Inkling de Thinking Machines : le premier frontier open-weights américain signé Mira Murati

Le 15 juillet 2026, Thinking Machines Lab a publié Inkling, son premier modèle. Le laboratoire fondé par Mira Murati, ancienne directrice technique d'OpenAI, a choisi une voie que peu d'acteurs américains ont empruntée jusqu'ici : entraîner un modèle de zéro et en diffuser les poids complets en open-weights, sous licence Apache 2.0. Autrement dit, un frontier open-weights signé par un laboratoire de la Silicon Valley, alors que ce terrain était devenu, en pratique, une chasse gardée chinoise.

SFEIR est partenaire Anthropic et Google Cloud, et notre grille de lecture ne change pas d'un fournisseur à l'autre : le modèle est une commodité, la valeur est dans le système qui l'entoure. Inkling mérite pourtant qu'on s'y arrête, moins pour ses scores que pour ce qu'il déplace dans le paysage des open-weights. Voici une lecture d'ingénieurs, prudente sur des chiffres encore largement auto-déclarés, de ce qu'Inkling apporte au portefeuille d'une direction technique.

Thinking Machines, un an et demi pour un premier modèle

Thinking Machines Lab s'est constitué autour de Mira Murati après son départ d'OpenAI, avec l'ambition affichée de rendre l'IA de pointe plus contrôlable et plus personnalisable. Le laboratoire s'était d'abord fait connaître par Tinker, sa plateforme de fine-tuning, avant de livrer son propre modèle. Inkling arrive donc après environ un an et demi d'existence, ce qui reste court pour un modèle entraîné de bout en bout.

Le positionnement revendiqué par le laboratoire tranche avec l'habitude du secteur. Thinking Machines reconnaît explicitement qu'Inkling n'est pas le modèle le plus puissant du marché. L'argument porte moins sur la performance brute que sur la mise à disposition d'une base ouverte, calibrée et personnalisable, que les entreprises et la communauté peuvent adapter à leurs besoins. Cette humilité assumée est rare, et elle rend le message plus crédible.

Ce que le laboratoire annonce

Une réserve méthodologique s'impose d'emblée : les caractéristiques ci-dessous sont communiquées par Thinking Machines. Elles décrivent une architecture et des choix d'entraînement, pas des résultats mesurés par un tiers. À traiter comme des revendications de constructeur, en attendant les évaluations indépendantes.

• Architecture : Mixture-of-Experts (MoE), dont le laboratoire indique qu'elle s'inspire de DeepSeek-V3. Environ 975 milliards de paramètres au total, dont ~41 milliards actifs par token.
• Contexte : jusqu'à 1 million de tokens.
• Entraînement : environ 45 trillions de tokens multimodaux (texte, images, audio, vidéo), avec une phase de post-entraînement que le laboratoire décrit comme appuyée sur Kimi K2.5.
• Multimodalité native : raisonnement conjoint sur le texte, l'image et l'audio.
• « Controllable Thinking Effort » : un réglage du niveau de raisonnement, dans la lignée des modèles à effort variable.
• Efficacité : le laboratoire revendique un budget de raisonnement d'environ un tiers de celui de Nemotron 3 Ultra pour des performances comparables sur certains tests.

Une variante Inkling-Small accompagne le lancement en preview : 276 milliards de paramètres au total, environ 12 milliards actifs, avec des performances que le laboratoire présente comme souvent proches du modèle complet. Ce format plus léger a son importance : il abaisse la barre matérielle du self-host, là où les 975 milliards de paramètres de la version complète supposent une infrastructure conséquente.

Les benchmarks : ce que dit le laboratoire

Thinking Machines a publié une série de scores à effort maximal. Comme pour toute annonce de modèle, ces chiffres sont des résultats de constructeur : ils donnent un ordre de grandeur, pas une preuve. Les évaluations indépendantes et reproductibles, sur des harnais que le laboratoire ne contrôle pas, restaient à venir au moment du lancement.

