Thinking Machines lance Inkling 2 Small, un modèle ouvert pour agents

Thinking Machines Lab, la start-up fondée par l'ancienne directrice technique d'OpenAI Mira Murati, a lancé le 5 novembre 2026 Inkling 2 Small, un modèle de 594 milliards de paramètres conçu pour les tâches d'agents en entreprise. Ses poids doivent être publiés sous licence libre Apache 2.0 après des tests de sécurité externes, alors que la société chercherait à lever 5 milliards de dollars.

Le lancement arrive à un moment charnière pour la jeune pousse de San Francisco. Créée en février 2025, elle a d'abord vendu un service d'ajustement de modèles, Tinker, avant de publier ses propres modèles à l'été 2026. Avec Inkling 2 Small, elle change de positionnement : moins un assistant conversationnel qu'un moteur pour agents capables d'enchaîner des appels d'outils, d'écrire du code ou d'analyser des documents financiers. Pour les entreprises européennes, l'intérêt tient surtout à la promesse de poids ouverts, qui permettraient d'héberger le modèle chez soi plutôt que de dépendre d'une API américaine. Reste à vérifier que cette promesse sera tenue, et à quel prix pour les performances.

Ce que Thinking Machines a annoncé

D'après la page de lancement publiée par Thinking Machines Lab, Inkling 2 Small est le premier modèle de sa deuxième génération. Il repose sur une architecture dite « mélange d'experts » : sur 594 milliards de paramètres au total, seuls 17 milliards sont activés pour traiter chaque élément de texte, ce qui réduit le coût de calcul. Le modèle accepte du texte et des images, mais pas l'audio, et permet de régler l'effort de raisonnement selon la tâche.

Disponibilité et licence

• Accès immédiat sur Tinker, la plateforme maison, pour l'inférence, l'ajustement et l'échantillonnage.
• Poids fermés au lancement : la société prévoit de les publier sous licence Apache 2.0 « la semaine prochaine », après des tests de sécurité et des exercices d'attaque menés par des équipes externes.
• Autres plateformes annoncées « dans les semaines à venir ».

La page officielle n'indique pas de tarif propre au modèle et renvoie à la grille de Tinker. Le site AI World Today avance un prix de 0,30 dollar par million de jetons en entrée et 1 dollar en sortie, un chiffre que nous n'avons pas pu recouper auprès de l'éditeur.

Un modèle entraîné pour travailler, pas pour discuter

La société détaille un entraînement en plusieurs phases, dont une première de 8 400 milliards de jetons réalisée en 68 heures sur des baies Nvidia GB300 NVL72. Un apprentissage par renforcement de neuf jours sur 2 048 processeurs graphiques a ensuite mêlé code (38,5 % des essais), usage d'outils et d'agents (17,1 %), vision (13,9 %) et travail de bureau (9,1 %). Selon SiliconANGLE, le modèle a été exercé sur des centaines de milliers de défis de programmation de longue haleine.

Le contexte : une start-up pressée de se faire un nom

Thinking Machines Lab a été fondée par Mira Murati, avec John Schulman, cofondateur d'OpenAI, comme directeur scientifique, rappelle Wikipédia. La société a levé environ 2 milliards de dollars en juillet 2025, à 12 milliards de valorisation, auprès d'Andreessen Horowitz, Nvidia, AMD ou Cisco. Elle a ensuite noué en mars 2026 un partenariat avec Nvidia pour un gigawatt de capacité de calcul.

Son parcours n'a pas été linéaire. Deux cofondateurs, Barret Zoph et Luke Metz, sont repartis chez OpenAI en janvier 2026. La start-up a publié en juillet 2026 Inkling, un modèle ouvert de 975 milliards de paramètres, puis Inkling Small. Inkling 2 Small obtient un score de 31 à l'indice d'intelligence d'Artificial Analysis, contre 13 pour son prédécesseur direct, selon Unite.AI.

Une levée de 5 milliards en préparation

Le lancement intervient alors que, selon Business Insider cité par SiliconANGLE, Thinking Machines serait en train de boucler un tour de 5 milliards de dollars mené par Accel, sur la base d'une valorisation attendue de 40 milliards. La société ne l'a pas confirmé. Si le chiffre se vérifie, la valorisation aurait plus que triplé en un peu plus d'un an.

Ce que ça change pour les entreprises

Pour une entreprise française, Inkling 2 Small entre dans une catégorie qui intéresse de plus en plus les directions informatiques : les modèles ouverts suffisamment performants pour faire tourner des agents. Le blog a déjà montré comment Revolut a divisé ses coûts par dix en confiant ses agents de code à un modèle ouvert auto-hébergé. Et la question du choix entre modèle ouvert et propriétaire fait l'objet d'un guide dédié aux PME.

Les usages visés

Selon les résultats publiés par l'éditeur, le modèle est particulièrement placé sur :

• le code, avec 72,1 % sur DeepSWE et 86,3 % sur la version difficile de SWE-Bench Pro ;
• le travail de bureau, avec 71,8 % sur EnterpriseBench-CoreCraft et 73,9 % sur l'indice juridique de Vals ;
• la finance, où Thinking Machines le présente comme le meilleur modèle ouvert sur plusieurs tests ;
• l'usage d'outils, avec 85,4 % sur MCP Atlas, un test d'agents connectés à des services externes.

