Thinking Machines Lab entre dans l’univers de l’intelligence artificielle avec sa création Inkling. Ce LLM mise sur des performances élevées, une architecture moderne et une licence Apache 2.0 qui facilite son adoption.
Inkling est le premier modèle d’intelligence artificielle développé et publié par Thinking Machines Lab. Avec ce modèle à poids, l’entreprise souhaite offrir une alternative crédible aux modèles propriétaires qui dominent le secteur de l’intelligence artificielle. Son architecture Mixture-of-Experts, sa fenêtre de contexte d’un million de tokens et sa licence Apache 2.0 répondent aux attentes des entreprises. Plus qu’un simple chatbot, Inkling se présente comme une plateforme de développement pensée pour les équipes techniques. Le modèle IA convient aussi aux chercheurs et aux organisations qui recherchent des performances élevées.
Qu’est-ce que Thinking Machines Lab Inkling ?
Inkling est le premier modèle d’intelligence artificielle publié par la société de Mira Murati. Lancé le 15 juillet 2026, il adopte propose des poids ouverts distribués sous licence Apache 2.0. Cette approche permet aux entreprises et aux développeurs de déployer, personnaliser et adapter le modèle à leurs propres usages. Chaque utilisateur ne se retrouvera pas enfermé dans un écosystème propriétaire.
Ce modèle Inkling de Thinking Machines repose sur une architecture Mixture-of-Experts (MoE) totalisant 975 milliards de paramètres. Toutefois, seuls 41 milliards sont activés pour chaque token traité. Ce fonctionnement optimise les ressources de calcul tout en conservant un niveau de performances très élevé. Les poids du modèle sont notamment disponibles sur Hugging Face. Cela facilite son adoption par la communauté des développeurs.
Contrairement aux assistants conversationnels destinés au grand public, Inkling cible avant tout les entreprises, les laboratoires de recherche et les équipes d’ingénierie. Son objectif n’est pas de fournir une interface prête à l’emploi. Le modèle veut apporter une base technologique robuste capable de s’intégrer dans des infrastructures existantes.
L’ouverture des poids constitue d’ailleurs l’un de ses principaux atouts. Les organisations peuvent profiter des privilèges suivants :
- Adapter le modèle à leurs propres données
- Développer des applications spécialisées
- Créer des assistants métiers parfaitement adaptés à leurs besoins
En revanche, Thinking Machines Lab ne publie pas les données d’entraînement utilisées pour construire le modèle. Inkling est un modèle à poids ouverts, mais il ne s’agit pas d’un projet open source au sens strict. Cette stratégie répond aux attentes de nombreuses entreprises qui souhaitent conserver la maîtrise de leur infrastructure. Il est même possible de limiter leur dépendance aux API externes et de mieux contrôler leurs coûts d’exploitation.
Les fonctionnalités techniques de Thinking Machines Lab Inkling
L’un des principaux points forts du modèle concerne sa fenêtre de contexte d’un million de tokens. Cette capacité lui permet d’analyser simultanément des bases documentaires volumineuses et des rapports techniques complets. Il peut même s’occuper des projets de développement complexes sans perdre le fil de la conversation. Pour les entreprises, cela ouvre la voie à des assistants capables de travailler efficacement sur des corpus très importants.
L’architecture d’attention combine des couches locales et globales selon un ratio de cinq pour un. Cette organisation améliore l’efficacité des calculs en concentrant la puissance de traitement sur les informations réellement importantes. De plus, Inkling conserve une vision globale des données analysées. Le modèle utilise également un codage de position relatif plutôt que la méthode RoPE employée par de nombreux concurrents.
Sur le plan multimodal, Inkling accepte des images avec une résolution variant de 40 à 4096 pixels. Le modèle prend aussi en compte les fichiers audio au format WAV. Cette polyvalence facilite la création d’applications capables d’interpréter différents types de contenus dans un même flux de travail. L’interprétation peut par exemple se faire après une analyse de documents illustrés ou des captures d’écran.
