Actualités IA · 11 min de lecture

Inkling 2 Mini : un modèle en boucle de 26,4B pour ordinateur portable

Thinking Machines Lab a lancé Inkling 2 Mini le 20 novembre 2026 : un modèle en boucle de 26,4B, d'environ 20GB, aux poids Apache 2.0 pour les agents locaux.

Un treillis argenté torsadé en boucle sur un bureau sombre, près d'un ordinateur portable fermé, éclairé d'une lumière cinématographique froide, sans texte ni logo

Inkling 2 Mini est un modèle Mixture-of-Experts en boucle à poids ouverts et 26,4 milliards de paramètres, lancé par Thinking Machines Lab le 20 novembre 2026. Sous licence Apache 2.0, son checkpoint d’environ 20GB associant NVFP4 et MXFP8 vise le développement agentique local sur Apple silicon avec au moins 32GB de mémoire, des GPU avec au moins 32GB de VRAM ou NVIDIA DGX Spark.

Qu’a annoncé Thinking Machines Lab le 20 novembre 2026 ?

Thinking Machines Lab a lancé Inkling 2 Mini le 20 novembre 2026, avec un billet d’annonce officiel, un fil de lancement sur X le même jour et des poids ouverts sous licence Apache 2.0 sur sa fiche de modèle Hugging Face. Sur X, Thinking Machines a écrit : « Certains d’entre vous trouvaient Inkling 2 Small trop gros avec ses 594B paramètres. Nous vous avons entendus : Inkling 2 Mini est un transformer en boucle de seulement 26B paramètres, assez petit pour fonctionner sur votre ordinateur portable et assez puissant pour le travail agentique, avec un score de 20.1 à l’AA Index. »

Le message sur X arrondit le chiffre à « seulement 26B », mais le blog officiel, la fiche du modèle, la page de la famille Inkling et le catalogue Tinker indiquent tous 26,4B paramètres au total. Dans l’ensemble des modèles à poids ouverts en 2026, Inkling 2 Mini constitue l’entrée de gamme d’une famille de trois modèles :

  • Inkling 2 Mini : 26,4B paramètres au total, dont 3,4B actifs par passage ; un transformer en boucle adapté aux ordinateurs portables pour le développement agentique.
  • Inkling 2 Small : 594B paramètres au total, dont 17B actifs ; le modèle phare de deuxième génération pour le développement agentique et la vision.
  • Inkling : 975B paramètres au total, dont 41B actifs ; il couvre le texte, les images et l’audio.

Comment fonctionne l’architecture MoE en boucle d’Inkling 2 Mini ?

Inkling 2 Mini associe une architecture Mixture-of-Experts (MoE) à des passages répétés dans des couches partageant leurs poids. Un modèle de 26,4B peut ainsi consacrer davantage de calcul à chaque token sans augmenter son empreinte mémoire. Lors d’un passage dans ses 24 couches de décodeur seul, chaque token est dirigé vers 8 experts sur 128 dans un ensemble de couches d’attention locale et globale, ce qui active 3,4B paramètres.

Ces 24 couches sont réparties en quatre blocs de six couches. Le premier et le dernier bloc s’exécutent une fois, tandis que les 12 couches centrales sont parcourues trois fois avec des poids partagés : on obtient 48 applications de couches par token à partir des poids de 24 couches. Chaque passage supplémentaire dans les couches centrales ajoute environ 1,0B paramètres actifs effectifs, soit au total 5,4B activations de poids par token. Cela explique pourquoi la page de la famille indique 3,4B paramètres actifs et le catalogue de la plateforme Tinker 5,4B : le premier chiffre compte les experts par passage, le second tient compte des trois passages en boucle.

Thinking Machines a construit Inkling 2 Mini en élaguant puis en rétablissant un réseau creux plus grand. L’entraînement a commencé avec 8 experts actifs sur 384 par couche, avant la suppression des deux tiers des experts pour conserver les 128 plus utilisés par couche. Le modèle élagué a ensuite suivi un « rétablissement » sur 1T tokens par distillation de modèle depuis un modèle Inkling interne plus grand, un fine-tuning supervisé, un apprentissage par renforcement sur 2,2T tokens en 2 000 étapes et une distillation on-policy pour l’alignement.

