Thinking Machines Inkling : À l'intérieur du premier modèle open-weights de Mira Murati

Thinking Machines Lab, la startup fondée par l'ancienne directrice technique d'OpenAI Mira Murati, a publié son premier modèle développé en interne : Inkling, un système Mixture-of-Experts (MoE) multimodal open-weights. La surprise ne réside pas dans la taille — c'est la stratégie qui étonne. Inkling n'est pas conçu pour remporter des benchmarks ; il est conçu pour être téléchargé, affiné et reconfiguré par les organisations qui l'utilisent. Ce guide couvre les spécifications d'Inkling, ses benchmarks, le concept d'« effort de raisonnement contrôlable » et ce que représente une base open-weights si vous développez des agents IA.

Qu'est-ce qu'Inkling ?

Inkling est le premier modèle public de Thinking Machines Lab, publié le 15 juillet 2026 — la première véritable démonstration du laboratoire après environ 18 mois de travaux d'infrastructure essentiellement privés (TechCrunch).

Les faits essentiels, tirés du propre article de présentation du laboratoire :

• 975 milliards de paramètres au total, 41 milliards actifs — un transformeur Mixture-of-Experts (MoE) qui n'active qu'une fraction de ses poids par token, ce qui permet à un modèle très volumineux de fonctionner plus rapidement et à moindre coût.
• Fenêtre de contexte de 1 million de tokens.
• Pré-entraîné sur 45 billions de tokens de texte, d'images, d'audio et de vidéo, raisonnant nativement sur les quatre modalités. Pour l'instant, les sorties sont textuelles : code, données structurées et artefacts formatés.
• Open-weights — les poids complets sont disponibles sur Hugging Face, à la fois sous forme de checkpoint original et de checkpoint NVFP4 pour une inférence efficace sur NVIDIA Blackwell.
• Un aperçu d'Inkling-Small, un MoE de 276 milliards de paramètres (12 milliards actifs) optimisé pour réduire les coûts et la latence.

La phrase la plus frappante vient du laboratoire lui-même : Inkling « n'est pas le modèle globalement le plus puissant disponible aujourd'hui, qu'il soit open ou closed ». C'est toute la stratégie, pas une mise en garde.

Le pari : affinez-le vous-même

La plupart des laboratoires de pointe — OpenAI, Anthropic, Google — lancent d'abord un chatbot généraliste, puis ajoutent des fonctionnalités agentiques par-dessus. Inkling inverse cette logique. Thinking Machines le commercialise moins comme un produit fini que comme une base de personnalisation : un modèle de fondation large et équilibré que les organisations adaptent à leurs propres flux de travail via Tinker, la plateforme de fine-tuning du laboratoire.

L'argument, développé dans un article de l'entreprise qui a précédé le lancement, est qu'un modèle entraîné de manière centralisée puis figé est moins performant qu'un modèle que chaque organisation peut façonner autour de sa propre expertise. Ce point de vue gagne du soutien extérieur : Satya Nadella de Microsoft a récemment averti que les entreprises qui s'appuient sur des modèles fermés « paient deux fois » — une fois en frais d'abonnement, et une autre fois en alimentant leurs connaissances propriétaires dans les futures versions du modèle d'un tiers (TechCrunch).

La preuve la plus concrète qu'offre Thinking Machines est un projet avec le fonds spéculatif Bridgewater Associates : des chercheurs ont affiné un modèle open sur l'expertise financière de Bridgewater, et il aurait obtenu 84,7 % aux tests de raisonnement financier tout en coûtant environ quatorze fois moins cher à faire fonctionner que les meilleurs modèles propriétaires. À noter — ces chiffres proviennent de l'évaluation des deux entreprises elles-mêmes, et non d'une évaluation indépendante.

La contrepartie est la prise en charge du risque. Comme les clients affinent Inkling eux-mêmes, c'est eux — et non Thinking Machines — qui sont responsables de la sécurité de leurs personnalisations. Et le fine-tuning à ce niveau exige de véritables compétences en apprentissage automatique.

L'effort de raisonnement contrôlable

La fonctionnalité la plus pertinente pour les agents est l'effort de raisonnement contrôlable. Inkling vous permet de moduler le raisonnement à la hausse ou à la baisse — en échangeant précision contre vitesse et coût — et le réglage peut être ajusté depuis un environnement de codage ou un agent. Dans Hugging Face transformers, il est exposé comme argument reasoning_effort avec des niveaux nommés.

Pourquoi c'est important : dans les agents en production, les contraintes déterminantes sont généralement le coût et la latence, pas les scores maximaux sur les benchmarks. La publication d'Inkling fait varier son réglage d'effort de 0,2 à 0,99 et montre que le modèle atteint un score donné avec moins de tokens que ses concurrents à leur réglage par défaut. L'exemple phare : sur Terminal Bench 2.1, Inkling égale NVIDIA Nemotron 3 Ultra en utilisant environ un tiers de tokens en moins.

