Thinking Machines publie Inkling 2 Mini : 26 milliards de paramètres et 20,1 points à l'AA Index
Thinking Machines a réduit Inkling 2 Small de 594 à 26 milliards de paramètres, et la nouvelle Inkling 2 Mini peut se lancer sur un ordinateur portable. Il s'agit d'un transformeur en boucle : les mêmes couches sont parcourues plusieurs fois, au lieu de construire un réseau plus large. Sur l'indice agentique d'Artificial Analysis, le modèle obtient 20,1 points, contre 31 pour la version haut de gamme. Pour les agents locaux, c'est une option utilisable, à condition d'accepter une qualité inférieure à celle du modèle phare.
Traité par IA depuis X: @stretchcloud ; édité par Hamidun News
La principale critique adressée aux modèles open-weight ces derniers mois revient toujours : ils peuvent être performants, mais peu de gens sont en mesure de les faire tourner chez eux. Inkling 2 Small, de Thinking Machines, avec ses 594 milliards de paramètres, a suscité exactement cette réaction. Deux semaines plus tard, le laboratoire répond avec Inkling 2 Mini, un modèle de 26 milliards de paramètres. Selon l'entreprise, il tient sur un ordinateur portable et convient aux tâches agentiques. Sur l'indice Artificial Analysis consacré au travail agentique, Mini obtient 20,1 points. Small, sur le même indice, en avait 31.
Comment faire tenir le raisonnement dans 26 milliards de paramètres
Inkling 2 Mini est construit comme un transformeur en boucle (looped). Dans un modèle classique, chaque couche est distincte : plus il y a de couches, plus il y a de poids uniques et plus le fichier est lourd. Ici, le même ensemble de couches est appliqué plusieurs fois de suite. Imaginez dix relecteurs qui corrigent chacun un texte une seule fois, remplacés par un seul relecteur qui relit le brouillon dix fois. Il y a moins de poids uniques, mais davantage de calculs par token. Le modèle échange de la taille de stockage contre du temps de calcul.
Pour un praticien, cela signifie que le modèle occupe peu d'espace et tient dans la mémoire d'un ordinateur portable, mais qu'il consomme un volume de calcul notable à chaque réponse. C'est pratique pour un lancement en local, où il importe davantage de tenir dans le matériel que d'atteindre la vitesse maximale.
Où se dirige l'ensemble du marché des modèles ouverts
L'auteur de l'analyse sur laquelle s'appuie cette actualité replace Inkling dans un panorama plus large. DeepSeek V4.1 Flash compte 552 milliards de paramètres au total, mais n'en active qu'environ 16 milliards par token. Qwen d'Alibaba et GLM de Zhipu, selon lui, ont des versions Flash clairsemées comparables. L'idée est la même : un très grand nombre de paramètres au total, mais seulement quelques pourcents actifs à chaque instant. Ainsi, une carte graphique grand public ou un ordinateur portable puissant peut faire tourner ce qui exigeait autrefois une armoire de serveurs.
Les laboratoires avancent donc vers une exécution locale peu coûteuse par deux voies différentes. Certains rendent le réseau clairsemé, si bien qu'une partie des poids reste inactive à chaque instant. D'autres, comme Thinking Machines, le rendent bouclé : il n'y a qu'un seul jeu de poids, mais plusieurs passages. La conclusion générale ne porte pas sur la croissance de la taille, mais sur la manière d'obtenir un raisonnement sans infrastructure coûteuse.
La transparence comme élément du produit
Le mode de publication est également atypique. Avant la sortie générale, Thinking Machines a donné un accès anticipé à Goodfire et NDIF, deux équipes spécialisées dans l'interprétabilité. Elles devaient étudier comment l'information circule entre les cycles à l'intérieur du modèle. Le laboratoire de Mira Murati, qui aurait levé 2 milliards de dollars à une valorisation de 10 à 12 milliards, mise ainsi sur une approche de recherche et se démarque d'OpenAI et d'Anthropic.
