Inkling 2 Small propulse Thinking Machines au sommet des modèles hors Chine

Thinking Machines Lab, la société fondée par Mira Murati, a lancé Inkling 2 Small, un modèle de raisonnement multimodal qui prend la première place des modèles construits hors de Chine dans l’Artificial Analysis Intelligence Index v5.0.1. Avec un score de 31, il devance plusieurs références du marché, mais son accès commence de façon propriétaire via Tinker et non en open weights. La promesse d’une publication ultérieure des poids sous licence Apache 2.0 change la donne pour les équipes qui veulent adapter un modèle sans repartir de zéro.

Un bond de performance qui ne passe pas inaperçu

Le saut par rapport à Inkling Small est net : le score progresse de 18 points et le modèle produit environ quatre fois plus de tokens de sortie par tâche. Sur l’index, il se retrouve au niveau de Google DeepMind Gemini 3.8 Flash (high) et devant Xiaomi MiMo-V2.6-Pro. Sur les tâches longues et agentiques, là où un modèle doit enchaîner des étapes sans se perdre en route, les gains sont encore plus visibles. AutomationBench-AA passe de 5 % à 46 %, FrontierCode 2.0 de 5 % à 25 %, et HLE-Diamond de 12 % à 29 %.

Le test AA-Briefcase, qui mesure des workflows de bureau avec tableurs, présentations et mémo, illustre bien le changement de catégorie. Inkling 2 Small atteint 1 527 Elo, contre 912 pour Inkling Small, et dépasse Claude Sonnet 5.5 (medium) à 1 439 Elo comme Gemini 3.8 Flash (high) à 1 203 Elo. Dans ce genre d’exercice, le modèle ne se contente plus de répondre : il tient la cadence sur plusieurs étapes. Ce qui, dans un service informatique, évite parfois la réunion de trop.

Coding, créativité et physique : le tableau est plus nuancé

Les résultats ne sont pas uniformes. En code, Inkling 2 Small signe 25 % sur FrontierCode 2.0, mieux que Claude Sonnet 5.5 (medium) à 11 %, mais il tombe à 13 % sur Terminal-Bench 4.0, loin derrière les 30 % du modèle d’Anthropic. Le message est clair : les approches de programmation ne sont pas les mêmes, et les benchmarks récompensent des styles de raisonnement différents.

Sur les tâches créatives agentiques, le modèle dépasse Claude Haiku 5.5 et Grok 4.7 sur AA-3D, et fait légèrement mieux que Gemini 3.8 Flash sur AA-3D comme sur Code2Video-AA, même s’il reste derrière Claude Sonnet 5.5 sur ces deux tests. Par rapport à Inkling (xhigh), le bond est spectaculaire avec 438 Elo de plus sur AA-3D et 553 Elo de plus sur Code2Video-AA. Côté sciences, le score grimpe aussi : 56 % sur CritPt v2, contre 34 % pour Inkling Small, même si Gemini 3.8 Flash (high) reste devant à 65 %.

Moins d’hallucinations, mais surtout moins de tentatives

Le point le plus délicat concerne les hallucinations. Sur AA-Omniscience v1.1, le taux chute de 61 % à 27 %, ce qui semble spectaculaire. Toutefois, Artificial Analysis précise que cette baisse vient surtout d’un comportement plus prudent : le taux de tentative tombe de 77 % à 53 %. L’exactitude ne progresse que légèrement, de 32 % à 34 %, et le score net reste à 16, derrière Gemini 3.8 Flash (high) à 23 et Claude Sonnet 5.5 (medium) à 19. Autrement dit, le modèle répond moins souvent quand il n’est pas sûr de lui. C’est plus prudent, mais ce n’est pas de la magie.

Un modèle lourd, cher et encore sous clé

Inkling 2 Small n’est pas léger à faire tourner. Le modèle compte 594 milliards de paramètres, dont 17 milliards actifs, et traite à la fois du texte et de l’image pour produire du texte. En moyenne, il utilise environ 150 000 tokens de sortie par tâche sur l’Intelligence Index, contre 37 000 pour Inkling Small, 31 000 pour Claude Sonnet 5.5 (medium) et 99 000 pour Gemini 3.8 Flash (high). Ce verbeux appétit se voit sur la facture : 1,18 dollar par tâche, soit presque six fois le coût d’Inkling Small, mais toujours moins que Gemini 3.8 Flash (high) à 7,77 dollars et Claude Sonnet 5.5 (medium) à 10,02 dollars pour des scores comparables.

La tarification annoncée est de 0,30 dollar par million de tokens d’entrée, 1 dollar par million de tokens de sortie, et 0,03 dollar par million pour les tokens d’entrée mis en cache. Pour l’instant, le modèle reste accessible comme produit propriétaire via Tinker et Tinker Playground, avant une sortie complète des poids sous licence Apache 2.0 annoncée plus tard. Thinking Machines Lab présente cette trajectoire comme une manière de laisser les entreprises ajuster et déployer leurs propres modèles, plutôt que de louer en permanence l’accès à une boîte noire bardée de GPU.