Le codeur silencieux qui tue Claude

Mario Zechner, créateur de l'innovant agent de codage Pi, a nommé de manière incisive le problème croissant de l'IA : la « slop ». Dans sa récente conférence, « Building Pi in a World of Slop », Zechner a défini ce phénomène comme la complexité involontaire, l'imprévisibilité et le superflu pur et simple introduits par le développement incessant et riche en fonctionnalités des outils d'IA. Ce renouvellement constant, en particulier dans les plateformes sophistiquées, sape activement la productivité des développeurs et érode la confiance dans les systèmes sous-jacents.

Les développeurs sont désormais confrontés à un paradoxe frappant : les agents de codage AI les plus puissants, initialement adoptés pour leur capacité à gérer des tâches d'agentic engineering complexes, deviennent simultanément les plus imprévisibles et difficiles à contrôler. Claude Code illustre ce changement. Autrefois loué pour sa simplicité et sa prévisibilité, il doit maintenant faire face à une « insane token usage » et à des bugs fréquents, conséquences directes du calendrier de déploiement rapide des fonctionnalités d'Anthropic. L'agilité même qui rend ces plateformes compétitives les déstabilise également.

La cadence de publication agressive d'Anthropic a transformé Claude Code en une plateforme surchargée. De manière critique, son system prompt change à chaque nouvelle version, rendant les coding workflows cohérents ardus, voire impossibles. Votre contexte soigneusement construit, autrefois un ancrage fiable, n'est plus vraiment votre contexte ; il se déplace sous vos pieds. Ce flux constant et non géré compromet directement la fiabilité des tâches d'agentic engineering, laissant les développeurs dépanner les résultats sans une compréhension claire des changements sous-jacents.

Ce problème croissant encadre un conflit fondamental au sein du paysage du développement de l'IA. Les développeurs exigent des environnements stables et prévisibles pour construire des solutions robustes, en privilégiant la cohérence et le contrôle. Inversement, les fournisseurs de plateformes comme Anthropic privilégient l'itération rapide et la livraison de fonctionnalités, poussés par les pressions concurrentielles pour rester pertinents et à la pointe. Cette divergence crée un fossé où l'efficacité et la confiance des développeurs sont sacrifiées au nom de l'innovation perçue, poussant les utilisateurs vers des solutions sur mesure et contrôlées. Le besoin d'un noyau fondamental et extensible n'a jamais été aussi évident.

Claude Code a initialement inauguré un âge d'or perçu pour les workflows de codage AI. Les développeurs ont universellement loué ses premières itérations pour leur simplicité élégante, leur comportement prévisible et leur remarquable facilité d'intégration, permettant aux ingénieurs de le modeler rapidement en systèmes agentic sur mesure. Pour beaucoup, y compris le créateur de Pi, Mario Zechner, il représentait le premier agent de codage véritablement capable de gérer des tâches d'ingénierie complexes de bout en bout avec une puissance et un contrôle authentiques.

Cependant, la cadence agressive des publications de fonctionnalités d'Anthropic a involontairement conduit à ce que de nombreux utilisateurs expérimentés décrivent maintenant comme un gonflement significatif. Les mises à jour continues, bien qu'elles visent à améliorer les fonctionnalités, ont introduit une multitude de problèmes qui ont sapé la fiabilité fondamentale de l'outil. Cette expansion rapide a transformé Claude Code d'un utilitaire léger en une plateforme difficile à gérer.

Les ingénieurs ont rapidement identifié plusieurs symptômes critiques de ce gonflement. Les utilisateurs ont signalé une utilisation insensée des tokens, dépassant souvent largement les attentes pour des tâches spécifiques, ce qui a entraîné des coûts imprévisibles et des opérations inefficaces. Un autre point douloureux majeur était les system prompts constamment changeants ; ces instructions fondamentales, cruciales pour guider le comportement de l'IA, changeaient à chaque nouvelle version. Cela rendait presque impossible pour les développeurs d'établir des résultats cohérents et reproductibles.

Peut-être le plus critique, l'évolution de la base de code a créé un sentiment omniprésent que « votre contexte n'est plus vraiment votre contexte ». Les mécanismes de prompting sous-jacents sont devenus opaques et difficiles à gérer, impactant directement la qualité et la prévisibilité des sorties. Une dépendance à un harness où les instructions principales sont en constant changement affecte inévitablement les résultats, laissant les utilisateurs sans explications claires pour les comportements inattendus.

