Thinking Machines Lab publie Inkling 2 Small, un MoE de 594 milliards de paramètres dont 17 milliards actifs
Le 5 novembre 2026, Thinking Machines Lab a présenté Inkling 2 Small, un modèle à mélange d’experts de 594 milliards de paramètres totaux et 17 milliards actifs, avec entrée d’images et effort variable, d’abord disponible en poids fermés sur Tinker. Pour les équipes qui évaluent un modèle « flash » open-weight pour le code agentique, le vrai sujet n’est pas le total de paramètres mais la fenêtre entre l’accès fermé d’aujourd’hui et les poids Apache 2.0 promis la semaine prochaine.
5 novembre 2026. Thinking Machines Lab présente Inkling 2 Small, sa deuxième génération de modèles. 594 milliards. Le nombre total de paramètres du mélange d’experts. 17 milliards. Le nombre de paramètres actifs par inférence. 31. Le score à l’index Artificial Analysis, au-dessus de tous les modèles précédents du laboratoire. Pourquoi c’est important : le mot « Small » cache le vrai récit — la course des modèles open-weight se joue désormais sur les paramètres actifs, pas sur le total, et sur la stratégie d’ouverture des poids.
594 milliards de paramètres, 17 milliards actifs : pourquoi le nom trompe
Inkling 2 Small est un Mixture-of-Experts de 594 milliards de paramètres totaux, dont 17 milliards actifs par passage. C’est l’architecture devenue la norme dans la tranche « flash » : un vaste réservoir de capacités, mais un coût d’inférence borné par le nombre d’experts sollicités à chaque jeton. Le modèle accepte des entrées d’images et un effort variable — l’utilisateur peut demander plus de raisonnement, ou moins, selon le coût qu’il accepte de payer.
L’étiquette « Small » est un héritage de nomenclature, pas une description. À côté de GLM-5.3-Flash, de DeepSeek-V4.1-Flash ou de Kimi K3, ce modèle se compare sur les paramètres actifs et le coût au jeton, pas sur le total de paramètres, qui n’a plus grand-chose à voir avec le prix réel d’une requête.
Le laboratoire revendique un score de 31 à l’index Artificial Analysis, « bien au-dessus » de ses modèles précédents, avec des gains sur le code agentique, la vision, le travail de connaissance et le raisonnement. L’amélioration vient, selon l’annonce, d’un pré-entraînement plus efficace et d’un grand run de reinforcement learning unifié.
Ce qu’il fait de concret : du code agentique à l’autoresearch
Les démonstrations publiées ne sont pas des captures d’écran : ce sont des artefacts complets générés par le modèle. Inkling 2 Small construit un simulateur de ville en Three.js sans aucun asset préfabriqué — chaque bâtiment, texture et véhicule est généré procéduralement, avec gestion d’énergie, de budget et d’urgences. Il écrit un émulateur de PC en Python qui démarre un vrai noyau Linux dans le navigateur. Il génère une scène d’origami dans Blender, ou un plan 3D à partir d’une carte.
La compétence centrale reste le code agentique. Le modèle a été entraîné par RL sur des centaines de milliers de tâches de codage à long horizon, avec un grader agentique qui évalue la démarche, pas seulement la réussite des tests unitaires. Sur les benchmarks de référence, il se place systématiquement deuxième : 25,4 % à FrontierCode v2.0, 72,1 % à DeepSWE v1.1, 86,3 % à SWE-bench Pro v2 (Hard) — à chaque fois derrière un concurrent différent, jamais le même.
La partie la plus révélatrice est l’autoresearch. Sur PMPP-Hard, un benchmark d’optimisation de noyaux GPU, Inkling 2 Small résout en moyenne 54,25 tâches sur 69 en dix heures — derrière GPT-6 Astra (63), Kimi K3.1 Pro (60,5) et Claude Opus 5.5 (60), mais au niveau de DeepSeek V4.1 Flash (55,25). Le laboratoire montre aussi un cas d’école : le modèle a entraîné de façon autonome un Qwen3.5-4B sur Tinker pour prédire des séries temporelles, en 4,5 heures pour 426 dollars, doublant le score de prévision de départ.
Le positionnement : la course des « flash » open-weight
Le tableau de comparaison publié par Thinking Machines Lab situe explicitement Inkling 2 Small dans une catégorie que les labos chinois occupent en force : les modèles open-weight « flash ». Face à GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark Open et Kimi K3, le modèle de Thinking Machines est rarement premier, mais rarement distancé.
