Dix-huit mois après une levée de fonds record de 2 milliards de dollars, le laboratoire de Mira Murati, ex-directrice technique d'OpenAI, dévoile enfin son premier modèle. Baptisé Inkling et présenté mercredi 15 juillet, il a la particularité d'être « à poids ouverts » : n'importe qui peut le télécharger et le modifier. Un choix qui tranche avec les modèles fermés d'OpenAI, d'Anthropic ou de Google.
Un très gros modèle, mais pas le plus fort
Techniquement, Inkling est un modèle « mixture of experts » de 975 milliards de paramètres au total, dont seulement 41 milliards sont activés pour chaque requête — une architecture qui permet de garder un modèle géant rapide et économique à faire tourner (TechCrunch). Il a été entraîné sur 45 000 milliards de tokens mêlant texte, images, audio et vidéo, qu'il traite nativement, et accepte un contexte allant jusqu'à un million de tokens. Une variante plus légère, Inkling-Small, est annoncée en aperçu.
Fait rare pour une annonce de ce type, Thinking Machines reconnaît d'emblée qu'Inkling « n'est pas le modèle le plus performant disponible aujourd'hui, ouvert ou fermé » (communiqué). Selon les mesures d'Artificial Analysis relayées par la presse spécialisée, il devient certes le meilleur modèle américain à poids ouverts, devant le Nemotron 3 Ultra de Nvidia, mais reste derrière les meilleurs modèles chinois — DeepSeek, GLM, Kimi — sur la performance globale (The Decoder). Ses points faibles : les tâches d'agents et la fiabilité factuelle, avec un taux d'hallucination élevé. Son argument : l'efficacité, Inkling consommant nettement moins de tokens que ses concurrents pour un résultat comparable.
Le pari de la personnalisation
Le positionnement assumé de la start-up n'est pas de gagner la course au modèle le plus intelligent, mais de proposer une base que les entreprises peuvent s'approprier. Les poids complets sont publiés sur Hugging Face sous licence Apache 2.0, très permissive, et le modèle est immédiatement disponible pour affinage sur Tinker, la plateforme maison de personnalisation (The Register). C'est le même pari, côté offre, que celui d'acteurs qui vendent l'indépendance face au verrouillage des géants (voir Niteshift).
Reste une nuance importante : « poids ouverts » n'est pas « open source ». Thinking Machines diffuse les paramètres entraînés du modèle, réutilisables et modifiables, mais ni les données d'entraînement ni le détail complet de la recette ne sont publiés. La transparence porte sur le produit fini, pas sur la manière de le fabriquer — une distinction au cœur des débats actuels sur l'ouverture réelle de l'IA (à ce sujet).