Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarArtificial Analysis→ original

Inkling 2 Mini, ouverte, coûte six fois moins cher que Qwen3.8 27B : 0,59 $ contre 3,53 $ par tâche

Thinking Machines publie Inkling 2 Mini, un modèle ouvert : sur une tâche de l'indice Artificial Analysis, son coût s'élève à 0,59 $, contre 3,53 $ pour Qwen3.8 27B, qui obtient le même score de 20 points, soit six fois plus cher. Le secret tient à la répétition : le modèle fait passer 12 de ses 24 couches trois fois, comme un éditeur qui relit trois fois le même texte, sans ajouter de nouveaux poids. Il peut ainsi tourner sur un MacBook. Pour les agents locaux, cela établit une nouvelle référence de prix.

Traité par IA depuis Artificial Analysis ; édité par Hamidun News
Inkling 2 Mini, ouverte, coûte six fois moins cher que Qwen3.8 27B : 0,59 $ contre 3,53 $ par tâche
Source : Artificial Analysis. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireArtificial Analysis ↗
Rédacteur en chef
Tâche0,59 $ et 9 minutes, contre 3,53 $ et 38 minutes pour Qwen3.8 27B
Chiffre clé #226 milliards de paramètres au total, dont 5,4 milliards actifs ; fenêtre de contexte d'1 million de tokens
Chiffre clé #3Il produit 38 % de tokens en plus, mais consomme 2,8 fois moins de calcul

D'ordinaire, un « petit » modèle implique un compromis : il est plus rapide et moins cher, mais nettement moins performant. Thinking Machines tente de contourner cette règle. Son nouveau modèle ouvert, Inkling 2 Mini, résout une tâche du test indépendant Artificial Analysis pour 0,59 $ en 9 minutes. Qwen3.8 27B, qui obtient le même résultat, soit 20 points à l'indice d'intelligence, dépense 3,53 $ et 38 minutes pour cette même tâche. Cela représente environ six fois plus cher et quatre fois plus lent. L'indice d'intelligence d'Artificial Analysis est une note globale calculée sur un ensemble de tâches de raisonnement, de programmation et de travail sur les connaissances : plus le score est élevé, plus le modèle est performant.

Comment Inkling parvient-il à de telles économies ? Il rejoue plusieurs fois une partie de ses propres couches, au lieu d'augmenter le nombre de paramètres.

Fonctionnement du modèle

Inkling 2 Mini est un modèle mixture-of-experts : il compte 26 milliards de paramètres au total, mais seule une partie des experts travaille pour chaque token. Il en active 5,4 milliards. Ce chiffre inclut déjà les trois passages dans les couches « bouclées ». Pour chaque token de texte, il utilise 3,1 milliards de poids uniques.

Le principe du looped transformer (« transformeur en boucle ») est plus simple qu'il n'y paraît. Imaginez qu'au lieu de trois éditeurs différents, une seule personne relise trois fois le même texte et remarque à chaque fois quelque chose de nouveau. Dans ce modèle, 12 couches sur 24 s'exécutent trois fois pour chaque token. Le calcul augmente, mais la mémoire nécessaire aux poids reste identique. C'est pourquoi, selon Artificial Analysis, le modèle est assez petit pour tourner sur un MacBook ou un DGX Spark.

La licence est Apache 2.0 : le modèle peut être utilisé librement dans des produits commerciaux et modifié à volonté. Il accepte le texte et les images, et sa fenêtre de contexte atteint 1 million de tokens.

Les chiffres du test indépendant

Dans l'Intelligence Index, Inkling 2 Mini obtient 20 points. Qwen3.8 27B (mode xhigh) et Nanbeige4.3-33B obtiennent le même score. Mais Inkling compte environ 5 et 6 fois moins de paramètres actifs, respectivement. Sur le graphique « intelligence contre taille », le modèle se situe sur la frontière de Pareto : aucun autre modèle n'offre plus d'intelligence à taille équivalente. Cela vaut aussi bien pour le nombre total de paramètres que pour le nombre de paramètres actifs.