Contrairement aux checkpoints compressés après entraînement, Inkling 2 Mini a été entraîné et déployé nativement en basse précision mixte : 20 couches en NVFP4 4 bits et les 4 dernières en MXFP8 8 bits, ce qui évite les pertes de conversion après entraînement décrites dans notre explication de la quantification en IA. Le résultat est un checkpoint unique d’environ 20GB qui accepte du texte et des images en pixels (40px à 4096px recommandés) et produit du texte en anglais avec une prise en charge multilingue générale. La fiche du modèle avertit toutefois que les tests en chinois ont révélé des formulations tronquées et des mélanges de langues.

Configuration matérielle officielle, limites de contexte et accès à Inkling 2 Mini

Inkling 2 Mini nécessite environ 20GB pour son checkpoint natif et vise du matériel doté d’au moins 32GB de mémoire unifiée ou de VRAM, selon la documentation officielle de Thinking Machines Lab au 21 novembre 2026.

Recommandations matérielles officielles et démonstration sur MacBook Pro

La fiche officielle du modèle cite trois catégories de matériel local prises en charge :

  • Mac Apple silicon : MacBook, Mac mini et Mac Studio avec au moins 32GB de mémoire unifiée.
  • GPU dédiés et autres plateformes : au moins 32GB de VRAM recommandés.
  • Matériel de station de travail : 1x NVIDIA DGX Spark, ainsi qu’une accélération par noyau sur la plateforme GB300 de NVIDIA pour l’exécution NVFP4/MXFP8.

Thinking Machines a également publié une « démonstration du simulateur de vol PlaneBench » hors ligne. Elle montre des chercheurs exécutant Inkling 2 Mini en mode avion sur un MacBook Pro (M5 Pro, 48GB) pour créer un simulateur de vol jouable en quelques minutes, la majeure partie des images étant accélérée 15 fois. Cette vidéo illustre une session hors ligne, pas une configuration minimale ni un test de vitesse normalisé.

Limites de contexte et lieux d’exécution des poids

La documentation officielle indique deux limites de contexte distinctes selon le lieu d’exécution du modèle. La fiche Hugging Face indique qu’Inkling 2 Mini prend en charge une fenêtre de contexte jusqu’à 1M tokens, tandis que le catalogue officiel Tinker limite actuellement la version hébergée à 256K de contexte maximum.

Les développeurs peuvent télécharger directement sur Hugging Face les poids Apache 2.0 de Inkling-2-Mini et la variante à nombre de boucles variable réservée à la recherche TML-d24-varloop-research. Thinking Machines cite une prise en charge de l’inférence open source dans SGLang, vLLM, Ollama, Unsloth, NVIDIA Dynamo, TokenSpeed et Llama App. La fiche du modèle mentionne aussi llama.cpp pour les builds GGUF quantifiés et Exo Labs sur Apple silicon, ainsi que SkyRL, Miles et NVIDIA AutoModel pour le post-entraînement par RL. L’inférence hébergée, le fine-tuning et le chat interactif sont accessibles via Tinker et Tinker Playground. Au 21 novembre 2026, les pages publiques officielles consultées pour cet article indiquent un stockage des checkpoints Tinker à $0.10 par GB et par mois et précisent que les tarifs d’entraînement et d’inférence varient selon le modèle et la longueur du contexte ; elles ne publient pas de grille complète de tarifs par token pour Inkling 2 Mini.

Quels sont les scores d’Inkling 2 Mini aux benchmarks officiels ?

Thinking Machines Lab rapporte qu’Inkling 2 Mini mène les modèles à poids ouverts de moins de 100B paramètres totaux sur DeepSWE v1.1 et Vals Index v2.2, tout en rivalisant étroitement avec Qwen3.8-27B et Nemotron 3.5 Super VL (124.5B au total) dans des tests de programmation, de navigation et d’utilisation d’outils. Tous les chiffres ci-dessous proviennent du blog officiel et de la fiche du modèle de Thinking Machines au 21 novembre 2026 ; les environnements d’évaluation varient selon le modèle.