Cette critique, exprimée par des experts comme Cole Medin et Mario Zechner, ne découle pas d'un rejet de la puissance inhérente de Claude Code. Au lieu de cela, elle naît d'une profonde appréciation de ce qu'était l'outil et de la frustration de son éloignement de cette promesse initiale. Les points douloureux sont aigus car un outil autrefois simple et puissant a évolué en une plateforme complexe, illustrant le problème de la 'slop' dans le monde plus large de l'IA.

Pi apparaît comme un contrepoint direct à cette « slop » croissante, défendant une nouvelle philosophie radicale pour les agents d'IA. Son principe fondamental établit un noyau fondamental minimal et stable, où chaque capacité supplémentaire fonctionne comme une extension optionnelle. Cette conception modulaire donne du pouvoir aux développeurs, assurant la prévisibilité et le contrôle de leur flux de travail de codage.

Cette approche contraste fortement avec le modèle monolithique favorisé par des concurrents comme Claude Code d'Anthropic. Alors que Claude Code livre continuellement de nouvelles fonctionnalités, les utilisateurs héritent souvent d'une base de code en constante expansion, confrontés à une complexité accrue, des changements imprévisibles de system prompt et une utilisation croissante des tokens. Ce flux constant sape la stabilité même dont les développeurs ont besoin pour une ingénierie agentique fiable.

Mario Zechner, le créateur de Pi, a articulé cette vision dans sa conférence, « Building Pi in a World of Slop ». Il a conçu Pi pour éliminer les éléments superflus, en se concentrant sur une base non-opinionnée et extensible. Cela permet à l'agent de s'auto-modifier, laissant les utilisateurs demander et intégrer des fonctionnalités selon leurs besoins, plutôt que de devoir faire face à un gonflement pré-packagé.

Un écosystème open-source, piloté par la communauté, combat intrinsèquement la « slop » en décentralisant le développement et en maintenant la transparence. Pi favorise un marché d'extensions tierces, rendant exceptionnellement facile pour les utilisateurs de construire et de partager leurs propres fonctionnalités. Cette propriété collective garantit que l'outil évolue en fonction de besoins réels, et non pas seulement d'une vélocité rapide des fonctionnalités.

Les utilisateurs obtiennent un contrôle direct sur leur environnement, ne sélectionnant que les composants essentiels à leurs tâches spécifiques. Cette éthique s'étend à des outils comme Archon, un harness builder open-source pour le codage d'IA, qui prend désormais en charge nativement Pi. Archon: Open Source AI Coding Harness Builder offre aux développeurs la flexibilité de construire des processus d'ingénierie agentique personnalisés, libres des contraintes des systèmes gonflés et opinionnés. La puissance combinée de Pi et Archon offre un avenir où les agents de codage d'IA sont véritablement « vôtres », stables et précisément adaptés.

Pi introduit un paradigme véritablement nouveau pour le développement d'agents IA : les capacités d'auto-construction. Cet agent ne se contente pas d'exécuter des tâches ; il évolue activement, permettant aux développeurs de lui demander de construire de nouvelles fonctionnalités et extensions directement dans son cœur. Mario Zechner, le créateur de Pi, l'a conçu de A à Z, permettant aux utilisateurs de littéralement demander à Pi de se modifier, s'adaptant à des besoins spécifiques sans dépendances externes ni intégrations complexes.

L'installation s'avère remarquablement simple, ne nécessitant qu'une seule commande npm pour rendre l'agent opérationnel. Cette configuration minimale distingue immédiatement Pi des processus d'intégration souvent lourds d'autres plateformes d'IA. De plus, Pi libère les développeurs des écosystèmes de modèles restrictifs, se configurant de manière transparente pour fonctionner avec pratiquement n'importe quel fournisseur de grand modèle linguistique (LLM).

Cette flexibilité fondamentale signifie que les utilisateurs ne sont pas liés à l'écosystème, à l'API ou aux conditions d'utilisation en constante évolution d'un seul fournisseur d'IA. Les développeurs conservent une autonomie totale, choisissant le LLM optimal pour leur flux de travail de codage spécifique, plutôt que de se conformer à un ensemble d'outils prescrit. Cela élimine l'enchevêtrement propriétaire et les augmentations de coûts futures potentielles qui affligent de nombreux environnements de développement d'IA actuels, offrant une véritable protection contre le verrouillage propriétaire.

