Aller au contenu principal

Modèles et assistants IA

Tous les niveaux

Claude est notre cœur — mais les mêmes compétences se transposent. Cette section élargit le cadre à tout l'univers de l'IA : les grands assistants, en quoi ils diffèrent, quand utiliser lequel, et les techniques qui se transfèrent de l'un à l'autre.

What you'll learn
  • Choisir le bon modèle pour une tâche sans réapprendre tout le domaine à chaque fois
  • Passer d'un assistant à l'autre — ChatGPT, Gemini, Grok, modèles ouverts — sans perdre votre technique
  • Faire tourner des modèles capables sur votre propre machine, et savoir quand cela en vaut la peine
  • Combiner Claude avec des modèles locaux et des frameworks d'agents

Commencez ici​

Si vous ne lisez qu'une page de cette section, lisez celle-ci. Tout ce qui suit en est une ramification.

Suivez ensuite le fil qui correspond à ce que vous faites.

Les vaisseaux amiraux du moment​

Les sorties de septembre 2026 au sommet des deux piles, lues côte à côte.

Les chevaux de trait de septembre​

C'est dans l'entrée de gamme que se trouvent les chiffres intéressants ce mois-ci. Même leçon à chaque fois : faites correspondre le modèle à la forme du travail, pas à sa position dans la grille tarifaire.

  • Claude Sonnet 5.5 : le guide de terrain — les prix exacts de Sonnet 5, jusqu'à 30 % de moins par tâche : cinq pièges 400, un raisonnement qui se déplace au lieu de s'éteindre, et la seule ligne de benchmark où il bat Opus 5.5
  • Gemini 3.8 Flash pour les utilisateurs de Claude — au prix de Sonnet, « travaille plus dur » par défaut, ~30 % de tokens en plus par tâche
  • DeepSeek-V4.1-Flash — 552B en poids ouverts sous MIT, contexte de 1M, cache KV de 890 octets, une molette d'effort de 1 à 100, et un changement de routage qui a remplacé deepseek-v4-pro en silence

Vous venez d'un autre assistant​

Vous connaissez déjà un outil et vous voulez que vos habitudes suivent.

Comparer avant de s'engager​

Faire tourner les modèles soi-même​

Les modèles locaux échangent une partie des capacités contre de la confidentialité, une maîtrise des coûts et un fonctionnement hors ligne. Ces pages expliquent quand cet échange vaut la peine.

Les agents au-delà de Claude​

Tout ce que contient cette section​

La liste complète, y compris les pages ajoutées depuis la rédaction de cet index.

Gemini 4 Argon : le guide de terrain pour les utilisateurs de Claude (30 septembre 2026)

La génération Gemini 4 de Google s’ouvre avec Argon et un chiffre qui fait la une : une limite de SORTIE de 1 M de tokens, contre 64K auparavant. Le contexte, lui, reste à 1M. Ce que la couverture médiatique rate : l’indice indépendant d’Artificial Analysis place Argon à 53 — cinq points DERRIÈRE les 58 de Claude Opus 5.5 — et son coût plus bas de 1,99 $ par tâche vient de la grille tarifaire, pas de l’efficacité, puisqu’il brûle 62K tokens de sortie par tâche contre 27K pour GPT-6 Astra. En prime : un taux d’hallucination de 15 % (le plus bas mesuré), et pourquoi vous ne pouvez presque certainement pas encore l’appeler.

Claude Opus 5.5 : le guide de terrain

Opus 5.5 est sorti le 22 septembre 2026 à 4 $/20 $ par MTok — 20 % de moins qu'Opus 5, avec des lectures de cache à 0,20 $ (un palier à 5 %, pas les 10 % habituels). Quatre changements cassants renvoient une erreur 400 sur une migration naïve, un cinquième change la forme de la réponse sans rien faire échouer et rend votre UI silencieuse en cours de tâche. Le raisonnement ne peut plus être désactivé du tout, le tool_choice forcé a disparu, et l'effort par défaut est passé de high à medium — alors que chaque niveau réfléchit désormais davantage qu'il ne le faisait sur Opus 5.

