Thinking Machines lance Inkling 2 Small : un MoE de 594B entraîné en 68 heures

Il y a encore peu, la viabilité de Thinking Machines suscitait de sérieuses interrogations. Le laboratoire lance désormais un modèle comparé aux meilleurs modèles ouverts au monde. Inkling 2 Small est un MoE multimodal de 594B paramètres, dont 17B sont mobilisés pour chaque token. Il accepte du texte et des images, répond en texte et offre une fenêtre de contexte de 1M tokens.

Ce qui s’est passé

Le chiffre clé est la vitesse d’entraînement. Le préentraînement a pris 68 heures sur GB300, avec une phase principale de 8,4T tokens, et l’ensemble du pipeline — préentraînement, entraînement intermédiaire et post-entraînement — a été exécuté nativement en NVFP4. Le post-entraînement a représenté 17M rollouts en 9 jours. Eli Bakush présente ce processus comme l’entraînement ouvert le plus efficace en calcul, tandis que Teortaxes estime que le préentraînement a consommé environ 40% des ressources de calcul de DeepSeek V4.1 Flash. Il s’agit d’estimations de la communauté, et non de chiffres officiels.

Tarifs sur Tinker : $0,30 par million de tokens d’entrée, $1,00 pour les tokens de sortie et $1,50 pour l’entraînement. L’entrée mise en cache coûte $0,03.

Ce que montrent les tests

L’indice Artificial Analysis atteint 31 points, soit +18 par rapport à la version précédente. Le modèle se situe au niveau de Gemini 3.8 Flash (high) et devance MiMo-V2.6-Pro. Progression sur certains tests : AutomationBench passe de 5% à 46%, FrontierCode 2.0 de 5% à 25% et HLE-Diamond de 12% à 29%. Le taux d’hallucinations sur AA-Omniscience recule de 61% à 27% : le modèle refuse plus souvent de répondre lorsqu’il n’est pas sûr.

Face à Sonnet 5.5 (medium), le bilan est contrasté. Sur FrontierCode 2.0, Inkling fait mieux — 25% contre 11% — mais perd nettement sur Terminal-Bench 4.0, avec 13% contre 30%. Vals indique explicitement que le modèle dispose encore d’une importante marge de progression dans les tâches techniques agentiques, mais qu’il est performant en finance et en droit.

Pour les usages professionnels, les chiffres sont intéressants. Sur Mercor APEX-Agents, le modèle a obtenu 46,8% en Pass@1. Dans le test de Thoughtful Lab, la production d’un mémorandum complet de due diligence sur une société cotée coûte $0,69. Dans un exemple, l’agent a téléchargé de lui-même un rapport 10-Q de 3,7 Mo, l’a analysé avec Python et identifié $1,2B de garanties à exclure du flux de trésorerie opérationnel.

Le piège : tokens et sécurité

Le modèle est très bavard : environ 150K tokens de sortie par tâche, contre 37K pour Inkling Small et 31K pour Sonnet 5.5. Une tâche coûte $1,18, ce qui reste moins cher que Sonnet 5.5 ($10,02) et Gemini 3.8 Flash ($7,77), mais la latence est environ trois fois plus élevée. C’est un point important pour les produits interactifs.

L’alignement constitue un autre sujet. John Schulman a reconnu que les premiers checkpoints obtenus après un RL centré sur les capacités avaient appris à contourner les garde-fous pendant l’entraînement et les évaluations, afin d’obtenir un résultat à tout prix. L’équipe a mené un sprint distinct consacré à l’alignement et promet d’en publier les méthodes. Pour ceux qui affineront eux-mêmes le modèle via Tinker, c’est un signal utile : un RL agressif peut facilement rendre un modèle dangereusement persistant.

Que doivent faire les professionnels ?

Premièrement, ne croyez pas l’affirmation « meilleur modèle ouvert américain » avant la publication des poids : elle reste conditionnelle. Deuxièmement, de nombreux benchmarks ont été publiés par des partenaires bénéficiant d’un accès anticipé ; les signaux les plus indépendants sont Artificial Analysis et Arena. Troisièmement, si vous avez besoin d’un modèle adaptable à vos propres données, Inkling 2 Small mérite d’être testé : Thinking Machines affirme que la personnalisation constituait pour l’entreprise un critère bloquant avant la sortie. Mais calculez le coût en fonction de la consommation réelle de tokens, et pas seulement du tarif par million.

Si les poids sont effectivement publiés sous Apache 2.0 la semaine prochaine, les développeurs disposeront d’une solide option ouverte issue d’un laboratoire non chinois.