Benchmark (précision sur l’environnement officiel) Inkling 2 Mini (5.4/26.4B) Qwen3.8-27B (27.0/27.0B) Nemotron 3.5 Super VL (12.0/124.5B)
AA Index (v5.0) 20.1 20.1 13.6
Vals Index (v2.2) 46.5% — 29.8%
DeepSWE v1.1 (mini-swe-agent v2.4.6) 48.2% 42.2% 24.7%
SWEBench Pro v2 Hard (mini-swe-agent v2.4.6) 77.9% 73.8% 44.1%
SWEBench Verified (bash uniquement) 79.2% 77.8% 71.1%
Terminal Bench v2.1 (pi v0.83.0 pour Mini) 71.6% 73.0% 60.7%
PMPP-Hard (AUC, 0–10h, pi v0.83.0) 455.82 262.50 —
BrowseComp (Mini avec compactage) 79.0% 61.6% 78.9%
DeepSearchQA (Mini avec compactage) 85.3% 79.7% 77.7%
MCP Atlas Public 82.7% 77.3% 67.7%
LongBench v2 66.9% 52.3% 62.1%
HLE-Diamond 15.2% 15.3% 8.8%
CritPt v2 Full / Hard 31.4% / 17.0% 10.6% / 4.0% 36.9% / 13.5%

Dans de premiers tests universitaires cités par le blog officiel, des chercheurs du Hazy Research Lab et du Scaling Intelligence Lab de Stanford ont aussi mesuré Inkling 2 Mini à 0.703 sur leur métrique « Intelligence per Watt », avec une NVIDIA DGX Spark (128GB) en MXFP8 et un effort de raisonnement faible. Il devance Qwen3.6-35B-A3B (0.430), Gemma-4-26B-A4B (0.159) et Qwen3.5-27B (0.036), testés en NVFP4 et INT4.

Quelles sont les limites d’Inkling 2 Mini et les conclusions sur sa surveillabilité ?

D’après les informations officielles de Thinking Machines Lab, Inkling 2 Mini sacrifie une partie de l’étendue de ses connaissances factuelles et du respect strict des instructions sur plusieurs tours au profit du développement agentique et de l’exécution d’outils.

Limites pratiques et garde-fous pour les agents

Le blog officiel indique clairement : « Inkling 2 Mini n’est pas le petit modèle le plus performant pour les conversations à plusieurs tours ou les instructions comportant de nombreuses contraintes : il obtient 50.0% sur MultiChallenge et 33.4% sur ComplexConstraints v1.1, derrière Qwen3.8-27B sur les deux. Il est aussi devancé par les grands modèles sur des benchmarks exigeants en raisonnement comme CritPt v2 et HLE-Diamond. » (À titre de référence, le tableau de la fiche du modèle indique séparément 30.1% pour Qwen3.8-27B sur ComplexConstraints v1.1 et 35.6% pour Muse Glimmer.)

La fiche du modèle souligne d’autres limites à connaître avant de déployer des agents locaux :

  • Lacunes de connaissances : les boucles ne peuvent pas stocker de faits supplémentaires dans les poids. Inkling 2 Mini reste donc derrière Inkling 2 Small pour le rappel factuel (score AA-Omniscience v1.1 de -8.6, taux de non-hallucination de 63.4%) et risque davantage d’affirmer des erreurs sans outils de recherche.
  • Boucles de débogage : les tests internes ont montré que le modèle pouvait rester bloqué à revérifier du code ou tourner indéfiniment en boucle. Thinking Machines recommande donc des plafonds stricts de tokens de sortie et de tours d’agent.
  • Risque d’action destructive par les outils : la fiche avertit explicitement : « Il peut entreprendre des actions destructives, comme supprimer ou écraser des fichiers, sans confirmation. »
  • Calcul minimal : régler l’effort de raisonnement au minimum ne le désactive pas entièrement. Les trois passages dans les couches centrales impliquent un calcul par token supérieur à ce que suggèrent les 3,4B paramètres actifs, tandis que la prise en charge locale des modèles en boucle reste récente.

Boucles et surveillabilité de la chaîne de pensée

Les transformers en boucle raisonnent en interne au fil des passages sans tout écrire. Thinking Machines a donc publié TML-d24-varloop-research (entraîné sur 1 à 5 passages, principalement 3) pour tester la surveillabilité. Sans chaîne de pensée, la capacité mesurée en horizon temporel est passée de 16 secondes avec un passage à 37 secondes avec trois passages, et les performances sur N-Hop Lookup sériel ont continué à progresser jusqu’à 10 boucles. Sur les traces GPQA Diamond résolues correctement pour chacun des cinq nombres de passages, la longueur moyenne du raisonnement est passée de 3 703 tokens à 1 passage à 1 661 tokens à 5 passages, sans changement de longueur des phrases ni de choix des mots. Les tests de sabotage agentique n’ont montré aucune tendance à la hausse lorsque le nombre de boucles augmentait.