Claude Fable 5 et Mythos 5 : le guide de terrain flagship

Fable 5 était le premier modèle phare de classe Mythos d'Anthropic — désormais un modèle legacy, remplacé par Fable 5.1. Son API refuse in-band (HTTP 200, stop_reason: refusal), n'a que la réflexion adaptative, et ne retourne jamais la réflexion brute. Si vous épinglez un modèle de niveau supérieur, cela change comment vous écrivez les intégrations. Quand l'utiliser vs Opus 4.8, le pattern de fallback, les changements de prompting.

Claude Sonnet 5.5 : le guide de terrain

Sonnet 5.5 est sorti le 28 septembre 2026 exactement aux prix de Sonnet 5 — 2 $/10 $ par MTok — et Anthropic continue d'affirmer jusqu'à 30 % de moins par tâche. L'économie se trouve dans le nombre de tokens, pas dans le tarif. Cinq changements cassants renvoient une erreur 400 sur une base de code Sonnet 5, un sixième renvoie 200 et fait taire votre interface de progression, la réflexion ne peut plus être désactivée (seulement déplacée entre les appels d'outils), et sur Terminal-Bench 4.0 le modèle bon marché obtient 70,6 % contre 66,4 % pour Opus 5.5.

GPT-6.1 Sol : le guide pratique pour les utilisateurs de Claude

OpenAI a lancé GPT-6.1 Sol lors du DevDay le 29 septembre 2026 avec exactement le même tarif que Claude Sonnet 5.5 — 2$/10$ — et un prix d'entrée en cache deux fois inférieur à celui de Sonnet. L'argument de lancement est « une intelligence proche d'Astra pour un cinquième du prix ». Les détails qui déterminent si c'est vrai pour vous : un plafond d'entrée de 922K tokens dans une fenêtre de 1,05M, une falaise de coût brutale à 272K tokens, un appel d'outils qui ne fonctionne que sur une seule des deux API, et la ligne de benchmark où Sonnet 5.5 gagne encore de 8,7 points.

Mise à jour GPT-5.6 d'août 2026 : curseur d'effort, bouton Think gratuit et le précipice tarifaire des 272K

Le 6 août 2026, OpenAI a livré une mise à jour de mi-cycle pour GPT-5.6 que la plupart des articles ont résumée à « Sol est devenu plus intelligent ». La vraie histoire : un contrôle d'effort à six niveaux qui change la façon dont vous tarifez une requête, un bouton Think pour le niveau gratuit, un précipice tarifaire à 272K tokens qui re-tarifie tout l'appel, et un mode Fast qui ne fonctionne que sur Sol. Ce que chacun signifie pour un utilisateur de Claude.

Apple Foundation Models 3 & la stack LLM on-device pour utilisateurs de Claude

La troisième génération des Foundation Models d'Apple (AFM 3) a atterri à la WWDC 2026 avec un modèle dense on-device 3B, un MoE sparse 20B qui tourne sur iPhone, et un framework Swift-natif qui vous permet maintenant d'apporter votre propre fournisseur LLM — y compris Claude. Ce qui a réellement été livré, les mécanismes non évidents, et comment ça change l'histoire on-device pour quiconque livre des apps Claude.

Gemini 3.7 Flash pour les utilisateurs de Claude : le cheval de trait des agents de code à moitié prix (août 2026)

Le 13 août 2026, trois semaines après 3.6 Flash, Google a livré Gemini 3.7 Flash à moitié prix en tarif d'introduction, avec un bond de 16 points sur DeepSWE. Les pièges que la plupart des articles oublient : un prix d'introduction qui expire, un avantage de débit de 3× qui compte pour les boucles d'agents mais pas pour le chat, et les points où il reste derrière Claude Sonnet 5.

Gemini 3.8 Flash pour les utilisateurs de Claude : le cheval de trait qui égale désormais Opus 5 sur DeepSWE (sept. 2026)

Le 2 septembre 2026, trois semaines après 3.7 Flash, Google a livré Gemini 3.8 Flash au même tarif d'introduction de 0,75 $ / 3,75 $ : DeepSWE 73,7 (+8,4), Terminal-bench 2.1 89,4, HLE-Verified 54,9, plus une variante Cyber verrouillée derrière le nouveau Fairwind Program. Ce que les titres passent sous silence : il « travaille plus dur » en émettant ~30 % de tokens en plus par tâche, les mêmes règles de migration d'identifiant que 3.7 s'appliquent toujours, et Terminal-bench 4.0 est l'endroit où Claude Opus 5 garde 33 points d'avance.

