Inkling 2 Mini, un modèle local qui mise sur les boucles

Thinking Machines Lab a présenté Inkling 2 Mini, un modèle open weights pensé pour les usages locaux. Sa particularité tient à une architecture à boucles qui augmente la capacité de calcul sans grossir autant le nombre de poids stockés.

Thinking Machines Lab a dévoilé le 20 novembre 2026 Inkling 2 Mini, un modèle de langage multimodal open weights conçu pour tourner en local, sur machine grand public ou poste de travail. Sa particularité tient à une architecture à passes répétées dans les couches centrales, censée améliorer le raisonnement sans faire exploser la taille du modèle. Le sujet compte pour les usages hors cloud, mais aussi pour la façon dont on mesure désormais la qualité d’un modèle: non plus seulement sa taille, mais la manière dont il “pense”.

Une architecture qui boucle sur elle-même, sans tourner en rond

Inkling 2 Mini est un Mixture-of-Experts, c’est-à-dire un modèle où seuls certains experts internes sont activés pour chaque jeton traité. Ici, les 24 couches sont organisées en quatre blocs de six: le premier et le dernier passent une fois, tandis que les deux blocs du milieu sont rejoués trois fois avec les mêmes poids. Résultat: 48 visites de couche par jeton, pour 24 couches physiques seulement.

La promesse technique est simple à énoncer, moins à entraîner. Les passes successives se transmettent des messages entre elles via des mécanismes de contrôle qui dosent ce que la couche doit conserver ou oublier. Thinking Machines Lab explique que ce montage permet d’ajouter de la profondeur “logique” sans stocker davantage de paramètres. Autrement dit, le modèle travaille plus, mais il n’a pas grossi au point de réclamer un fauteuil club.

Des chiffres pensés pour le local, pas pour les serveurs géants

Le modèle affiche environ 26,4 milliards de paramètres totaux, avec 3 milliards de paramètres actifs par jeton selon le résumé de lancement, et un encombrement mémoire d’environ 20 Go. Les variantes de déploiement incluent un format mixte avec des poids experts en NVFP4 et MXFP8, ainsi qu’un support pour les piles locales habituelles: transformers, llama.cpp, MLX et SGLang. Thinking Machines Lab met aussi à disposition une variante de recherche à nombre de passes variable, TML-d24-varloop-research [à vérifier pour l’usage exact en production].

La compatibilité multimodale est également au menu: texte et images peuvent être injectés dans la même requête. C’est un point pratique pour les usages de bureau, de support ou de prototypage, où l’on veut parfois demander à un modèle de décrire une capture, commenter un schéma ou lire une interface sans passer par un pipeline séparé.

Pourquoi cette approche intéresse autant les chercheurs que les intégrateurs

Au-delà de la fiche technique, Inkling 2 Mini touche à un débat de fond: peut-on faire mieux en raisonnement sans multiplier les paramètres et la facture d’inférence? Les sources fournies indiquent que le modèle obtient de bons résultats sur plusieurs bancs d’essai, notamment en code et en recherche outillée, et qu’il se place devant plusieurs concurrents dans de nombreuses catégories de benchmark. Une autre source cite 48,2 % sur DeepSWE v1.1 et 77,9 % sur SWE-bench Pro v2 Hard, contre 42,2 % et 73,8 % pour Qwen3.8-27B [à vérifier selon le protocole de test exact].

Thinking Machines Lab avance aussi un argument plus stratégique: le looping améliorerait le raisonnement sans permettre aux poids de “mémoriser” davantage de faits. En clair, l’architecture aiderait surtout à mieux organiser le calcul, pas à gonfler artificiellement la base de connaissances. Pour les intégrateurs, la conclusion est immédiate: si les performances se confirment, un modèle de ce format peut devenir une option crédible pour des déploiements locaux, y compris sur des machines avec 32 Go de RAM ou sur des serveurs modestes.

Les démonstrations veulent convaincre sur un point: ça tourne sans le cloud

Le lancement s’appuie sur plusieurs démonstrations. Thinking Machines Lab montre Inkling 2 Mini sur un MacBook Pro en mode avion, où le modèle génère un simulateur de vol en quelques minutes, puis un “pixel town” où vingt habitants persistants sont gérés localement. Le message est clair: la machine peut rester seule dans la cabine. Et elle ne demande même pas le Wi-Fi pour faire semblant de tout comprendre.

La société publie aussi des exemples de rendu WebGL, de reconstruction d’une toile de Van Gogh ou d’application de gestion de dépenses, afin d’illustrer la polyvalence du modèle sur des tâches de code et de multimodalité. Ces démonstrations ne remplacent pas des évaluations indépendantes, mais elles donnent une idée du terrain visé: l’IA locale capable d’enchaîner vision, génération de code et raisonnement outillé sans dépendre d’un service distant.

Ce que ce lancement dit du marché des modèles ouverts

Inkling 2 Mini arrive dans un moment où les modèles ouverts cherchent moins à battre des records de taille qu’à gagner en efficacité, en portabilité et en coût d’usage. Le positionnement est net: un modèle suffisamment compact pour être exécuté en local, mais assez sophistiqué pour servir de base à des agents, des assistants de code ou des outils métier. Pour les éditeurs et les équipes techniques, c’est une piste concrète; pour les chercheurs, c’est un terrain d’observation sur la relation entre profondeur de calcul, monitorabilité et qualité de raisonnement.

Reste une limite importante: les résultats de monitorabilité et de raisonnement fournis par Thinking Machines Lab sont encore préliminaires, et certaines comparaisons dépendent fortement du protocole choisi. Mais le lancement marque tout de même une étape lisible: l’innovation ne passe plus seulement par des modèles plus gros, elle passe aussi par des architectures qui font plus avec moins de paramètres stockés.

À lire