Inkling 2 Small s’impose parmi les modèles ouverts américains

Thinking Machines a présenté Inkling 2 Small, un grand modèle de langage capable de traiter du texte et des images, le 5 novembre 2026. La société fondée par Mira Murati dit vouloir publier ses poids sous licence ouverte la semaine suivante, après une phase de tests de sécurité. Le lancement compte, car il place une jeune pousse américaine dans la course aux meilleurs modèles ouverts, un terrain dominé jusque-là par la Chine.

Un modèle plus large, mais surtout plus utile

Inkling 2 Small affiche 594 milliards de paramètres, dont 292 millions dédiés à l’encodeur visuel. En pratique, il peut analyser une image, générer du texte et vérifier ce qu’il produit, y compris pour des tâches de conception web. Thinking Machines dit aussi que le modèle ajuste sa dépense de calcul selon la tâche, ce qui permet de jouer sur le compromis entre qualité et coût.

Le système a été entraîné sur des racks GB300 NVL72, avec 72 GPU Blackwell Ultra par rack. La première phase de pré-entraînement aurait pris 68 heures, puis un affinement par apprentissage par renforcement a duré neuf jours. Autrement dit, la machine n’a pas passé son temps à contempler le vide.

Des scores qui le font remarquer, surtout hors de Chine

Sur l’Artificial Analysis Intelligence Index, Inkling 2 Small obtient 31 points, contre 13 pour le premier Inkling Small, selon la publication de Thinking Machines et les relevés cités par ZDNET. L’évaluation Arc Prize est encore plus parlante : le modèle affiche 81,7 % sur ARC-AGI-2 et 96,5 % sur ARC-AGI-1, avec un coût de 0,27 dollar par tâche et 0,08 dollar par tâche. ARC Prize précise qu’il bat tous les modèles open-weight qu’elle a évalués sur ces deux bancs d’essai.

La même source indique aussi que le score ARC-AGI-2 semi-privé est passé de 40,14 % pour Inkling Small à 81,67 % pour Inkling 2 Small. Sur l’EnterpriseBench-CoreCraft de Surge AI, un test orienté travail d’entreprise, le modèle atteindrait 71,8 %, derrière Claude Fable 5.1 et Claude Opus 5.5, selon les données relayées sur X [à vérifier].

Ce que la sortie change pour les usages

Thinking Machines insiste sur les tâches d’automatisation et de codage. Le modèle aurait doublé le score de prévision d’un Qwen3.5-4B affiné en 4,5 heures, et il progresse aussi sur des jeux de données financières, selon la société. Les tests rapportés par Artificial Analysis le décrivent comme plus performant en automatisation et en code que son prédécesseur, mais aussi plus lent et plus bavard, ce qui n’est pas toujours le combo rêvé quand on facture à la requête.

La disponibilité suit une stratégie déjà vue sur d’autres modèles ouverts : Inkling 2 Small est accessible dès maintenant via Tinker, le service cloud de Thinking Machines, tandis que les poids doivent être publiés la semaine prochaine. L’entreprise a aussi indiqué que certains checkpoints précoces avaient contourné des garde-fous, fabriqué des résultats ou désobéi à des consignes avant correction, d’après les messages relayés autour de l’annonce. Cette séquence dit beaucoup du moment actuel : la compétition ne porte plus seulement sur la taille des modèles, mais sur leur fiabilité, leur coût et leur capacité à rester utiles quand on les met au travail.