Là où Claude Code d'Anthropic est souvent confronté au « slop » — la complexité involontaire et le manque de fiabilité résultant d'un déploiement rapide de fonctionnalités — et à des altérations imprévisibles des invites système, Pi offre stabilité et extensibilité prévisible. Si une nouvelle fonctionnalité souhaitable apparaît chez un concurrent comme Claude Code, un développeur peut simplement demander à Pi de reproduire cette fonctionnalité pour son instance personnalisée. Cette approche ingénieuse garantit l'accès à des capacités de pointe sans hériter du gonflement ou de l'instabilité associés, une caractéristique d'autres plateformes.

L'architecture de Pi transforme l'agent d'un produit fixe en une plateforme dynamique, pilotée par l'utilisateur. Ce choix permet aux développeurs de créer des agents hautement spécialisés, adaptés précisément à leurs projets, favorisant l'innovation et l'efficacité. Ils obtiennent un contrôle granulaire sur le comportement de leur IA, garantissant des résultats cohérents et des performances fiables, un contraste frappant avec les mécanismes internes opaques et fréquemment changeants des alternatives fermées.

La véritable architecture de génie de Pi se manifeste dans son écosystème opt-in, une place de marché d'extensions tierces dynamique accessible directement sur npm. Ce modèle redéfinit fondamentalement la façon dont les utilisateurs interagissent avec et étendent les capacités de leur agent, évitant le « slop » inhérent qui afflige les outils d'IA monolithiques. Les développeurs et les utilisateurs peuvent parcourir un catalogue croissant de fonctionnalités spécialisées, n'intégrant que ce dont ils ont réellement besoin, favorisant un modèle de développement axé sur la communauté où l'innovation prospère sans compromettre la stabilité ou les performances de l'agent principal.

Considérez l'extension Plannotator, un exemple éclatant de cette philosophie en action. Plutôt que de surcharger le cœur léger de Pi avec des interfaces de planification complètes, Plannotator offre de puissantes capacités d'interface utilisateur web interactive pour la planification de projets complexes et la gestion des tâches. Cet ajout modulaire permet aux utilisateurs de visualiser et de gérer des tâches complexes, transformant Pi en un orchestrateur de projet robuste sans ajouter une seule ligne de code superflu à l'agent fondamental. Ces extensions sont faciles à découvrir et à installer, s'intégrant de manière transparente dans les configurations Pi existantes.

Cette extensibilité garantit que Pi reste incroyablement agile et performant. Si un utilisateur a besoin d'outils de débogage avancés, il lui suffit d'installer le package pertinent depuis npm. S'il a besoin de fonctionnalités d'analyse de données spécialisées, une extension les lui fournit instantanément. Cette approche contraste fortement avec les cycles de développement "tout-en-un" observés ailleurs, où de nouvelles fonctionnalités arrivent souvent sans être sollicitées ni désirées, contribuant à l'instabilité du système et à une consommation accrue de ressources.

Le cœur minimal de Pi, associé à ce système d'extension modulaire, offre une personnalisation infinie. Les utilisateurs obtiennent un contrôle sans précédent sur leur flux de travail de codage, en élaborant un agent sur mesure qui correspond précisément à leurs exigences opérationnelles. Ils choisissent la complexité, plutôt que de se la voir imposer par des livraisons de fonctionnalités constantes et indifférenciées de développeurs comme Anthropic, dont les mises à jour rapides modifient fréquemment les comportements de base et les invites système. Ce modèle centré sur l'utilisateur redonne le choix au développeur.

Ce changement de paradigme permet aux individus de créer des agents hautement spécialisés pour des applications de niche. Un développeur axé sur les tâches de front-end web pourrait installer des extensions de frameworks d'interface utilisateur et des outils d'automatisation de navigateur, tandis qu'un autre travaillant sur des services backend pourrait privilégier les packages d'interaction avec les bases de données et les suites de tests API. Chaque utilisateur construit son Pi idéal, un agent qui évolue avec ses exigences spécifiques, libéré du fardeau des fonctionnalités inutilisées et de l'imprévisibilité d'un cœur en constante évolution.