C’est un positionnement assumé et cohérent. La tranche « flash » open-weight récompense le rapport coût-capacité, pas le score absolu. Un modèle à 17 milliards de paramètres actifs qui tient la deuxième place sur la plupart des benchmarks de code, avec une entrée d’images native, est précisément le profil qu’une équipe peut auto-héberger sur une ou deux cartes pour ses boucles agentiques internes.
À une réserve près, et elle est de taille : les poids ne sont pas encore ouverts.
Le timing des poids : fermés aujourd’hui, Apache 2.0 la semaine prochaine
Inkling 2 Small suit une séquence de publication en deux temps. Aujourd’hui, il n’est accessible que par Tinker, la plateforme du laboratoire, en poids fermés. Thinking Machines Lab annonce vouloir publier les poids complets sous licence Apache 2.0 la semaine prochaine, après « des tests de sûreté externes et un red-teaming ».
Cette fenêtre est la donnée la plus importante pour un décideur. Elle matérialise la position du laboratoire, formalisée dans son billet « A safe path to open weights » : ouvrir les poids après validation externe, pas avant. Le fine-tuning et le sampling sont déjà disponibles sur Tinker, et les checkpoints seront téléchargeables avec la sortie des poids.
Le risque, pour un adoptant, est le décalage entre l’évaluation et la disponibilité. On peut tester le modèle dès maintenant, mesurer sa tenue sur ses propres tâches, et planifier l’auto-hébergement — mais pas l’exécuter localement avant la publication des poids, à une date non contractuelle.
Les limites assumées
L’annonce liste les défauts sans détour. Inkling 2 Small n’est « pas le communicateur le plus concis » et ne choisit pas toujours le bon outil, surtout dans les bases de code qui exposent beaucoup de compétences. Comme ses prédécesseurs Inkling, il accepte nativement les images mais ne prend pas en charge l’audio. Il est enfin « moins optimisé pour l’expérience de chat », avec des problèmes d’organisation, une surutilisation des barres obliques et une réaction excessive à certaines requêtes liées à la sécurité.
Ces limites dessinent un usage : un modèle d’exécution et de codage, pas un assistant de conversation. C’est cohérent avec le positionnement « flash » open-weight, où le modèle est un composant dans une chaîne agentique, pas une interface.
Le contexte : un labo américain dans une catégorie dominée par la Chine
L’arrivée d’Inkling 2 Small a une portée qui dépasse le modèle lui-même. Thinking Machines Lab, fondé par Mira Murati après son départ d’OpenAI, est l’un des rares laboratoires américains à se battre dans la tranche open-weight « flash » — un terrain que GLM, DeepSeek, Qwen et MiniMax occupent en force. La plupart des acteurs américains concentrent leurs modèles ouverts sur les très grandes ou les très petites tailles ; peu publient un MoE intermédiaire à 17 milliards de paramètres actifs avec une entrée d’images native.
Cette présence compte, parce que la tranche « flash » open-weight est précisément celle que les entreprises peuvent auto-héberger à un coût raisonnable. Quand un labo américain y entre avec une licence Apache 2.0 promise, il offre une alternative de souveraineté à des équipes qui ne voulaient pas dépendre d’un fournisseur chinois — un argument commercial autant que technique. Reste à voir si Thinking Machines Lab tiendra le rythme de publication face à des labos qui sortent un modèle par trimestre.
Verdict
Inkling 2 Small est une entrée crédible dans la tranche open-weight « flash », avec un profil rare chez un laboratoire américain : un MoE de 594 milliards de paramètres totaux pour 17 milliards actifs, une entrée d’images native et un deuxième rang systématique sur les benchmarks de code agentique.
Si vous évaluez déjà GLM-5.3-Flash ou DeepSeek-V4.1-Flash pour du code agentique auto-hébergé, testez Inkling 2 Small sur Tinker dès maintenant — ses scores et son coût le placent dans le même peloton, et l’entrée d’images native peut trancher sur vos cas visuels. Si vous avez besoin de le déployer localement, attendez la sortie des poids Apache 2.0 la semaine prochaine : évaluer aujourd’hui est utile, déployer est impossible avant. Si votre critère est le score absolu, regardez plutôt les modèles « pro » — Kimi K3 ou Claude Opus 5.5 restent devant sur les tâches les plus dures. La règle à retenir : dans la tranche flash, le nombre qui compte n’est plus le total de paramètres, mais les actifs — et la licence qui les accompagnera.