Fait intéressant, cette efficacité a en partie émergé lors de l'apprentissage par renforcement. Au fil de plus de 30 millions de rollouts RL, la chaîne de pensée d'Inkling est devenue plus concise d'elle-même — supprimant articles et connecteurs tout en restant compréhensible et en parvenant à la même réponse. C'est l'efficacité seule qui a conduit à cette compression ; ce n'était pas un objectif d'entraînement direct.

Les benchmarks d'Inkling

Inkling se positionne comme un modèle open-weights compétitif plutôt que comme un leader incontesté. Quelques résultats représentatifs tirés de la publication (obtenus avec un effort de 0,99) :

• SWEBench Verified : 77,6 % — devant Nemotron 3 Ultra (70,7 %), à peu près au niveau de Kimi K2.6 (80,2 %) et GLM 5.2 (80,0 %), derrière les modèles fermés comme Claude Fable 5 (95,0 %).
• Terminal Bench 2.1 (meilleur harness) : 63,8 % — dans la moyenne parmi les modèles open-weights ; il est distancé par GLM 5.2 (82,7 %) ici.
• GPQA Diamond : 87,2 % ; AIME 2026 : 97,1 % — raisonnement solide.
• FORTRESS (sécurité adversariale) : 78,0 % — les protections intégrées les plus élevées de tout modèle open-weights comparé par le laboratoire, sans sur-refus des requêtes bénignes similaires.
• Multimodal : 73,5 % sur MMMU Pro (vision), 91,4 % sur VoiceBench (audio) — parmi les meilleurs résultats open-weights omni.

Le schéma est délibéré : large et équilibré sur le texte, l'agentique, le multimodal et la sécurité, plutôt que de viser un pic sur un seul classement. La vérification indépendante sera importante ici — plusieurs scores reposent sur les propres environnements d'évaluation du laboratoire ou sur des données auto-déclarées.

Comment il a été construit (et la question de la distillation)

Quelques notes d'architecture pour les curieux techniques. La conception MoE suit largement DeepSeek-V3 (256 experts routés, 2 partagés, 6 actifs par token). L'attention alterne couches à fenêtre glissante et couches globales dans un ratio 5:1, et — fait notable — Thinking Machines utilise des embeddings positionnels relatifs au lieu de RoPE, rapportant une meilleure extrapolation de longueur. L'entraînement a utilisé un optimiseur hybride Muon/Adam sur des systèmes NVIDIA GB300 NVL72.

Une mise en garde honnête que l'entreprise formule elle-même : pour amorcer le post-entraînement, elle a effectué un fine-tuning supervisé initial sur des données synthétiques générées par d'autres modèles open, dont Kimi K2.5 de Moonshot AI — une pratique connue sous le nom de distillation. Le laboratoire indique que cela ne représentait qu'une petite fraction du calcul et que son prochain modèle utilisera un post-entraînement entièrement autonome.

La revendication de rapidité fait partie du discours commercial : OpenAI a mis environ cinq ans à commercialiser sa technologie, et Anthropic environ trois ; Thinking Machines affirme l'avoir fait en environ neuf mois.

Pourquoi l'open-weights est important pour les agents IA

Pour les équipes qui développent des agents, le changement intéressant n'est pas le nombre de paramètres — c'est le modèle de déploiement. Une base open-weights modifie l'économie : au lieu de payer par appel API à un fournisseur fermé, vous pouvez faire fonctionner le modèle sur votre propre infrastructure, l'affiner sur votre domaine et garder le modèle résultant privé. C'est la même logique de « maîtrise de votre workforce » qui alimente l'intérêt pour les stacks d'agents locaux et ouverts en général.

L'effort contrôlable d'Inkling et son entraînement orienté agent s'inscrivent bien dans ce monde. Un modèle que vous pouvez ralentir pour les étapes difficiles et accélérer pour les étapes simples — à l'intérieur de votre propre boucle d'agent — est exactement ce dont les flux de travail longs et multi-étapes ont besoin. Si vous évaluez des options open-weights, nos analyses de DeepSeek V4 Pro, GLM-5.2 et Kimi K2.7 Code couvrent les autres modèles open-weights de classe frontière auxquels Inkling est comparé.

Mettez en œuvre votre propre workforce IA open source

La prémisse entière d'Inkling — qu'une IA adaptable et auto-hébergée surpasse le modèle universel — est le même pari qui sous-tend Eigent, l'application de bureau open source « Cowork » qui fait fonctionner une workforce d'agents IA multi-agents en local. Là où Inkling est un modèle de base que vous affinez, Eigent est la couche workforce par-dessus : une équipe d'agents qui automatisent de véritables flux de travail multi-étapes sur votre propre machine, en utilisant les modèles de votre choix. Si vous souhaitez mettre des modèles open-weights au travail plutôt que de simplement lire des benchmarks, téléchargez Eigent et commencez à construire vos propres flux de travail d'agents dès aujourd'hui.