Il était temps ! Après un an et demi de développement mené dans la plus grande discrétion, Thinking Machines Labs dévoile Inkling. Il s’agit de son tout premier modèle d’intelligence artificielle. Et il ne ressemble pas vraiment à ceux proposés par OpenAI, Anthropic ou Google.
Là où ChatGPT, Claude ou Gemini restent des modèles propriétaires, Inkling adopte une approche dite open-weight. Les développeurs et les entreprises peuvent donc télécharger le modèle, le modifier et l’adapter à leurs propres besoins.
Pour ceux qui ne le savent pas, Thinking Machines Labs est une jeune pousse fondée en 2025 par Mira Murati, l’ancienne directrice technique d’OpenAI.
Today, we are introducing Inkling.
Inkling reasons efficiently across text, image, and audio modalities. We are making the full weights available.https://t.co/Ghebq5mG30
Available today for fine-tuning on Tinker. Play with it in the Inkling Playground. 🧵— Thinking Machines (@thinkymachines) July 15, 2026
Tout savoir sur Inkling de Thinking Machines Labs
Inkling est un modèle gigantesque. Il compte 975 milliards de paramètres. Cependant, il n’en active qu’environ 41 milliards pour chaque requête grâce à une architecture dite « mélange d’experts ». Cette technique permet de conserver de très bonnes performances tout en réduisant les coûts et le temps de calcul.
Son entraînement repose sur près de 45 000 milliards de jetons provenant de textes, d’images, de vidéos et d’enregistrements audio. Il comprend donc ces quatre types de contenus.
Cela dit, il ne produit pour le moment que des réponses textuelles, qu’il s’agisse de conversations, de code ou de données structurées. La startup affirme toutefois que son modèle atteint des performances similaires à celles de Nemotron 3 Ultra de Nvidia en programmation, tout en consommant trois fois moins de jetons.
Dans un billet de blog, Mira Murati explique qu’Inkling a été entraîné entièrement à partir de zéro. Ce qui est une autre façon de dire que la startup n’a pas eu recours à la distillation de modèles développés par OpenAI ou Anthropic.
Et c’est particulièrement intéressant. Puisque plusieurs modèles open source populaires, comme Kimi, GLM, Qwen ou encore DeepSeek, reposent en partie sur cette technique.
Cela dit, quelque chose ne colle pas. Car Thinking Machines reconnaît aussi avoir utilisé certains modèles ouverts, dont Kimi K2.5, pour générer une partie des données utilisées lors de la phase de post-entraînement. Elle assure néanmoins que ses prochains modèles reposeront entièrement sur leur propre pipeline.
Inkling par rapport à concurrence
Thinking Machines tient à clarifier les choses. Son objectif n’est pas de battre tous les records. L’entreprise reconnaît elle-même qu’Inkling n’est pas le modèle le plus performant du marché.
Son ambition est surtout de proposer un modèle équilibré pouvant être personnalisé selon les besoins de chaque organisation. Pour cela, la startup mise sur une plateforme baptisée Tinker.
Plutôt que de vendre un chatbot prêt à l’emploi, elle fournit une base. Les entreprises peuvent ensuite l’entraîner avec leurs propres données et leurs propres connaissances métiers.
Car pour Thinking Machines, une IA adaptée à un domaine précis peut devenir bien plus performante qu’un modèle généraliste utilisé tel quel. Inutile de vous informer, je suppose, que cette stratégie va à contre-courant de celle des grands acteurs du secteur.
OpenAI, Anthropic ou Google développent avant tout des assistants universels auxquels ils ajoutent progressivement des fonctions plus avancées. Thinking Machines défend au contraire une IA qui s’adapte aux utilisateurs, et non l’inverse.
Quoi qu’il en soit, Inkling a également été conçue pour inspirer davantage confiance. Le modèle indique lorsqu’il n’est pas certain de sa réponse, au lieu d’inventer des informations avec assurance.
Les utilisateurs peuvent aussi choisir le niveau d’effort de raisonnement selon leur besoin. Ils ont le choix entre la rapidité et une réflexion plus approfondie.
- Partager l'article :