DeepSeek V4-Flash-Vision : le premier poids ouvert de frontière à vision native

Le 31 août 2026, DeepSeek a publié en open source V4-Flash-Vision-Exp — un MoE de 305 Md de paramètres qui ajoute la vision native à V4-Flash sans dégrader les scores des agents texte, égale ou dépasse Claude Opus 4.8 sur ApexBench / Agents' Last Exam / ZeroBench pour une fraction du prix, et sort sous licence MIT. Les chiffres précis, le plafond strict de 384 tokens par image que la plupart des guides ignorent, et la façon concrète de le faire tourner.

DeepSeek-V4.1-Flash : un poids ouvert à 1M de contexte qui égale Opus 5 sur DeepSWE (sept. 2026)

Le 10 septembre 2026, DeepSeek a lancé V4.1-Flash — un MoE de 552 Md de paramètres sous licence MIT, doté d'une vision native, d'une fenêtre de 1 M de tokens, d'un cache KV quatre fois plus petit que celui de V4-Flash et d'une molette d'effort de raisonnement de 1 à 100. Il égale Claude Opus 5 sur DeepSWE v1.1 (74,2 contre 74,0) à 0,30 $ le million de tokens d'entrée, et décroche nettement sur Terminal-Bench. Les chiffres, le changement de routage qui a silencieusement déplacé tous les appels deepseek-v4-pro, et les domaines où Claude reste gagnant.

Open Code Review : le relecteur IA hybride d'Alibaba face à Claude Code, Codex et n'importe quel modèle (2026)

open-code-review (ocr) d'Alibaba est le relecteur de code IA qui fait le buzz sur GitHub : une CLI Go qui entoure un agent LLM de sélection de fichiers, de mise en correspondance de règles et d'ancrage de lignes déterministes. Même modèle Claude, 4,7x la précision d'une revue Claude Code pour 1/15 des tokens sur son propre benchmark — et un rappel maximal de 20 %. Comment ça marche, comment l'exécuter avec Claude, GPT, Qwen ou un modèle local, le mode délégation, la CI et les pièges.

Vidéos explicatives IA : le pipeline piloté par le code

Les vidéos explicatives d'Opus 5.5 ont atteint la une de Hacker News — et presque personne n'explique ce qui se passe réellement : le modèle écrit un programme d'animation déterministe, pas une vidéo. Le mécanisme, les trois moteurs de rendu et leurs licences, les deux pièges qui cassent le code d'animation écrit par un agent, la formule de rythme qui fait la différence entre regardable et irregardable, et à quoi ressemble vraiment la facture.

Gemini 3.8 Live et Live Extended Thinking : le guide de terrain du développeur pour les nouveaux modèles vocaux de Google (sept. 2026)

Le 15 septembre 2026, Google a livré gemini-3.8-live et gemini-3.8-live-extended-thinking. Le billet de lancement couvre les benchmarks. Cette page couvre le reste : quel modèle choisir, les pièges de migration depuis 3.1 Flash Live (les outils asynchrones sont désormais la valeur par défaut, thinkingLevel provoque une erreur, l'audio proactif ne peut pas être désactivé), les murs de session de 15 et 2 minutes, et pourquoi le coût d'une session vocale croît plus vite que sa durée.

LLM à diffusion : les modèles qui n'écrivent pas de gauche à droite

Mercury 2 répond à une question de raisonnement complète en 1,7 seconde à 1 009 tok/s ; Gemini Diffusion échantillonne à 1 479 tok/s contre 272,4 pour Gemini 2.5 Flash. Mêmes transformeurs, algorithme de décodage différent. Le guide pratique : pourquoi le README du pionnier en poids ouverts affirme lui-même que la qualité culmine avec une étape par token, le bug d'indépendance conditionnelle qui rend le décodage parallèle erroné, la diffusion par blocs comme correctif qui a restauré le cache KV, comment DiffusionGemma a converti un Gemma 4 autorégressif pour moins de 10 % de son budget d'entraînement, et le jailbreak par remplissage masqué qui atteint 100 % sur un dLLM aligné.

