# Inkling 2 Small : un modèle multimodal à poids ouverts

> Inkling 2 Small, de Thinking Machines, est un modèle multimodal de 594 milliards de paramètres, annoncé en poids ouverts sous licence Apache 2.0.

- Type : actu de l'IA
- Famille : Modèles · Modèle de langage multimodal
- Habitat : Plateforme Tinker · API
- Niveau : intermédiaire
- Source : https://the-decoder.com/thinking-machines-inkling-2-small-claims-top-spot-among-western-open-weight-models/
- Publié le : 7 novembre 2026
- Page : https://geekus.fr/projets/inkling-2-small/

Inkling 2 Small est un modèle de langage multimodal de Thinking Machines, la startup de Mira Murati, ancienne directrice technique d'OpenAI. Il lit du texte et des images, et la société le présente comme le meilleur modèle à poids ouverts occidental. Ses progrès sur les tâches d'agents autonomes sont nets, mais il consomme aussi bien plus de tokens que son prédécesseur.

## En bref

- 594 milliards de paramètres, dont 17 milliards actifs, avec texte et images en entrée
- 31 sur l'Artificial Analysis Intelligence Index, contre 13 pour Inkling Small
- Environ quatre fois plus de tokens par tâche et un coût près de six fois supérieur
- Accès d'abord via Tinker, poids fermés ; poids en Apache 2.0 annoncés après les tests de sécurité

## Qu'est-ce qu'Inkling 2 Small ?

Inkling 2 Small est la deuxième génération de modèles de Thinking Machines. C'est un modèle de type **mélange d'experts** : il compte 594 milliards de paramètres au total, mais 17 milliards seulement sont actifs à un instant donné. Il accepte du texte et des images en entrée.

Il propose aussi une profondeur de réflexion réglable, qui permet de choisir entre rapidité et minutie. Selon The Decoder, les modèles Inkling sont conçus comme des modèles de base à affiner, ce qui les destine à des usages spécialisés. Thinking Machines indique que celui-ci appartient à une famille de plusieurs tailles et prévoit d'autres variantes prochainement.

## Des résultats en hausse pour les agents autonomes

Sur l'Artificial Analysis Intelligence Index, Inkling 2 Small obtient 31, soit 18 points de plus qu'Inkling Small (13), à peu près au niveau de Gemini 3.8 Flash de Google. Les plus gros progrès concernent les tâches d'agent, où le modèle exécute seul des enchaînements d'étapes.

Le taux d'hallucination passe de 61 à 27 %, mais en grande partie parce que le modèle répond à moins de questions : son taux de réponse tombe de 77 à 53 %.

- AutomationBench-AA : de 5 à 46 %
- FrontierCode 2.0 : de 5 à 25 %
- AA-Briefcase (travail de bureau) : 1 527 Elo, soit 615 points de plus que son prédécesseur

## Comment Inkling 2 Small a été entraîné pour le code

Thinking Machines explique avoir entraîné le modèle par apprentissage par renforcement sur des centaines de milliers de tâches de programmation longues. Un évaluateur automatique vérifiait non seulement si le code fonctionnait, mais aussi la manière dont le modèle abordait chaque problème. L'entraînement complet est décrit comme nettement plus compact que celui de concurrents comparables.

Sur FrontierCode 2.0, le modèle atteint 25,4 %, sur DeepSWE 72,1 % et sur SWEBench Pro v2 (Hard) 86,3 %. DeepSeek-V4.1-Flash le devance sur la plupart de ces tests, avec 28,5 % sur FrontierCode et 77 % sur DeepSWE. Dans une démonstration, Inkling 2 Small a aussi entraîné seul un petit modèle à prévoir des séries temporelles, avec un budget Tinker de 426 dollars, et a plus que doublé son score de prévision.

## Comprendre des images et du texte

Les images passent par un encodeur visuel de 292 millions de paramètres. Thinking Machines met en avant la reconnaissance de texte, l'interprétation d'infographies et le raisonnement visuel. Le modèle obtient 25,2 % sur GDP.pdf (questions sur des PDF complexes), 81,6 % sur MMMU Pro et 64,7 % sur PerceptionBench, les meilleurs scores de la comparaison de l'entreprise.