Le revers de la médaille existe. Pour une tâche de l'indice, Inkling produit en moyenne environ 152 000 tokens de sortie. Qwen3.8 27B en produit environ 110 000, donc Inkling en génère près de 38 % de plus. Nanbeige4.3-33B en produit environ 158 000. Les passages répétés dans les couches ajoutent du calcul, mais n'ajoutent pas de tokens à la réponse : le modèle raisonne simplement de manière assez longue.

Toutefois, selon la métrique de substitution du calcul (paramètres actifs multipliés par le nombre de tokens), il consomme environ 2,8 fois moins que Qwen3.8 27B, et 5 fois moins que Nanbeige4.3-33B.

Le coût est calculé à partir du tarif de Thinking Machines lui-même : 0,15 $ par million de tokens d'entrée, 0,50 $ par million de tokens de sortie et 0,015 $ par million de tokens trouvés dans le cache.

Que faire de tout cela

Quelques réserves d'abord. Un score de 20 n'est pas le niveau des modèles phares. Le modèle fermé GPT-6 Luna (max) obtient 28 et coûte 0,15 $ par tâche, ce qui signifie qu'via l'API, il est à la fois moins cher et plus performant. Inkling 2 Mini se distingue surtout parmi les modèles ouverts que l'on peut déployer chez soi.

À qui cela peut-il servir ?

  • aux équipes qui ont besoin d'un modèle local pour des raisons de confidentialité des données ou de fonctionnement hors ligne ;
  • aux développeurs d'agents aux longues boucles, où le prix du token et la latence comptent ;
  • à ceux qui souhaitent affiner le modèle, grâce à la licence Apache 2.0.

Si vous faites tourner aujourd'hui un modèle de 27 à 33 milliards de paramètres sur votre propre matériel, testez Inkling 2 Mini sur vos propres tâches. Surveillez en particulier la longueur des réponses : les 38 % de tokens supplémentaires réduisent une partie du gain si vous payez à la sortie. Quant au procédé des passages répétés dans les couches, il semble être un moyen efficace d'améliorer la qualité sans augmenter la mémoire. Reste à voir si d'autres laboratoires l'adopteront.

Dossier

Questions clés sur cet article

Que sait-on sur Fonctionnement du modèle ?

Inkling 2 Mini est un modèle mixture-of-experts : il compte 26 milliards de paramètres au total, mais seule une partie des experts travaille pour chaque token. Il en active 5,4 milliards. Ce chiffre inclut déjà les trois passages dans les couches « bouclées ». Pour chaque token de texte, il utilise 3,1 milliards de poids uniques. Le principe du looped transformer (« transformeur en boucle ») est plus simple qu'il n'y paraît.

Que sait-on sur Les chiffres du test indépendant ?

Dans l'Intelligence Index, Inkling 2 Mini obtient 20 points. Qwen3.8 27B (mode xhigh) et Nanbeige4.3-33B obtiennent le même score. Mais Inkling compte environ 5 et 6 fois moins de paramètres actifs, respectivement. Sur le graphique « intelligence contre taille », le modèle se situe sur la frontière de Pareto : aucun autre modèle n'offre plus d'intelligence à taille équivalente. Cela vaut aussi bien pour le nombre total de paramètres que pour le nombre de paramètres actifs. Le revers de la médaille existe.

Que sait-on sur Que faire de tout cela ?

Quelques réserves d'abord. Un score de 20 n'est pas le niveau des modèles phares. Le modèle fermé GPT-6 Luna (max) obtient 28 et coûte 0,15 $ par tâche, ce qui signifie qu'via l'API, il est à la fois moins cher et plus performant. Inkling 2 Mini se distingue surtout parmi les modèles ouverts que l'on peut déployer chez soi. À qui cela peut-il servir ?

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…