La plateforme mise également sur plusieurs formats numériques optimisés, notamment BF16, MXFP8 et NVFP4. Ces différents niveaux de précision permettent d’accélérer les calculs tout en réduisant la consommation de mémoire selon les scénarios de déploiement. Les entreprises peuvent alors adapter leurs infrastructures en fonction de leurs contraintes budgétaires ou matérielles.
L’entraînement du modèle repose aussi sur deux optimiseurs complémentaires. Muon prend en charge les matrices de grande taille, tandis qu’Adam gère les autres paramètres du réseau neuronal. Cette combinaison améliore la stabilité de l’apprentissage et participe aux performances obtenues lors des différents benchmarks publiés par Thinking Machines Lab.
Comment déployer Thinking Machines Lab Inkling dans votre infrastructure ?
L’entreprise propose plusieurs méthodes de déploiement afin de s’adapter aux besoins des entreprises. La première consiste à utiliser Tinker, la plateforme cloud officielle de l’éditeur. Cette solution donne accès au modèle sous forme de service managé. Cela simplifie la mise en production et limite les contraintes liées à l’administration de l’infrastructure.
Les organisations qui souhaitent conserver une maîtrise complète de leur environnement peuvent également opter pour un auto-hébergement. Cette approche nécessite toutefois une infrastructure particulièrement robuste. La version BF16 complète demande environ 2 To de mémoire vidéo. En outre, la version quantifiée NVFP4 réduit cette exigence à environ 600 Go de VRAM. Ces points représentent déjà une configuration destinée aux centres de calcul ou aux grandes entreprises.
Plusieurs partenaires spécialisés facilitent également le déploiement d’Inkling. Together AI, Modal et Databricks proposent des infrastructures compatibles avec le modèle. D’un autre côté, des frameworks comme vLLM et SGLang simplifient leur intégration dans des applications existantes. Les développeurs bénéficient ainsi d’un environnement déjà optimisé sans avoir à construire toute la chaîne logicielle eux-mêmes.
Pour les entreprises qui choisissent un hébergement sur site, les besoins matériels restent conséquents. Le modèle complet nécessite au minimum huit GPU NVIDIA B300 ou seize GPU H200. En revanche, la version quantifiée peut fonctionner avec quatre puces NVIDIA B300 pour réduire les coûts d’exploitation pour certains projets.
L’ouverture des poids offre également un avantage important en matière de souveraineté numérique. Les données sensibles peuvent rester hébergées dans l’infrastructure de l’entreprise, sans transiter vers des services externes. Cette approche facilite le respect des exigences du RGPD. Cela répond aussi aux besoins des secteurs fortement réglementés comme la santé, la finance ou les administrations publiques.
Benchmarks et performances réelles de Thinking Machines Lab Inkling
Les résultats publiés par la marque montrent qu’Inkling figure parmi les modèles ouverts les plus performants de sa génération. Les différents benchmarks mettent en évidence des capacités solides dans plusieurs domaines. Cela concerne notamment les mathématiques, le raisonnement scientifique, la compréhension multimodale et l’analyse audio.
Sur AIME 2026, une référence pour l’évaluation des capacités de raisonnement mathématique, Inkling atteint un score de 97,1 %. Le modèle obtient également 87,2 % sur GPQA Diamond, un benchmark réputé pour mesurer les connaissances scientifiques de niveau avancé. En traitement de la parole, il décroche 91,4 % sur VoiceBench, confirmant la qualité de son architecture multimodale.
Ces performances lui permettent d’intégrer le Top 10 de l’AAA Intelligence Index. Un classement qui compare les principaux modèles d’intelligence artificielle disponibles sur le marché. Pour un premier modèle publié par Thinking Machines Lab, ce positionnement témoigne d’une montée en puissance rapide de la jeune entreprise.
Comme tous les grands modèles de langage, Inkling présente toutefois certaines limites. Les évaluations montrent des résultats plus modestes sur les tâches les plus complexes. Sur Humanity’s Last Exam, il atteint 29,7 % lorsqu’il ne dispose d’aucun outil externe. Le benchmark SWE-Bench Pro Public, centré sur la résolution de problèmes logiciels, affiche pour sa part un score de 54,3 %. Sinon, Terminal Bench 2.1 lui attribue 63,8 %, ce qui reste compétitif face à plusieurs modèles ouverts concurrents.