Points à retenir
Premièrement, 20,1 points est nettement moins que les 31 de Small. Ce n'est pas un remplacement du modèle phare, mais un compromis : vous gagnez en localité et payez en qualité. Pour des scénarios agentiques simples, où les données ne peuvent pas être envoyées dans le cloud, cela peut suffire, mais il faut le vérifier sur vos propres tâches et pas seulement d'après l'indice.
Deuxièmement, l'architecture bouclée a un revers, que l'auteur signale explicitement. Le fichier de poids est petit, mais l'état interne du modèle est plus difficile à contrôler qu'avec un transformeur standard : les mêmes couches travaillent à différentes étapes, et comprendre ce qui se passe à chaque passage n'a rien d'évident. Une faible taille sur disque n'implique pas la simplicité. C'est précisément pour cela que l'accès accordé à Goodfire et NDIF apparaît non comme un détail marketing, mais comme une réponse à un vrai problème d'audit.
Enfin, il faut garder à l'esprit la source. Il s'agit d'un message sur X qui reprend et commente l'information, et une partie des éléments sur DeepSeek, Qwen et GLM relève de l'auteur du message, non de Thinking Machines. Les chiffres de 26 milliards et de 20,1 points proviennent de l'annonce du laboratoire. Il n'existe pas encore de mesures indépendantes de la vitesse et de la qualité sur un ordinateur portable réel.
Conclusion pratique
Si vous développez des agents locaux ou souhaitez héberger un modèle dans votre propre périmètre, Inkling 2 Mini mérite d'être ajouté à votre liste de tests, aux côtés des modèles Flash clairsemés. Comparez-le selon trois critères : la qualité sur vos tâches, le temps de réponse sur votre matériel et la possibilité de vérifier le comportement du modèle. Ce dernier point compte particulièrement dans les secteurs réglementés, où l'audit importe autant que la précision.
- 21 nov. 2026Un mathématicien d'Anthropic affirme que Claude l'a aidé à prouver l'hypothèse de Riemann en six semaines
- 21 nov. 2026La start-up Osmo a entraîné une IA aux odeurs sur 10 millions d'évaluations humaines et génère des parfums à partir de texte
- 21 nov. 2026La Corée du Nord dévoile son premier chatbot, « Source de sagesse » : de la science, pas de politique
- 21 nov. 2026OpenAI ouvre ChatGPT Spaces aux abonnés Plus : des documents collaboratifs avec IA
Questions clés sur cet article
Comment faire tenir le raisonnement dans 26 milliards de paramètres?
Inkling 2 Mini est construit comme un transformeur en boucle (looped). Dans un modèle classique, chaque couche est distincte : plus il y a de couches, plus il y a de poids uniques et plus le fichier est lourd. Ici, le même ensemble de couches est appliqué plusieurs fois de suite. Imaginez dix relecteurs qui corrigent chacun un texte une seule fois, remplacés par un seul relecteur qui relit le brouillon dix fois. Il y a moins de poids uniques, mais davantage de calculs par token.
Que sait-on sur Où se dirige l'ensemble du marché des modèles ouverts ?
L'auteur de l'analyse sur laquelle s'appuie cette actualité replace Inkling dans un panorama plus large. DeepSeek V4.1 Flash compte 552 milliards de paramètres au total, mais n'en active qu'environ 16 milliards par token. Qwen d'Alibaba et GLM de Zhipu, selon lui, ont des versions Flash clairsemées comparables. L'idée est la même : un très grand nombre de paramètres au total, mais seulement quelques pourcents actifs à chaque instant.
Que sait-on sur La transparence comme élément du produit ?
Le mode de publication est également atypique. Avant la sortie générale, Thinking Machines a donné un accès anticipé à Goodfire et NDIF, deux équipes spécialisées dans l'interprétabilité. Elles devaient étudier comment l'information circule entre les cycles à l'intérieur du modèle. Le laboratoire de Mira Murati, qui aurait levé 2 milliards de dollars à une valorisation de 10 à 12 milliards, mise ainsi sur une approche de recherche et se démarque d'OpenAI et d'Anthropic.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.