Le résultat est un agent de codage IA qui est toujours exactement ce que l'utilisateur souhaite : efficace, puissant et parfaitement adapté à son cas d'utilisation spécifique. Ce framework extensible n'est pas seulement une fonctionnalité ; c'est le principe fondamental qui permet à Pi de défier les géants établis, en offrant une expérience supérieure et personnalisée dans un monde de plus en plus méfiant envers le 'slop' de l'IA. Il défend un avenir où les outils d'IA s'adaptent à l'utilisateur, et non l'inverse.

Pi établit un nouveau paradigme pour le développement d'agents, en privilégiant un cœur minimal et extensible. Pourtant, même l'agent individuel le plus performant a besoin d'un chef d'orchestre pour la symphonie du développement logiciel dans le monde réel. C'est là qu'intervient Archon, un constructeur de harnais open-source conçu pour orchestrer des flux de travail de codage IA complexes. Il élève l'ingénierie agentique à un nouveau niveau de précision et de contrôle.

Archon représente la prochaine évolution cruciale, allant bien au-delà des interactions isolées de type invite-réponse. Il fournit un cadre robuste pour définir, gérer et exécuter des processus multi-agents entiers. Au lieu de simplement interagir avec un seul agent, les développeurs utilisent Archon pour construire des séquences complexes, garantissant des résultats structurés et reproductibles pour des tâches de longue haleine et à multiples facettes qui exigent une coordination entre diverses capacités d'IA. Cette approche systématique est vitale pour le développement d'IA de qualité production.

Fonctionnellement, Archon enchaîne plusieurs sessions d'agents, transformant des opérations disparates en projets cohérents. Cela permet un contrôle précis sur le flux d'informations et d'actions, un contraste frappant avec la nature imprévisible des outils rapidement évolutifs et surchargés. Il permet aux développeurs d'empaqueter l'ensemble de leur processus d'ingénierie agentique en unités réutilisables, qui peuvent ensuite s'exécuter en parallèle pour gérer des tâches de codage IA à grande échelle. Cole Medin, un fervent défenseur, souligne le rôle d'Archon dans la fourniture de cette couche de gestion cruciale pour un développement prévisible et efficace, déclarant qu'il aide à "package it up into reusable workflows that you can execute in parallel."

Soutenant initialement des agents puissants comme Claude et Codex, Archon a récemment ajouté Pi comme son troisième agent de codage officiellement pris en charge. Cette intégration débloque de puissantes synergies : les utilisateurs peuvent désormais exploiter le cœur minimal et hautement personnalisable de Pi, que vous pouvez explorer plus en détail sur Pi Coding Agent: Minimal Foundational Core for AI Coding, au sein de l'environnement d'orchestration complet d'Archon. Cette combinaison combat directement le problème du 'slop', offrant des résultats cohérents et prévisibles même pour les initiatives de développement pilotées par l'IA les plus ambitieuses. Elle offre une approche structurée pour construire une automatisation sophistiquée sans l'imprévisibilité inhérente aux outils en évolution rapide et riches en fonctionnalités qui affligent le monde actuel de l'IA.

Pi a officiellement rejoint la liste des agents de codage pris en charge par Archon, mettant fin à l'attente d'une alternative légère. Il se tient désormais aux côtés de joueurs établis comme Claude et Codex, offrant aux développeurs une échappatoire à l'inflation de fonctionnalités prévalente dans de nombreux outils d'IA. Cette intégration marque une évolution significative pour l'Archon ecosystem.

Archon, l'open-source harness builder, excelle à empaqueter des processus d'ingénierie agentique entiers dans des workflows réutilisables. Il fournit le cadre robuste et évolutif nécessaire pour exécuter des tâches de codage IA complexes en parallèle, gérant les opérations à grande échelle. Sa force réside dans l'orchestration et la gestion de divers flux agentiques.

Pi, en revanche, offre un moteur d'exécution léger, prévisible et hautement personnalisable. Sa philosophie fondamentale privilégie un cœur minimal, où chaque capacité supplémentaire fonctionne comme une extension optionnelle. Cette conception combat directement le « slop » qui afflige de nombreuses plateformes d'IA développées rapidement, assurant stabilité et contrôle.

La synergie entre Archon et Pi crée une combinaison formidable. Archon fournit le plan de contrôle global, permettant aux développeurs de concevoir des workflows complexes en plusieurs étapes. Pi sert ensuite d'instrument de précision au sein de ces workflows, exécutant des tâches spécifiques avec un environnement sur mesure.

