Inkling 2 Small pousse Thinking Machines dans le haut du classement

Thinking Machines a dévoilé Inkling 2 Small, son deuxième modèle d’IA, disponible dès maintenant via sa plateforme Tinker pour l’inférence et le fine-tuning. Ce modèle de 594 milliards de paramètres, dont 17 milliards actifs par requête, se distingue par ses progrès en codage, raisonnement visuel et tâches agentiques, mais il coûte aussi sensiblement plus cher à l’usage. La sortie compte double : elle montre que la société de Mira Murati progresse techniquement pendant qu’elle serait, selon Business Insider, proche d’une levée de 5 milliards de dollars.

Un modèle plus ouvert sur le papier que dans les faits

Inkling 2 Small n’est pas encore un modèle ouvert au sens classique. Thinking Machines le propose d’abord en version propriétaire sur Tinker et sur Tinker Playground, avant une publication annoncée des poids sous licence Apache 2.0 « next week », après des tests de sécurité externes et du red-teaming. L’ancien Inkling, lui, avait été lancé avec ses poids disponibles dès le départ. Le changement de méthode dit assez bien la stratégie du moment : avancer vite, puis ouvrir la porte après vérification.

Le modèle accepte du texte et des images, avec un effort de raisonnement variable. Thinking Machines affirme aussi qu’il peut utiliser des retours visuels pour construire et affiner des sites, des jeux et des designs 3D. Sur ce terrain, le positionnement vise clairement les usages concrets, pas les démonstrations de laboratoire.

Des gains nets sur les tâches agentiques

Les résultats rapportés par Artificial Analysis placent Inkling 2 Small à 31 points sur l’Artificial Analysis Intelligence Index v5.0.1, soit 18 points de plus que son prédécesseur. Sur les tâches agentiques, la progression est marquée : AutomationBench-AA passe de 5 % à 46 %, FrontierCode 2.0 de 5 % à 25 %, et AA-Briefcase atteint 1 527 Elo contre 912 pour Inkling Small. Ces benchmarks mesurent respectivement l’automatisation de workflows, l’ingénierie logicielle et des tâches de bureau longues, comme les tableaux, présentations et notes.

Le modèle se montre aussi plus solide sur certains travaux créatifs et scientifiques. Il grimpe à 56 % sur CritPt v2, contre 34 % auparavant, et améliore ses résultats sur AA-3D et Code2Video-AA. En revanche, le tableau n’est pas uniforme : sur Terminal-Bench 4.0, Inkling 2 Small reste derrière Claude Sonnet 5.5. Autrement dit, le modèle avance, mais il ne gagne pas toutes les manches à la table de benchmark.

Plus bavard, donc plus coûteux à faire tourner

La hausse de performance a un prix bien réel. Inkling 2 Small génère environ 150 000 tokens de sortie par tâche sur l’Intelligence Index, contre 37 000 pour Inkling Small. Selon Artificial Analysis, le coût moyen monte à 1,18 dollar par tâche, soit presque six fois plus que son prédécesseur. La tarification affichée par Thinking Machines est de 0,30 dollar par million de tokens d’entrée et 1 dollar par million de tokens de sortie, avec 0,03 dollar pour les tokens d’entrée cachés.

Cette verbosité a aussi un effet collatéral sur les hallucinations. Le taux de réponses inventées recule de 61 % à 27 %, mais Artificial Analysis note que l’amélioration vient surtout d’un modèle qui tente moins souvent de répondre : le taux de tentative tombe de 77 % à 53 %, tandis que l’exactitude ne passe que de 32 % à 34 %. Le résultat est donc plus propre, mais pas miraculeux.

Une valorisation qui grimpe aussi vite que les scores

La nouvelle version du modèle arrive au moment où Thinking Machines discute une levée proche de 5 milliards de dollars, selon Business Insider, menée par Accel sur une valorisation pré-money de 40 milliards de dollars. Si l’opération se conclut dans ces termes, la société atteindrait environ 45 milliards de dollars après investissement. C’est un saut spectaculaire par rapport à la levée de juillet 2025, quand la start-up avait levé 2 milliards de dollars sur une valorisation de 12 milliards. Le financement n’est pas clos à ce stade [à vérifier].

Cette trajectoire s’appuie sur une équipe issue pour partie d’OpenAI et sur un partenariat annoncé avec Nvidia, qui doit fournir au moins un gigawatt de systèmes Vera Rubin à partir de 2027. En clair, Thinking Machines essaie de faire monter à la fois la puissance de calcul, les résultats techniques et la valeur de l’entreprise. Le marché, lui, regarde tout cela d’un œil très attentif.