Thinking Machines lance Inkling 2 Small : ce MoE de 594 milliards de paramètres a affiné Qwen de manière autonome pour 426 $

Si vous avez déjà affiné un modèle pour vos propres besoins, vous connaissez la part de travail répétitif que cela implique : écrire un évaluateur, y trouver un bug, essayer différentes approches de SFT et de RL, suivre les points de contrôle. Thinking Machines, la startup de Mira Murati, affirme que son nouveau modèle Inkling 2 Small sait accomplir ces tâches de manière autonome.

De quel modèle parle-t-on ?

Malgré son nom Small, il s’agit d’un MoE de 594 milliards de paramètres, dont 17 milliards actifs par token. Son coût d’inférence se rapproche donc de celui des modèles de taille moyenne, tandis que sa capacité se rapproche de celle des grands modèles. Les poids restent fermés, mais l’entreprise promet de les publier sous licence Apache 2.0. Le modèle est actuellement accessible via Tinker, la plateforme de Thinking Machines.

Selon les résultats annoncés, Inkling 2 Small a pris la première place du classement général des modèles ouverts et la troisième sur DesignArena Website. Il arrive en tête des modèles open source pour les tâches de vision, la finance et les usages d’agents en bureautique. Ses résultats en programmation sont plus modestes, mais se rapprochent assez nettement de ceux de la version mise à jour de DeepSeek-V4.1-Flash. Selon ses concepteurs, les progrès par rapport à la version précédente sont très marqués.

La démonstration qui mérite de lire l’annonce

Le plus intéressant n’est pas le classement, mais l’expérience menée. Le modèle a reçu pour mission d’affiner Qwen3.5-4B pour la prévision de séries temporelles. Il a ensuite travaillé comme un ingénieur junior en machine learning : il a écrit son propre évaluateur, y a trouvé un bug, a essayé le SFT et le RL, puis a livré le meilleur point de contrôle. L’opération a pris 4,5 heures et coûté 426 $. Sur de nouvelles données, l’erreur s’est révélée inférieure d’environ 15 % à celle du modèle Qwen de base.

Imaginez un besoin produit courant : prévoir la demande ou la charge, sans disposer d’une équipe de machine learning en interne. Jusqu’ici, vous utilisiez soit un grand modèle prêt à l’emploi en payant chaque requête, soit vous recrutiez. Une troisième voie se dessine ici : un agent prépare un petit modèle spécialisé, peu coûteux à faire tourner en production.

Autre indicateur concret : sur PMPP-Hard, un ensemble de problèmes d’optimisation de kernels GPU, le modèle en résout en moyenne 54 sur 69, au niveau de DeepSeek V4.1 Flash. C’est intéressant pour les équipes qui se heurtent aux limites des performances d’inférence.

Limites et pistes d’action

Quelques réserves s’imposent d’emblée. Tous les chiffres proviennent pour l’instant de l’entreprise elle-même et n’ont pas fait l’objet d’une vérification indépendante. Une seule démonstration sur une seule tâche ne prouve pas que l’affinage automatique fonctionnera aussi bien sur vos données. Un gain de 15 % sur des séries temporelles peut être modeste ou considérable, selon la précision de départ. Les poids étant fermés, impossible de faire tourner le modèle chez soi pour le tester tant que la publication promise sous Apache 2.0 n’a pas eu lieu.

Pour les développeurs et les responsables produit, les implications pratiques sont les suivantes. Premièrement, si vous avez une tâche pour laquelle un petit modèle pourrait remplacer une API coûteuse, l’affinage piloté par un agent mérite un essai : quelques centaines de dollars représentent un budget d’expérimentation tout à fait abordable. Deuxièmement, attendez la publication des poids et comparez le modèle à DeepSeek-V4.1-Flash sur votre propre code et vos documents, plutôt que sur des benchmarks publics. Troisièmement, prêtez attention à la démarche elle-même : un modèle qui écrit un évaluateur et en détecte les bugs se rapproche davantage d’un chercheur autonome que d’un outil d’autocomplétion.

Si les promesses de licence sont tenues, l’open source disposera d’une option solide, avec un coût d’inférence modéré et de bonnes capacités d’agent. Pour l’heure, cela donne une raison de l’essayer via Tinker et de suivre son évolution.