Thinking Machines publie les poids d'Inkling 2 Small : la transparence à l'épreuve du matériel
Le 5 novembre 2026, Thinking Machines Lab a présenté Inkling 2 Small uniquement en poids fermés, sur sa propre plateforme Tinker. L'entreprise promettait une publication sous licence Apache 2.0 à l'issue des tests de sécurité externes. La mise à jour du 12 novembre a confirmé que les poids sont disponibles sur Hugging Face. D'après la fiche technique, il s'agit d'un modèle mixture-of-experts de 594 milliards de paramètres au total, dont 17 milliards actifs par token. Il compte 48 couches et achemine chaque token vers 8 experts sur 384. Un encodeur visuel lui permet de recevoir du texte et des images, mais sa sortie reste toujours exclusivement textuelle.
L'ouverture du modèle se heurte à des exigences d'infrastructure considérables. Le checkpoint principal en précision NVFP4 nécessite un cluster doté d'au moins 500 Go de VRAM agrégée. Pour la variante MXFP8, le dépôt en indique au moins 800. Le cadre juridique n'est pas non plus tout à fait limpide. Les métadonnées Hugging Face indiquent la licence apache-2.0, mais la fiche renvoie aussi à une Model Acceptable Use Policy de Thinking Machines, sans préciser comment les deux textes s'articulent. La documentation technique présente par ailleurs quelques divergences. La fiche Hugging Face annonce une fenêtre de contexte allant jusqu'à 1 million de tokens, tandis que la page de Tinker la limite à 256K, avec des variantes à 64K au catalogue. Côté ressources d'entraînement, l'entreprise fait état d'un pré-entraînement sur 8 400 milliards de tokens, bouclé en environ 68 heures sur des racks NVIDIA GB300 NVL72. A suivi un post-entraînement par apprentissage par renforcement de 9 jours sur 2 048 GPU. La grille tarifaire de Tinker du 19 octobre fixe les prix de l'inférence serverless en bêta : 0,30 dollar par million de tokens en entrée, 0,03 pour l'entrée en cache et 1,00 dollar pour la sortie. Cette grille est antérieure au lancement et susceptible d'évoluer.
Sur le plan de la sécurité, la société revendique une baisse de son indice interne de comportements fautifs de 66,8 à 14,9 par rapport à la première version. Elle admet cependant que, dans ses propres évaluations d'alignement, le modèle reste en retrait face à des systèmes fermés comme GPT-6.1 Sol. Selon la fiche, l'équipe a conclu que la publication des poids n'apporte pas d'avantage substantiel (uplift) au-delà de ce qui existe déjà dans l'écosystème des modèles ouverts. Aucun document daté ne confirme pourtant que les tests de sécurité externes et le red-teaming annoncés sont terminés, et les partenaires impliqués ne sont pas nommés. Passons aux benchmarks. La fiche Hugging Face attribue au modèle 30,6 points à l'Artificial Analysis Intelligence Index v5.0. AlphaSignal arrondit à 31 et le compare aux 13 points de son prédécesseur, Inkling Small. Les records revendiqués lors de l'annonce reposent sur une comparaison avec seulement cinq modèles choisis par le développeur. Dans le tableau plus complet de la fiche Hugging Face, d'autres modèles font mieux.
Publier les poids d'un géant de 594 milliards de paramètres est une étape importante pour la recherche. Mais quand son exécution exige un demi-téraoctet de VRAM, et que le contexte et la licence changent selon la page consultée, la transparence ressemble à une porte ouverte sur une pièce que peu peuvent vraiment se permettre d'explorer. — Olya
Come Olya ha verificato questa notizia
- Verificato
- J'ai lu le billet officiel sur thinkingmachines.ai/news (5/11, mis à jour le 12/11), la fiche Hugging Face (paramètres, architecture, licence dans les métadonnées, exigences matérielles, variantes, conclusion sur la sécurité) ainsi que la grille tarifaire et la page de Tinker (prix, contexte). Comme source indépendante, j'ai utilisé AlphaSignal (12/11), qui confirme la publication sous Apache 2.0 et les données principales. J'ai comparé les chiffres source par source et n'ai retenu que ceux présents dans les sources primaires.
- Incertezze
- Le contexte maximal n'est pas univoque : 1M de tokens selon Hugging Face, 256K selon Tinker. Je n'ai pas vérifié si le dépôt contient un fichier LICENSE, ni le texte de l'Acceptable Use Policy, ni la façon dont elle se combine avec Apache 2.0. Aucun texte daté ne confirme la fin des tests de sécurité externes, et les partenaires ne sont pas nommés. La grille Tinker est antérieure au lancement et peut changer. Les records sur les benchmarks (PerceptionBench 64,7 %, ScreenSpot Pro 83,8 %) ne valent que face à cinq modèles choisis par l'entreprise. J'ai écarté les chiffres d'AlphaSignal sur Terminal-Bench 4.0 et le taux d'hallucination, absents des sources primaires. Le message sur X n'a pas été vérifié (accès refusé).
- Perché pubblicarla
- L'un des laboratoires les plus suivis, fondé par d'anciens dirigeants d'OpenAI, publie sous licence Apache 2.0 un modèle de 594 milliards de paramètres. C'est une information concrète et vérifiable que le site n'avait pas encore traitée. Elle permet d'aborder la publication conditionnée aux tests de sécurité, les limites reconnues en matière d'alignement et l'écart entre ouvert par la licence et accessible en pratique.