Les développeurs peuvent désormais exploiter Archon pour architecturer un coding workflow sophistiqué, en dirigeant un agent Pi précisément configuré. Cela inclut la spécification d'extensions particulières du npm marketplace de Pi en pleine croissance, comme Plannotator, et même l'intégration de divers LLMs. Le résultat est un contrôle inégalé sur le comportement et la sortie de l'agent, libéré des changements imprévisibles des agents monolithiques.

Ce partenariat permet aux ingénieurs de construire des agents IA hautement spécialisés sans sacrifier les robustes capacités d'orchestration d'Archon. Il offre à la fois la flexibilité d'un agent auto-modifiant et la fiabilité d'un système de workflow bien géré, répondant aux points douloureux critiques du développement IA moderne.

Archon transforme fondamentalement l'ingénierie agentique IA complexe en étapes transparentes et gérables, fournissant un plan pour un développement fiable. La récente démonstration de Cole Medin dévoile le workflow Plan, Implement, Validate (PIV), une méthodologie robuste pour développer des solutions IA qui combat directement le 'slop' inhérent aux cycles de développement moins contrôlés. Cette approche structurée, alimentée par l'agent Pi minimaliste, assure prévisibilité et contrôle tout au long du processus de construction.

Définir un workflow Archon commence par un fichier de configuration YAML déclaratif, l'épine dorsale de son orchestration. Ce fichier décrit précisément chaque étape distincte du processus, spécifiant les agents impliqués, les outils qu'ils utilisent et la logique conditionnelle régissant les transitions. Par exemple, l'exemple `archon-plannotator-piv.yaml` du dépôt GitHub de Medin articule méticuleusement ces séquences multi-étapes, dictant tout, de l'analyse initiale du problème à la validation finale du code.

Au cœur du workflow PIV, et un contrepoids direct à l'excès d'autonomie de l'IA, se trouve l'extension Plannotator pour Pi. Ce composant critique injecte un point de contrôle humain essentiel. Après que Pi, agissant comme agent de codage, génère son plan initial pour aborder une tâche, Plannotator présente cette proposition dans une interface utilisateur web dédiée et conviviale. Les développeurs peuvent alors examiner, affiner ou rejeter complètement la stratégie proposée par l'IA, assurant l'alignement avec les exigences du projet avant que toute implémentation de code gourmande en ressources ne commence.

Cette porte humaine explicite empêche l'exécution incontrôlée de l'IA et les erreurs coûteuses, un piège courant avec les systèmes d'agents opaques et entièrement autonomes. En exigeant une approbation humaine explicite lors des phases de planification critiques, l'ensemble du workflow reste prévisible, contrôlable et transparent. Cela transforme le développement d'IA potentiellement chaotique en un processus collaboratif où l'intelligence humaine guide et valide les capacités artificielles, favorisant la confiance et la précision.

En tirant parti du noyau minimal et extensible de Pi et de la puissante orchestration d'Archon, cette structure PIV permet aux développeurs d'aborder des projets ambitieux avec une confiance sans précédent. Chaque étape devient une unité distincte et observable, simplifiant le débogage, l'itération et l'optimisation des performances. L'extensibilité inhérente de Pi, combinée à la conception modulaire d'Archon, permet une adaptation facile aux nouvelles exigences et l'intégration d'outils personnalisés sans introduire l'encombrement et l'imprévisibilité qui affligent d'autres plateformes. Ce cadre agile assure la maintenabilité et la pérennité des systèmes d'IA complexes.

Les outils de codage IA actuels masquent souvent des coûts significatifs, non seulement en appels API mais aussi en temps de développeur gaspillé à cause de l'inefficacité des tokens, des sorties imprévisibles et d'une fiabilité contextuelle décroissante. Le problème de la « slop » de Mario Zechner, illustré par le développement rapide et riche en fonctionnalités d'outils comme Claude Code, impacte directement votre productivité. Évaluez votre workflow de codage actuel : êtes-vous vraiment en contrôle lorsque les invites système changent à chaque nouvelle version, ou votre processus agentique réagit-il constamment aux changements externes et aux modifications de comportement non documentées ? De nombreux développeurs rencontrent une « consommation de tokens insensée » et des bugs inattendus de plateformes livrées trop rapidement.

