Thinking Machines publie Inkling, un modèle MoE ouvert de 975 milliards de paramètres

La start-up de Mira Murati, Thinking Machines Lab, a publié le 16 juillet 2026 son premier modèle open-weights, Inkling : un transformeur Mixture-of-Experts de 975 milliards de paramètres (41 milliards actifs), sous licence Apache 2.0, entraîné sur 45 000 milliards de tokens de texte, d'images, d'audio et de vidéo.

Qu'est-ce qu'Inkling ?

Inkling est un modèle MoE multimodal de 975 milliards de paramètres, dont 41 milliards sont actifs à chaque requête. Son développeur, Thinking Machines Lab, a ouvert les poids sous la licence libre Apache 2.0. Il les accompagne d'une fiche modèle inhabituellement courte, bien plus laconique que ce que publient d'ordinaire les laboratoires d'IA américains.

• Développeur : Thinking Machines Lab, la start-up de Mira Murati, ancienne CTO d'OpenAI
• Architecture : Mixture-of-Experts, 975 milliards de paramètres au total, 41 milliards actifs
• Données : 45 000 milliards de tokens de texte, d'images, d'audio et de vidéo
• Licence : Apache 2.0, poids entièrement ouverts
• Une version plus légère, Inkling-Small, est annoncée : 276 milliards de paramètres (12 milliards actifs), avec des poids publiés après la phase de tests

Pas un modèle phare, mais une base pour le fine-tuning

Thinking Machines Lab reconnaît sans détour qu'Inkling n'est pas le modèle le plus performant du marché, ni parmi les modèles ouverts ni parmi les modèles fermés. Plutôt que de courir après la première place, l'équipe le positionne comme une base pratique pour la personnalisation et le fine-tuning sur sa propre plateforme, Tinker.

« Inkling n'est pas le modèle le plus performant disponible aujourd'hui, ouvert ou fermé.

Ce qui en fait une bonne base ouverte pour la personnalisation, c'est la combinaison de plusieurs qualités : la multimodalité, un « raisonnement » efficace et sa disponibilité dans Tinker pour le fine-tuning », peut-on lire dans la fiche modèle de Thinking Machines Lab.

La documentation sur les données d'entraînement est en revanche quasi vide. L'entreprise indique seulement avoir utilisé du contenu issu du web ouvert et de dépôts publics. Une partie des données provient de tiers, et certaines d'entre elles peuvent être protégées par la propriété intellectuelle.

Ce que cela change pour le marché des modèles ouverts

Inkling renforce l'écosystème open-weights américain, où les sorties chinoises donnaient le ton ces derniers temps. Selon le développeur Simon Willison, qui a testé le modèle via l'API, Inkling se montre compétitif face aux modèles ouverts venus de Chine. Il rejoint le petit nombre de prétendants américains viables, NVIDIA Nemotron et Gemma 4.

La multimodalité se vérifie en pratique : Willison a généré une image SVG via l'API, puis a demandé au même modèle de la décrire. Inkling en a détaillé le contenu, prenant l'oiseau dessiné pour une cigogne ou une mouette.

Ce que cela signifie

Une base multimodale ouverte, signée par d'anciens dirigeants d'OpenAI, abaisse le seuil d'entrée pour ceux qui veulent construire et affiner leurs propres modèles sans dépendre d'API fermées. Thinking Machines ne mise pas sur les benchmarks, mais sur la facilité de personnalisation via Tinker.

Questions fréquentes

Qu'est-ce qu'Inkling ?

Inkling est le premier modèle open-weights de Thinking Machines Lab : un transformeur Mixture-of-Experts multimodal de 975 milliards de paramètres (41 milliards actifs), entraîné sur 45 000 milliards de tokens et publié le 16 juillet 2026.

Combien de paramètres compte le modèle Inkling ?

Il totalise 975 milliards de paramètres, dont 41 milliards sont actifs à chaque requête. La version plus légère annoncée, Inkling-Small, compte 276 milliards de paramètres (12 milliards actifs).

Peut-on utiliser Inkling gratuitement ?

Oui. Les poids sont ouverts sous licence Apache 2.0 : le modèle peut être librement téléchargé, utilisé et affiné, y compris sur la plateforme Tinker de Thinking Machines Lab.