Pour la création visuelle, il totalise 1 340 Elo sur DesignArena Website, où des utilisateurs notent des sites générés par IA. Selon The Decoder, c'est le meilleur score parmi les modèles à poids ouverts. Dernière démonstration : à partir d'une seule photo, il a identifié correctement trois vins dans 19 essais sur 20.

## Coût et consommation de tokens d'Inkling 2 Small

Ces gains ont un prix. D'après Artificial Analysis, le modèle produit environ 150 000 tokens de sortie par tâche, soit à peu près quatre fois plus que son prédécesseur, et coûte 1,18 dollar par tâche, près de six fois plus.

Cela reste bien en dessous de Gemini 3.8 Flash (7,77 dollars) et de [Claude Sonnet 5.5](https://geekus.fr/projets/claude-sonnet-5-5/) (10,02 dollars) sur le même calcul. Thinking Machines reconnaît aussi des limites : communication parfois peu efficace, outils pas toujours bien choisis sur de grandes bases de code, pas de prise en charge de l'audio, optimisation moindre pour le chat, réactions excessives sur la santé et sorties parfois encombrées.

## Accès, licence Apache 2.0 et poids ouverts

Pour l'instant, Inkling 2 Small est proposé via la plateforme Tinker de Thinking Machines, avec des poids fermés. Le modèle peut y être essayé dans un espace de test, affiné et interrogé. Les poids doivent ensuite être publiés sous licence Apache 2.0, une fois les tests de sécurité externes terminés ; la page de l'entreprise évoque la semaine suivante.

Thinking Machines ne donne pas de tarif pour Tinker dans cette annonce. Les points de comparaison de prix viennent d'Artificial Analysis.

## Quelques repères

- **Mélange d'experts** : Architecture de modèle composée de nombreux sous-réseaux spécialisés. Seule une partie d'entre eux travaille sur chaque requête, ce qui limite le calcul nécessaire.
- **Poids ouverts** : Se dit d'un modèle dont les paramètres appris sont téléchargeables, ce qui permet de l'exécuter ou de l'adapter soi-même. Cela ne signifie pas toujours que les données ou le code d'entraînement sont publics.
- **Affinage** : Réentraînement d'un modèle existant sur des données spécifiques pour l'adapter à une tâche ou à un domaine précis.

## Questions fréquentes

### Qu'est-ce qu'Inkling 2 Small ?

Inkling 2 Small est un modèle de langage multimodal de Thinking Machines, la startup de Mira Murati. Il compte 594 milliards de paramètres, dont 17 milliards actifs, et accepte texte et images.

### Inkling 2 Small est-il open source ?

Pas encore. Il est d'abord disponible via Tinker avec des poids fermés ; Thinking Machines prévoit de publier les poids sous licence Apache 2.0 après les tests de sécurité externes.

### Combien coûte Inkling 2 Small ?

Artificial Analysis relève un coût de 1,18 dollar par tâche, contre 7,77 dollars pour Gemini 3.8 Flash. Thinking Machines ne donne pas de tarif pour Tinker dans cette annonce.

### Inkling 2 Small gère-t-il l'audio ?

Non. Thinking Machines indique que le modèle ne prend pas en charge l'audio, et qu'il est moins optimisé pour le chat.

## À retenir

Inkling 2 Small progresse nettement sur les tâches d'agents, le code et la vision, au prix d'une consommation de tokens environ quatre fois plus élevée que celle de son prédécesseur. Ses poids ouverts sous licence Apache 2.0 restent à venir, après les tests de sécurité externes.

Sources :

- [The Decoder](https://the-decoder.com/thinking-machines-inkling-2-small-claims-top-spot-among-western-open-weight-models/) (article de presse)
- [thinkingmachines.ai](https://thinkingmachines.ai/news/inkling-2-small/) (page citée sur Hacker News)

Mots-clés : modèle, open-weight, mixture-of-experts, multimodal, agents, fine-tuning

---

Fiche publiée par Geekus : https://geekus.fr/projets/inkling-2-small/