Thinking Machines lance le modèle d’IA Inkling pour l’ajustement fin en entreprise

Thinking Machines a lancé Inkling le 15 juillet 2026, un modèle fondateur d’IA multimodale à poids ouverts (open-weight) conçu pour le fine-tuning en entreprise et par des développeurs, plutôt que pour affronter les modèles de pointe. Le modèle est un transformeur de type Mixture-of-Experts avec 975 milliards de paramètres au total et 41 milliards de paramètres actifs, prenant en charge une fenêtre de contexte allant jusqu’à un million de tokens. La société présente Inkling comme une base flexible pour la personnalisation, en mettant l’accent sur un effort de raisonnement contrôlable et sur la capacité native de raisonnement multimodal sur le texte, les images et l’audio. Les poids complets du modèle sont disponibles sur Hugging Face, tandis que le fine-tuning est accessible via la plateforme Tinker de la société. Thinking Machines indique explicitement que le modèle ne revendique pas un statut de pointe (state-of-the-art), mais se concentre sur l’ampleur des capacités, l’efficacité des coûts et l’ajustement de la sécurité pour un déploiement en entreprise.

Thinking Machines publie les spécifications techniques du modèle Inkling

Inkling est préentraîné sur 45 billions de tokens couvrant le texte, les images, l’audio et la vidéo. Le modèle offre un raisonnement multimodal natif sur les trois types d’entrée, une capacité qui le distingue de la plupart des alternatives à poids ouverts, qui manquent généralement de support audio natif. Les développeurs peuvent ajuster le nombre de tokens que le modèle utilise pour résoudre un problème, ce qui permet des économies de coûts et de latence. Lors des tests, Inkling a égalé Nemotron 3 Ultra sur Terminal Bench 2.1 pour environ un tiers du coût en tokens.

Thinking Machines a également dévoilé Inkling-Small, une variante plus légère avec 276 milliards de paramètres au total et 12 milliards de paramètres actifs. Inkling-Small égalent ou dépasse le modèle plus grand sur plusieurs benchmarks, offrant une option moins coûteuse pour des tâches de synthèse et de notation.

Inkling obtient des résultats compétitifs sur des benchmarks face à des modèles à poids fermés

Les résultats montrent des performances compétitives mais pas de tête (leading) par rapport à des modèles à poids fermés comme Claude Fable 5 et GPT-5.6 Sol sur des tâches de raisonnement et des tâches agentiques. Le lancement met l’accent sur une forte performance en codage, suivi d’instructions, exactitude factuelle, vision et audio.

Sur ForecastBench, Inkling affiche des performances au même niveau que des modèles fermés de premier plan, dont Gemini 3.1 Pro et Grok 4.3. Sur FORTRESS, un benchmark qui évalue le refus de demandes nuisibles tout en évitant le sur-refus des analogies bénignes, Inkling a obtenu 78 % sur des prompts adversariaux, contre 77,6 % pour Nemotron 3 Ultra et 65,6 % pour Kimi K2.6.

Thinking Machines intègre la sécurité et l’étalonnage épistémique dans l’entraînement d’Inkling

Thinking Machines a entraîné Inkling avec un apprentissage par renforcement fondé sur des règles de notation correctes (proper scoring rules) sur un grand corpus de questions réelles de prévision résolues, produisant un modèle calibré pour exprimer une incertitude appropriée plutôt que d’halluciner avec confiance. Le pipeline d’entraînement a intégré deux évaluateurs automatisés — un évaluateur de grille (rubric grader) et un évaluateur de déclarations (claims grader) avec recherche web agentique — afin d’améliorer simultanément l’utilité (helpfulness) et de réduire les erreurs factuelles.

Thinking Machines rend Inkling disponible via plusieurs partenaires de déploiement

Inkling et Inkling-Small sont tous deux disponibles via Tinker. Les partenariats de déploiement couvrent TogetherAI, Fireworks, Databricks, Hugging Face et d’autres.

FAQ

Que s’est-il passé le 15 juillet 2026 chez Thinking Machines ?

Thinking Machines a lancé Inkling, un modèle fondateur d’IA multimodale à poids ouverts (open-weight) avec 975 milliards de paramètres au total et 41 milliards de paramètres actifs, conçu pour le fine-tuning en entreprise et par des développeurs.

Comment Inkling se compare-t-il aux modèles à poids fermés sur les benchmarks ?

Inkling affiche des performances compétitives mais pas de tête par rapport à des modèles à poids fermés comme Claude Fable 5 et GPT-5.6 Sol sur les tâches de raisonnement. Sur ForecastBench, il est au même niveau que Gemini 3.1 Pro et Grok 4.3. Sur FORTRESS, il a obtenu 78 % sur les prompts adversariaux.

Où les développeurs peuvent-ils accéder à Inkling pour le fine-tuning ?

Les poids complets du modèle sont disponibles sur Hugging Face, et le fine-tuning est accessible via la plateforme Tinker de la société. Les partenariats de déploiement incluent TogetherAI, Fireworks, Databricks et Hugging Face.