Sur X, Thinking Machines a résumé le résultat comme une « absence de baisse significative de la surveillabilité ». En même temps, Inkling 2 Mini et le modèle à boucles variables à trois passages contrôlaient mal leur chaîne de pensée : ils suivaient les instructions CoT dans au plus 0.1% des cas sur des traces de 750–1 250 tokens. Ces observations décrivent le comportement à l’échelle de 26,4B et ne certifient pas la sécurité d’un déploiement sans surveillance.

À qui s’adresse réellement Inkling 2 Mini ?

Inkling 2 Mini s’adresse aux développeurs qui exécutent des agents locaux de programmation, de recherche et d’utilisation d’outils MCP sur des Mac Apple silicon avec au moins 32GB, des GPU avec au moins 32GB de VRAM ou des systèmes DGX Spark, et souhaitent des poids Apache 2.0 qu’ils peuvent examiner ou affiner. À ma lecture des notes de lancement, il convient surtout aux tâches structurées de développement logiciel où les sorties des outils, les tests et la recherche étayent les réponses du modèle et où les limites de tours maîtrisent les boucles.

Si vous cherchez comment choisir un modèle d’IA principalement pour des conversations à plusieurs tours, des questions factuelles denses sans récupération d’information ou une autonomie non surveillée sur le système de fichiers, des modèles plus grands comme Inkling 2 Small ou des solutions dédiées au chat restent des choix plus sûrs.

Questions fréquentes sur Inkling 2 Mini

Pourquoi Thinking Machines indique-t-il 3,4B et 5,4B paramètres actifs pour Inkling 2 Mini ?

Inkling 2 Mini active 3,4 milliards de paramètres lors d’un passage dans ses 24 couches, ce qui correspond au chiffre de la page de la famille Thinking Machines. Ses 12 couches centrales étant parcourues trois fois par token, chaque passage supplémentaire ajoute environ 1,0 milliard de paramètres actifs effectifs. Le total atteint donc 5,4 milliards d’activations effectives par token, le chiffre indiqué dans Tinker.

Peut-on utiliser Inkling 2 Mini sur un ordinateur portable avec 16GB de RAM ?

Au 21 novembre 2026, la documentation officielle de Thinking Machines Lab ne cite pas 16GB de RAM comme configuration prise en charge. Le checkpoint officiel pèse environ 20GB en précisions mixtes NVFP4 et MXFP8 ; les recommandations officielles précisent des Mac Apple silicon avec au moins 32GB de mémoire, des GPU avec au moins 32GB de VRAM ou une NVIDIA DGX Spark.

Quelle est la différence entre les limites de contexte de 1M et 256K d’Inkling 2 Mini ?

Les deux chiffres correspondent respectivement à la capacité locale du modèle et à la limite actuelle en hébergement. Sur Hugging Face, la fiche officielle d’Inkling 2 Mini indique que l’architecture prend en charge des fenêtres de contexte jusqu’à 1 million de tokens. Dans le catalogue officiel Tinker, la version hébergée d’Inkling 2 Mini est actuellement limitée à 256K de contexte maximum, comme les autres modèles de cette plateforme.

Inkling 2 Mini a-t-il vraiment des poids ouverts et son usage commercial est-il gratuit ?

La fiche officielle Hugging Face indique qu’Inkling 2 Mini est publié sous la licence permissive Apache 2.0, qui autorise les usages commerciaux et locaux selon ses conditions. Pour l’accès hébergé sur Tinker, les pages officielles consultées le 21 novembre 2026 indiquent $0.10 par GB et par mois pour le stockage des checkpoints et ne publient pas de grille publique complète de tarifs par token.

Comment Inkling 2 Mini se compare-t-il à Inkling 2 Small ?

Inkling 2 Small est bien plus grand, avec 594 milliards de paramètres au total et 17 milliards de paramètres actifs, contre 26,4 milliards au total et 3,4 milliards actifs par passage pour Inkling 2 Mini. Selon Thinking Machines, Mini reprend les points forts de Small en développement agentique, mais reste derrière pour le rappel factuel, les connaissances générales et les benchmarks de raisonnement exigeants.

Sources

Écrit par

Chunyu Cai

Chunyu Cai est le directeur général de Lotook, LLC et un entrepreneur qui écrit sur les modèles d’IA, les agents et leur influence sur le travail au quotidien. Chunyu Cai est titulaire d’un master de l’établissement Imperial College London.