• AIME 2026 : 97,1 %
• GPQA Diamond : 87,2 %
• SWE-Bench Verified : 77,6 %
• VoiceBench : 91,4 %

Le laboratoire situe lui-même Inkling en deçà de la frontière tenue par les meilleurs modèles propriétaires. Le score VoiceBench et les premiers retours pointent une force particulière sur l'audio et sur l'agentique. Un praticien a partagé, sur son propre matériel, une démonstration où le modèle, à l'écoute d'une consultation médicale, relevait un signal que la plainte initiale du patient ne mettait pas en avant. L'anecdote circule comme illustration des capacités audio, pas comme validation clinique : elle a la valeur d'un test communautaire, à confirmer. La seule mesure qui vous engage reste celle que vous ferez sur vos données. Nous expliquons pourquoi le sommet d'un classement ne dit jamais quel modèle choisir dans notre critique des benchmarks frontier.

La vraie bascule : un open-weights de l'Ouest

La singularité d'Inkling n'est ni sa taille ni son score. Jusqu'à l'été 2026, la course aux frontiers open-weights était menée par des laboratoires chinois : Moonshot avec Kimi K3, Z.ai avec GLM 5.2, DeepSeek, Alibaba avec Qwen. Inkling y ajoute un entrant américain crédible, et rééquilibre une géographie de l'open-weights que nous décrivions comme largement asiatique dans notre analyse de la course open-weights chinoise.

L'ironie technique mérite d'être notée : le laboratoire indique une architecture inspirée de DeepSeek-V3 et un post-entraînement appuyé sur Kimi K2.5. Le premier frontier open-weights occidental s'appuie ouvertement sur les travaux des laboratoires chinois qu'il vient concurrencer. C'est le signe d'un écosystème où l'ouverture des poids fait circuler les idées vite, dans les deux sens, et où la couche modèle se banalise à mesure que les recettes se diffusent. C'est exactement la banalisation de la couche modèle que nous documentons, accélérée par l'open-source.

Customisation et souveraineté des données

Pour une direction technique, l'intérêt d'Inkling tient moins à son classement qu'à ce qu'il autorise. Les poids complets sont disponibles sur Hugging Face (formats BF16 et NVFP4), le fine-tuning est immédiat sur Tinker, et le support de vLLM, SGLang et llama.cpp était annoncé dès le premier jour. Un modèle sous Apache 2.0, exécutable sur une infrastructure que vous maîtrisez, transforme la nature de la décision : vous récupérez une option, celle d'adapter le modèle à votre domaine et de garder vos données chez vous.

Le timing renforce ce message. Le lancement intervient au moment où des dirigeants comme Alex Karp, chez Palantir, et Satya Nadella, chez Microsoft, alertent publiquement sur les risques que fait peser sur les entreprises une dépendance à des modèles centralisés : perte de contrôle sur la propriété intellectuelle, données de métier qui nourrissent un fournisseur tiers. Un frontier open-weights personnalisable répond directement à cette inquiétude. Il offre une porte de sortie réelle et un socle de customisation, ce qui rejoint la doctrine du Design to Exit et la logique de l'architecture multi-LLM souveraine que nous concevons.

L'épistémique comme différenciateur

La section la plus originale de l'annonce porte moins sur les capacités que sur la manière dont le modèle a été entraîné à se comporter. Thinking Machines revendique un travail délibéré sur la calibration (savoir dire son degré de confiance), le suivi d'instructions et la résistance à la censure. Autrement dit, un modèle conçu pour connaître ses limites et pour s'aligner sur la consigne de l'utilisateur plutôt que sur un comportement générique.

Des analystes ont relevé un procédé d'apprentissage par renforcement notable : plutôt que d'optimiser uniquement la réussite de la tâche, le laboratoire pénalise le nombre de tokens de raisonnement consommés, et fait varier ce coût d'un essai à l'autre. Le modèle apprend ainsi à traiter le raisonnement comme une ressource à dépenser à bon escient, non comme une fin à maximiser. Pour qui pilote une facture d'inférence, l'idée est loin d'être anecdotique : elle vise directement le coût réel d'un cycle agentique, dont nous rappelons dans notre analyse du coût par tâche résolue qu'il dépend bien plus de l'ingestion et du raisonnement que du prix affiché au token.