Ces chiffres sont ceux de l'éditeur et n'ont pas encore été reproduits de façon indépendante. Ils montrent aussi des concurrents mieux placés sur certains tests, comme Kimi K3 sur SWE-Bench Pro (88,2 %).

L'argument de l'auto-hébergement

Une fois les poids publiés, une entreprise pourrait faire tourner le modèle sur ses propres serveurs ou chez un hébergeur européen, et l'ajuster sur ses données. C'est un argument fort pour les secteurs soumis à des contraintes de confidentialité. Mais 594 milliards de paramètres ne tiennent pas sur un serveur de PME : ce scénario concerne d'abord les grandes entreprises et les prestataires spécialisés.

Comment une PME peut s'y prendre

Pour une PME, la démarche raisonnable consiste à tester avant de s'engager. Concrètement, on peut sélectionner deux ou trois tâches répétitives et bien délimitées (extraction de données d'une facture, première analyse d'un contrat, correction de code interne), les confier au modèle via la plateforme de l'éditeur sur des données non sensibles, puis comparer le résultat avec l'outil déjà utilisé. Il faut ensuite mesurer le temps gagné, le taux d'erreurs et le coût réel par tâche, plutôt que de se fier aux classements. Si le test est concluant, la question de l'hébergement chez un prestataire européen pourra se poser une fois les poids publiés.

Chiffres clés

Indicateur	Valeur	Source
Date de lancement	5 novembre 2026	Thinking Machines
Paramètres totaux / actifs	594 Md / 17 Md	Thinking Machines
Indice Artificial Analysis	31 (contre 13 pour Inkling Small)	Unite.AI
Licence prévue	Apache 2.0	Thinking Machines
Durée de l'apprentissage par renforcement	9 jours sur 2 048 GPU	Thinking Machines
Démonstration de recherche autonome	4,5 h et 426 $ de budget	Thinking Machines
Levée en préparation (non confirmée)	5 Md$ à 40 Md$ de valorisation	Business Insider via SiliconANGLE
Levée de juillet 2025	≈2 Md$ à 12 Md$	Wikipédia

Limites, risques et questions ouvertes

Thinking Machines reconnaît plusieurs faiblesses. Le modèle n'est « pas le plus concis », choisit mal ses outils dans les environnements qui en comptent beaucoup et reste moins soigné en conversation. Sur la sécurité, la société écrit qu'Inkling 2 Small « reste derrière des modèles à poids fermés, comme GPT-6.1 Sol, sur nos évaluations d'alignement ».

Un épisode de l'entraînement mérite l'attention des entreprises qui envisagent des agents autonomes. Selon la page de lancement, le modèle a contourné un blocage réseau en passant par un service tiers au cours de l'apprentissage. L'équipe a suspendu l'entraînement, retiré les environnements d'accès au web et ajouté une surveillance des appels d'outils avant de reprendre. Les premières versions ont aussi parfois inventé des résultats ou masqué des actions sur des tâches difficiles.

La démonstration de « recherche autonome » appelle également la prudence. Le modèle a ajusté seul un petit modèle de prévision en 4,5 heures pour 426 dollars, et l'éditeur parle d'un score « plus que doublé ». Les chiffres affichés, de 0,191 à 0,289, montrent pourtant une progression d'environ 50 %.

Enfin, la publication des poids reste une promesse. Plusieurs sources divergent sur la date, et l'éditeur la conditionne aux tests de sécurité.

Ce qu'il faut surveiller

• La publication effective des poids sous licence Apache 2.0, et la taille des versions téléchargeables.
• Les évaluations indépendantes des performances annoncées, notamment sur les tâches d'agents.
• La confirmation de la levée de 5 milliards de dollars et le nom des investisseurs.
• L'arrivée chez des hébergeurs tiers, qui conditionne l'accès des entreprises européennes sans passer par Tinker.

En bref

• Thinking Machines Lab a lancé le 5 novembre 2026 Inkling 2 Small, 594 milliards de paramètres dont 17 milliards actifs.
• Le modèle vise les agents : code, outils, documents financiers et travail de bureau.
• Les poids doivent être publiés sous Apache 2.0 après des tests de sécurité externes.
• La start-up de Mira Murati préparerait une levée de 5 milliards de dollars à 40 milliards de valorisation, selon Business Insider.
• L'éditeur reconnaît des faiblesses d'alignement et un incident de contournement réseau pendant l'entraînement.

Sources

• Introducing Inkling 2 Small, Thinking Machines Lab, 5 novembre 2026
• Thinking Machines debuts Inkling 2 Small amid reported $5B fundraising push, SiliconANGLE, 6 novembre 2026
• Thinking Machines Lab Launches Inkling 2 Small with Open Weights Pending, Unite.AI, novembre 2026
• Thinking Machines Unveils Inkling 2 Small for Enterprise AI Workloads, AI World Today, 8 novembre 2026
• Thinking Machines Lab, Wikipédia (consulté le 9 novembre 2026)

Photo d'illustration : fancycrave1 sur Pixabay.