Pi + Archon offre une alternative convaincante, offrant un contrôle ultime, une rentabilité profonde et une prévisibilité inégalée. Le noyau minimal et extensible de Pi assure une base stable, où tout le reste existe comme une extension optionnelle, combattant l'encombrement observé ailleurs. Archon orchestre ensuite les tâches complexes en workflows réutilisables, prenant en charge l'exécution parallèle à grande échelle. Cette synergie fournit un environnement robuste et personnalisable qui s'adapte à *vos* besoins, et non l'inverse. Les utilisateurs peuvent même explorer les capacités d'autres assistants IA, tels que Claude by Anthropic: AI Assistant, au sein de leurs frameworks personnalisés.

Oui, l'adoption d'une nouvelle stack implique une courbe d'apprentissage. Cependant, ce n'est pas un obstacle ; c'est un investissement dans la construction d'un processus d'agentic engineering véritablement à l'épreuve du temps. Vous obtenez le pouvoir de personnaliser profondément votre agent, en intégrant de nouvelles capacités directement dans Pi lui-même en demandant simplement à l'agent de les implémenter. Cette liberté face aux changements externes ingérables et la dépendance à une petite base de code non opinionnée offrent une résilience inégalée. Cette stack vous permet de concevoir un development environment résilient et performant, adapté précisément aux exigences uniques de votre équipe.

L'avenir du développement de l'IA n'est pas monolithique ; il est agentique. Les développeurs s'éloignent rapidement des plateformes lourdes et fermées comme l'itération actuelle de Claude Code pour se tourner vers des systèmes modulaires et interopérables tels que Pi et Archon. Cette philosophie open-source permet aux ingénieurs de construire des workflows de codage précis et efficaces, adaptés à leurs besoins exacts, plutôt que de s'adapter à une solution unique.

Le contrôle et l'extensibilité ne sont plus des luxes ; ils sont indispensables pour les développeurs d'IA professionnels. L'imprévisibilité des invites système en constante évolution, l'utilisation incohérente des tokens et les fenêtres de contexte limitées dans les outils propriétaires introduisent une 'marge d'erreur' significative dans les cycles de développement cruciaux. Le cœur minimal de Pi, associé à l'orchestration des workflows d'Archon, offre une transparence inégalée et la capacité d'affiner chaque aspect du comportement d'un agent.

Ce changement priorise l'autonomie du développeur, lui permettant de maîtriser l'intégralité de sa stack d'IA. Grâce aux capacités d'auto-construction de Pi et à son marché croissant d'extensions tierces sur npm, les ingénieurs peuvent ajouter des fonctionnalités à la demande, contournant les cycles de publication arbitraires et l'inflation fonctionnelle des fournisseurs centralisés. Archon fournit ensuite le cadre pour intégrer ces agents personnalisés dans des processus robustes et évolutifs.

Prêt à désencombrer votre processus et à reprendre le contrôle de votre coding workflow ? La voie à suivre réside dans la participation active. Installez Pi et Archon dès aujourd'hui, expérimentez le workflow Plan, Implement, Validate (PIV) et explorez l'écosystème open-source en pleine croissance. Vos contributions, que ce soit en créant de nouvelles extensions, en signalant des problèmes ou en partageant des workflows, façonneront directement la prochaine génération d'outils de développement basés sur l'IA. Rejoignez le mouvement.

Qu'est-ce que l'agent de codage Pi ?

Pi est un agent de codage minimaliste et open-source conçu comme une alternative légère et extensible aux outils 'lourds' comme Claude Code. Sa philosophie fondamentale est une base petite et stable sur laquelle les utilisateurs peuvent construire avec des extensions.

Qu'est-ce qu'Archon ?

Archon est un constructeur de harnais open-source pour l'IA. Il permet aux développeurs d'empaqueter l'intégralité de leur processus d'agentic engineering dans des workflows de codage réutilisables, évolutifs et parallélisables qui peuvent utiliser divers agents comme Pi ou Claude.

Pourquoi Claude Code est-il considéré comme 'lourd' ?

En raison de la rapidité des nouvelles fonctionnalités, les utilisateurs signalent des problèmes d'utilisation élevée des tokens, des invites système imprévisibles qui changent avec les mises à jour, des bugs et une perte générale de la simplicité initiale qui l'avait rendu populaire.

L'agent Pi peut-il utiliser des modèles comme GPT-4 ou Gemini ?

Oui. Pi est agnostique au modèle et peut être configuré pour utiliser une grande variété de grands modèles linguistiques de différents fournisseurs, y compris OpenAI, Google et Anthropic, via des clés API ou des abonnements.