Au-delà des scores bruts, Thinking Machines Lab met également en avant l’efficacité du modèle. Selon les données publiées, Inkling consommerait environ trois fois moins de tokens que Nemotron 3 Ultra. Cela suffit au modèle pour obtenir des performances comparables sur certaines tâches de raisonnement. Cette réduction de la consommation peut avoir un impact direct sur les coûts d’inférence.
Le Controllable Thinking Effort change-il la donne ?
Parmi les innovations les plus intéressantes introduites par Thinking Machines Lab Inkling figure le Controllable Thinking Effort. Derrière ce nom se cache un mécanisme qui permet d’ajuster le niveau de réflexion du modèle en fonction de la complexité de la tâche demandée. L’objectif est de trouver le meilleur équilibre entre qualité des réponses, temps de calcul et coût d’inférence.
Concrètement, les développeurs disposent d’un curseur allant de 0 à 0,99. Avec un niveau faible, Inkling privilégie la rapidité d’exécution et limite le nombre de tokens générés. Cette configuration convient parfaitement aux tâches répétitives, aux recherches simples ou aux traitements automatiques qui nécessitent des réponses rapides.
À l’inverse, un niveau d’effort élevé permet au modèle de consacrer davantage de ressources au raisonnement. Il développe alors une réflexion plus approfondie avant de produire sa réponse. Cette approche est particulièrement adaptée aux analyses complexes, au développement logiciel, à la résolution de problèmes scientifiques ou encore aux traitements de documents techniques volumineux.
Cette capacité d’adaptation constitue un véritable levier d’optimisation pour les entreprises. Toutes les requêtes ne nécessitent pas le même niveau de raisonnement et il devient inutile de mobiliser la pleine puissance du modèle pour répondre à une simple question ou générer un résumé.
Selon Thinking Machines Lab, cette optimisation permet d’obtenir des performances comparables à celles de certains modèles concurrents tout en consommant jusqu’à trois fois moins de tokens sur plusieurs catégories de tâches. Pour les entreprises qui exécutent des millions de requêtes chaque mois, cette réduction représente un gain financier potentiellement considérable.
Inkling-Small et l’écosystème Tinker pour compléter l’offre
Thinking Machines Lab ne limite pas son offre au modèle principal. L’entreprise développe également un véritable écosystème destiné à faciliter l’adoption de ses technologies par les entreprises, les chercheurs et les développeurs. Cette stratégie combine plusieurs modèles ainsi qu’une plateforme cloud dédiée.
La première déclinaison s’appelle Inkling-Small. Elle reprend la même philosophie que le modèle principal tout en réduisant fortement les ressources nécessaires. Cette version possède 276 milliards de paramètres, dont seulement 12 milliards sont activés pour chaque token traité. Grâce à cette architecture MoE plus compacte, Inkling-Small offre une latence réduite et des coûts d’exploitation nettement plus faibles. Cela la rend particulièrement adaptée aux applications professionnelles du quotidien.
L’autre composant majeur de l’écosystème est Tinker, la plateforme cloud développée par Thinking Machines Lab. Celle-ci permet de déployer les modèles, de réaliser du fine-tuning personnalisé et de gérer l’infrastructure sans administrer un cluster GPU complet. Les données des clients restent isolées pendant les phases de personnalisation afin de préserver leur confidentialité.
La société s’appuie également sur plusieurs partenaires technologiques de premier plan pour accélérer la diffusion de son modèle. Les collaborations avec NVIDIA, Databricks et Hugging Face facilitent aussi bien l’hébergement que l’intégration du modèle. Cela concerne principalement les environnements de développement déjà utilisés par de nombreuses entreprises.
Cette stratégie montre que Thinking Machines Lab ne souhaite pas uniquement publier un grand modèle de langage performant. L’entreprise construit progressivement un environnement complet capable d’accompagner toutes les étapes d’un projet d’intelligence artificielle, depuis l’expérimentation jusqu’au déploiement en production.
- Partager l'article :