Questions fréquentes

Inkling est-il vraiment open-source ?
Inkling est diffusé en open-weights sous licence Apache 2.0 : les poids complets sont téléchargeables et réutilisables, y compris pour du fine-tuning. « Open-weights » signifie que le modèle est exécutable et adaptable, pas que l'intégralité du pipeline et des données d'entraînement est publiée.

Inkling est-il meilleur que Kimi K3, GLM 5.2 ou les modèles propriétaires ?
Le laboratoire lui-même situe Inkling en deçà de la frontière propriétaire, et présente des benchmarks maison qui restaient à confirmer par des tiers au lancement. Sa singularité tient moins à sa puissance qu'à son statut : premier frontier open-weights américain, calibré et personnalisable.

Peut-on l'utiliser en production dès maintenant ?
Oui, via Tinker pour le fine-tuning, ou en local avec vLLM, SGLang et llama.cpp. La version complète (975 milliards de paramètres) suppose une infrastructure lourde ; la variante Inkling-Small (276 milliards) abaisse cette barre pour l'expérimentation et le self-host.

Le point de vue SFEIR : un composant de plus, une géographie qui bouge

Inkling ne remplace ni Claude, ni GPT-5.6, ni les frontiers open-weights chinois. Il s'ajoute au portefeuille comme une option qualifiée par ce qu'elle apporte : une base ouverte, personnalisable, calibrée, adossée à une plateforme de fine-tuning et à un discours clair sur la souveraineté des données. Pour une DSI, la bonne question reste la même : quelle part de mon système suis-je prêt à rendre dépendante d'un fournisseur que je ne contrôle pas, et ai-je conçu une porte de sortie qui s'ouvre vraiment ?

Ce lancement confirme surtout une tendance. La couche des modèles se banalise, et l'open-weights de haute capacité n'est plus l'apanage d'une seule région. Cette diversité est une bonne nouvelle pour l'autonomie des entreprises, à condition de la lire pour ce qu'elle est : non pas un ordre de migration, mais une option de plus dans un portefeuille bien architecturé. L'avantage durable ne se banalise pas, lui. Il reste dans le Context Engineering, le harnais et la gouvernance des coûts qui transforment cette abondance de modèles en valeur métier. Reste à valider les chiffres d'Inkling sur le terrain : le vôtre.

---

Sources

1. Thinking Machines Lab, annonce d'Inkling, 15 juillet 2026. Spécifications (MoE ~975 B / ~41 B actifs, contexte 1M, 45 T tokens multimodaux, « Controllable Thinking Effort ») et benchmarks à effort maximal (AIME 2026 97,1 %, GPQA Diamond 87,2 %, SWE-Bench Verified 77,6 %, VoiceBench 91,4 %) communiqués par le laboratoire ; évaluations indépendantes à venir. thinkingmachines.ai
2. Analyses techniques et de contexte secondaires : Noze.it (analyse détaillée et benchmarks), GenZ Tech (« alternative occidentale aux modèles ouverts chinois »), MTS Substack (positionnement « meilleur modèle open-weights américain actuel », section épistémique). Éléments à recouper sur sources primaires. noze.it
3. Benzinga : mise en perspective avec les alertes publiques d'Alex Karp (Palantir) et Satya Nadella (Microsoft) sur la dépendance aux modèles centralisés et la propriété intellectuelle. benzinga.com
4. Financial Times : architecture inspirée de DeepSeek-V3 et post-entraînement appuyé sur Kimi K2.5. Retours de la communauté (démonstrations audio, procédé d'apprentissage par renforcement pénalisant les tokens de raisonnement) traités comme signaux, non comme mesures définitives. ft.com