Navigateurs à session partagée pour agents IA : le modèle ego lite

Une nouvelle catégorie de navigateur — parfaitement illustrée par ego lite, qui a atteint la #1 place du GitHub Trending le 24 juillet 2026 — permet à Claude Code, Codex, Cursor et à tout autre agent de coding de piloter une session Chromium isolée qui hérite de vos véritables connexions. Ce que les Spaces et les snapshots sémantiques résolvent réellement, pourquoi ils surpassent Playwright pour le travail d'agent, et le coût de sécurité lié au partage des cookies de session avec un processus autonome.

Cloudflare Kitesurf : le premier moteur de navigateur conçu pour les agents IA (et non pour les humains)

Le 6 août 2026, Cloudflare a lancé Kitesurf, un navigateur sans état et pensé pour les agents, qui tourne entièrement dans des isolats V8 sur Workers. Il consomme 3 à 7 fois moins de CPU et de mémoire que Chromium sur les tâches d'agent courantes — au prix d'environ 1,7× de temps réel en plus. Écrit en Rust, utilisant le parseur CSS de Firefox (Stylo) et le moteur de rendu Blitz, compatible en remplacement direct avec Puppeteer/Playwright via le Chrome DevTools Protocol. Cette page : ce qui change, quand le préférer à Chrome headless, comment le brancher dans Claude Code / Codex / votre client MCP, et les quatre choses qu'il ne sait tout simplement pas encore faire.

Colibrì : faire tourner un MoE de 744 milliards de paramètres depuis votre SSD (et ce que cela vous coûte vraiment)

Colibrì est un moteur en C pur, sans aucune dépendance, qui fait tourner GLM-5.2 (744 Md), Kimi K3 (2,8 T), DeepSeek V4.1 Flash et six autres modèles MoE de frontière sur une machine de 16 à 32 Go, en gardant les couches denses en RAM et en streamant les experts routés depuis le NVMe. Cette page explique la hiérarchie mémoire, les chiffres qui décident si c'est utilisable pour vous (de 0,05 à 6,8 tok/s), les pièges de l'usure SSD et du décodage spéculatif, et les commandes exactes pour obtenir un premier token.

Agents API d'OpenAI face aux Managed Agents de Claude : la boucle d'agent hébergée, comparée

Le 10 septembre 2026, OpenAI a mis le harnais Codex derrière un seul appel d'API : la bêta publique de l'Agents API — sessions durables, bacs à sable hébergés ou auto-hébergés, compactage automatique, recherche d'outils, sous-agents. Anthropic fait tourner la même forme depuis avril sous le nom de Managed Agents. Les deux utilisent les mêmes quatre primitives ; ils divergent sur les permissions, les secrets, les budgets, la politique réseau et le coût du bac à sable. Le comparatif, les formes de requêtes, les six pièges et quand choisir quoi.

AX (Agent Executor) : le runtime d'agents open source de Google, expliqué aux développeurs (2026)

google/ax est arrivé en une de Hacker News les 20 et 21 septembre 2026 (507 points). Ce n'est ni un modèle, ni un harnais, ni une API hébergée : c'est un orchestrateur de forme kubectl qui exécute des Tasks d'agents dans des bacs à sable au-dessus d'Agent Substrate, avec des Workspaces (git + MCP + skills), des Gateways (listes blanches de sortie) et des Models (fournisseur + secret) comme ressources déclaratives. Ce que font les quatre primitives, ce qui survit à un suspend/resume et ce qui n'y survit pas, le contrat de runner que votre image doit respecter, les prérequis GKE, et pourquoi la documentation de juin ne correspond plus à la CLI.

Modèles de décision System One : Jev, Kev et les clones open source, expliqués pour les développeurs (2026)

Jev de TypeSafe AI (sorti de la clandestinité le 15 septembre 2026) est un modèle qui n'écrit jamais de texte : on lui envoie l'état du programme plus des questions typées, et il renvoie des probabilités calibrées pour toutes en une seule passe parallèle, 70 à 500 ms, 0,042 $ par million de tokens en entrée, sortie gratuite. Deux articles en une de Hacker News le 21 septembre (Kev, une recréation Apache-2.0 sur Qwen3.5, et la blague jev-leftpad) en ont fait le sujet de la semaine. Ce que fait réellement un modèle System One, ce que garantit vraiment l'affirmation « ne peut pas halluciner », les chiffres du fournisseur face à l'unique test indépendant, la place d'un modèle de décision dans une boucle d'agent Claude, et comment exécuter Kev ou Nimble en local.

