreur de parsing or de tool. J'ai l'impression qu'il ne récupère pas le taux d'utilisation de contexte et fini par le remplir. C'est étrange car j'ai l'impression qu'il compacte quand même, je vois pas comment il pourrait ternir avec 64K de contexte pendant plus de 30 minutes.
 
Sinon ça bouge bien coté TurboQuants sur llama.cpp:
https://github.com/ggml-org/llama.cpp/discussions/20969
 
TLDR; en tq3 on a 900MB pour 64k de contexte. Il y a plein d'impl différentes en cours, certains rapportent même des gains en vitesse (+15%), d'autres des pertes, ou encore des perplexités plus élevées. Mais ya un gros potentiel, sur certains modèles comme les Qwens c'est x5 sans pertes. D'autres modèles ayant moins de layers, comme GPT, ont des gains beaucoup plus faibles.

Y a ça d'intéressant pour ton cas de figure https://github.com/itigges22/ATLAS

 
Il doit utiliser une vieille version de llama, ça fait un moment que le Speculative decoding est cassé sur Qwen 3.5:
https://github.com/ggml-org/llama.cpp/issues/20039
https://github.com/ggml-org/llama.cpp/pull/19493
 
Mais je sais pas si son approche est viable, il fait 3 tentatives de processing de prompt puis répare jusqu'à avoir le bon résultat. Mes prompts actuels prennent entre 20 et 60 minutes, mais son postula c'est que ça serait plus rapide en faisant 3x plus de prompts avec un plus petit modèle et plus rapide. Je pense pas que ça soit applicable a ce que je fais.
 
Ce qu'il résous c'est ce genre de trucs:
https://huggingface.co/datasets/liv [...] ation_lite

depuis la dernière mise à jour de google antigravity, j'ai cette erreur: error executing cascade step: CORTEX_STEP_TYPE_RUN_COMMAND: failed to set up sandbox: sandboxing is not supported on Windows

et vous ?

J'ai eu ça aussi mais ça bloquait pas le reste

oue ca bloque quand il veut faire certaines commandes sensible, ca veut créer une sandbox.

Et il arrive pas à finir ? Tu peux pas lui dire de faire autrement ?

j'ai un vieux site en ansi iso-8859-1, le llm marche bien qu'avec utf-8, sinon il faut qu'il fasse des commande en sandbox, mais c'est là que ça bug.

ca marchait bien avant, ça a dérapé avec la dernière mise à jour.

là j'utilise gemini 3 flash, les autres j'ai atteind la limite, peut être qu'ils sont moins con et arrivent à passer outre comme avant ?!
je dois attend le 2 avril

3 flash oublie, il est con  ce modèle