Entraîner son propre modèle de décision : Jeff, Jeeves et la pile System One DIY (sept. 2026)

Deux semaines après que Jev a créé la catégorie des modèles de décision, la pile ouverte a rattrapé son retard : Jeff affine un Qwen de 0,8 Md de paramètres en un classifieur compatible Jev en ~2 heures sur un seul GPU de station de travail, et Jeeves de PostHog montre que laisser un modèle de décision réfléchir d'abord bat Jev sur son propre benchmark. Ce qu'est réellement la recette d'entraînement (entropie croisée sur les lettres d'options, une température ajustée séparément), où les petits modèles battent l'API et où ils se font écraser, le plafond à 26 options, la chute de latence CPU x20, et la baseline par embeddings — ennuyeuse mais efficace — qui a obtenu 93,0 % et qu'il faut battre avant que tout ceci en vaille la peine.

La quantification ternaire en pratique : Bonsai 2 27B en 5,95 Go

PrismML a compressé Qwen3.8-27B à 1,75 bit par poids et 5,95 Go. Le guide pratique que personne n'a écrit : pourquoi llama.cpp standard charge le fichier et produit silencieusement n'importe quoi, pourquoi le fichier plus gros de 7,21 Go est plus rapide sur un H100 mais plus lent sur une 4090, pourquoi 5,95 Go de poids nécessitent 12 Go de VRAM, et quelles capacités le chiffre de 98,2 % de rétention passe discrètement sous silence.

Ember-1 : les réponses de Kimi K3 pour 40 % de tokens en moins (sept. 2026)

Fireworks a post-entraîné Kimi K3 pour qu'il cesse de trop réfléchir et a publié le résultat sous le nom d'Ember-1 — même prix par token, 35 à 50 % de tokens de raisonnement en moins, et il bat K3 à effort maximal sur deux benchmarks sur cinq. Pourquoi baisser l'effort n'est pas la même chose, ce que dit vraiment la colonne « −51,9 % / −23,1 USD », le coût implicite par tâche de benchmark, la modalité qui disparaît discrètement, et la clause de la licence Kimi K3 qui permet à un dérivé de rester fermé.

OpenAI Dots : l'agent toujours actif, et l'échelle de permissions qui se cache dessous

Lors du DevDay du 29 septembre 2026, OpenAI a lancé dots — des agents persistants qui disposent chacun de leur propre ordinateur cloud et de leur propre navigateur, tournent sur GPT-6 Astra, et continuent de travailler pendant que vous êtes déconnecté. La couverture médiatique du lancement s'arrête à la démo. Cette page traite du mécanisme : l'échelle de permissions à cinq échelons, pourquoi la recherche proactive est en lecture seule au niveau des outils plutôt qu'au niveau du prompt, ce que mesurent réellement les chiffres de sécurité publiés, et comment un dot se compare aux Claude Managed Agents et à Cowork.

Modèles du monde : ce que vous pouvez réellement construire aujourd'hui

AMD paie environ 8,2 milliards de dollars pour World Labs, et deux choses très différentes sont vendues sous le même nom. Les générateurs d'images comme Genie gardent le monde à l'intérieur du modèle et plafonnent une session à 60 secondes. Les générateurs 3D comme Marble vous remettent des splats gaussiens qui vous appartiennent, que vous affichez gratuitement et avec lesquels vous ne pouvez pas entrer en collision. Les formes d'API, les paliers d'export, les preuves WorldScore, les poids ouverts que vous pouvez exécuter, et les cinq tâches qu'un modèle du monde ne fera pas.

Le modèle a-t-il été nerfé ? Comment le savoir vraiment

« Ils l'ont nerfé » est l'affirmation la plus répétée dans l'IA et la moins mesurée. Sur l'API Claude, les poids derrière un identifiant de modèle ne peuvent pas changer — chaque identifiant actuel est un instantané figé. Mais sept autres choses peuvent bouger sous vos pieds sans nouveau modèle, d'une mise à jour publiée du system prompt à un harnais qui échange silencieusement de modèle en pleine session. Voici ce qui peut bouger et ce qui ne peut pas, pourquoi le résultat le plus cité sur « GPT-4 est devenu plus bête » était un bug d'évaluation, et un protocole de mesure que vous pouvez exécuter en un après-midi.

Pi 1.0 : le harnais minimal, et l'astuce codemode qui règle l'inflation de tokens de MCP

Pi 1.0 est sorti le 1er octobre 2026 et s'est hissé au premier rang de Hacker News. La partie intéressante n'est pas le TUI — c'est l'ingénierie de contexte : un bac à sable QuickJS/WASM où les résultats d'outils n'entrent jamais dans le contexte du modèle, quatre modes d'exposition MCP, un plafond de 3 000 tokens sur les déclarations d'outils inlinées, et une astuce qui ajoute une nouvelle section de prompt système à la transcription au lieu de muter les définitions d'outils, pour que votre cache de prompt survive. Plus les omissions délibérées (pas de sous-agents, pas de mode plan), la règle des 0,05 $ pour le préchauffage du cache, et la faille de confiance qui charge l'AGENTS.md d'un dépôt cloné sans rien demander.

DeepSeek Harness: the agent where the agent loop itself is a plugin

DeepSeek Harness (dsh) passed 242,000 stars and shipped desktop installers on 1 October 2026. The headline is 'everything is a plugin' — and unlike most such claims this one is load-bearing: the model adapter, the tool registry, the session log and the agent loop are all replaceable from a YAML patch file. This page covers the three facts that matter to a Claude user (it runs your existing Claude Code hooks.json, it speaks anthropic-messages, and run_code is codemode by default), the three-mode sandbox and the kernel primitives behind it, the append-only session log invariant, and the config override that silently deletes your other providers.

Strata: a 125B MoE at 94 tok/s on a 12 GB Card — and the Exact Bill

Strata runs Qwen3.8-Flash-Next (125B, 6B active) on a 12 GB gaming GPU at interactive speed. This page explains the three architecture facts that make it possible, reads the benchmark table honestly, and prices the quality you give up: 91.3% of SWE-bench Verified against 98.7% of LiveCodeBench, a KV-cache setting that passes needle tests while losing 8-12% perplexity, a speed mode that strips refusal directions, and a measured vision regression on identical weights.

DwarfStar (ds4) and the Rise of Overfit Inference Engines

ds4 is a 23.6k-star, pure-C engine from the creator of Redis that runs DeepSeek V4 Flash, GLM 5.x and Qwen3.8-Flash-Next locally — and refuses to run anything else. This page explains the three mechanisms a general runtime will not give you (asymmetric routed-expert quantization, bounded expert streaming from SSD, KV snapshots that survive a restart), reads its own numbers honestly — the 126 t/s headline is an eight-GPU aggregate across 16 sessions, not your Mac — and prices the real cost of the overfit bet: deliberately disposable model support, 761 open issues, and a main branch that last moved on 20 September 2026.

Whistle: Speech-to-Text in 16.9 MB — and the Benchmark Bars Nobody Labelled

Cactus Compute's Whistle fits a multilingual ASR model in 16.9 MB and hits 11.1 ms to first token on a CPU. The size claim is real. This page reads the vendor's own benchmark chart bar by bar — including the three competitor columns it declines to label — and finds the pattern that explains every field complaint: Whistle wins on close-mic single-speaker audio and is the worst of the three on real meeting audio, 4.6 WER points behind a model 8.6x its size. Plus the 30-second architectural wall, the streaming API the launch thread missed, and the one knob that took a tester from 70/170 to 164/170.

DeepInfer: DeepSeek's Own Inference Engine, Read Honestly

On 20 October 2026 DeepSeek open-sourced DeepInfer, the engine behind its production service — 16.3k stars in a day, 2,251 points on Hacker News. This page covers the four things the headlines missed: it is a vLLM fork, not a from-scratch engine; 'NVIDIA SM100' excludes every H100 and every consumer GPU you own; its decode throughput is published under full-acceptance accounting, which counts drafted tokens whether or not they were accepted; and its genuinely important feature — batch-invariant inference — is mutually exclusive with its own speculative decoder.

The Third-Party Memory Layer: How claude-mem Actually Works

claude-mem has 103,000 GitHub stars and solves the complaint every coding-agent user has: the agent forgets everything when the session ends. Underneath, it is a second model running in a background daemon that reads every tool call you make — and on the hosted path its own cost dataset maps that observer to a DeepSeek model, not Claude. The six hooks, the exit-code contract that can block your session, the three-layer recall that makes the token math work, where the data lands, who pays for the compression, and a checklist for evaluating any memory layer before you install it.

Suite​