L’essentiel
- Thinking Machines, le laboratoire fondé par l’ancienne directrice technique d’OpenAI Mira Murati, publie Inkling Small sous licence Apache 2.0, poids disponibles sur Hugging Face.
- Le modèle totalise 276 milliards de paramètres dont 12 milliards actifs, moins d’un tiers de son aîné Inkling, pour un point d’écart sur l’Intelligence Index d’Artificial Analysis (40 contre 41).
- Il consomme en moyenne 24 000 tokens de sortie par tâche, contre 78 000 pour GPT-5.4 mini, et tient sur une machine dotée de 128 Go de mémoire.
Thinking Machines vient de livrer son deuxième modèle, et il est plus petit que le premier. Pas légèrement : Inkling Small embarque moins d’un tiers des paramètres d’Inkling, publié par le même laboratoire. Pour un point de moins sur l’index de référence d’Artificial Analysis.
Un modèle de 276 milliards qui n’en active que 12
Inkling Small totalise 276 milliards de paramètres, mais n’en active que 12 milliards pour produire chaque token. C’est une architecture de type mixture of experts (MoE), où le modèle ne réveille qu’une fraction de ses neurones à chaque étape du calcul : la mémoire à réserver reste celle des 276 milliards de paramètres, la puissance de calcul dépensée, celle de 12 milliards.
C’est ce qui explique l’écart entre la fiche technique et les résultats. Sur l’Intelligence Index d’Artificial Analysis, qui agrège plusieurs épreuves de raisonnement, de programmation et de mathématiques en une note unique, Inkling Small obtient 40 points, contre 41 pour Inkling. Un point d’écart pour trois fois moins de paramètres. Et selon l’évaluateur, aucun modèle à poids ouverts de taille égale ou inférieure ne fait mieux aujourd’hui. Le sommet du classement ouvert, lui, se joue une quinzaine de points plus haut : Kimi K2.6 et le MiMo V2.5 Pro de Xiaomi y culminent à 54. Inkling Small ne dispute pas cette course-là, il déplace la question sur le rapport entre le score et les ressources.
Le raisonnement se transfère mieux que la mémoire
Un index composite écrase les détails, et ce sont eux qui comptent au moment de déployer. Le petit modèle bat son aîné sur plusieurs épreuves de programmation et de raisonnement : 32 % contre 30 % à Humanity’s Last Exam, une batterie de questions expertes conçue pour résister aux modèles actuels, et 89 % contre 87 % à GPQA Diamond, un questionnaire de niveau doctorat en sciences dures. Il décroche en revanche sur les tâches agentiques, celles où le modèle enchaîne des appels d’outils, et sur la connaissance factuelle.
Ce partage confirme ce que l’on observe depuis un moment sur la compression : le raisonnement se transfère assez bien vers un modèle allégé, la mémoire encyclopédique beaucoup moins. Stocker le monde coûte des paramètres. Enchaîner quinze appels d’outils sans dériver semble en coûter aussi.
Trois fois moins de tokens dépensés par tâche
Le tableau le plus instructif se trouve ailleurs, dans la colonne des coûts. Sur les mêmes tâches, Inkling Small produit en moyenne 24 000 tokens de sortie, quand DeepSeek V4 Flash en dépense 45 000 et GPT-5.4 mini 78 000. Un modèle de raisonnement facture ce qu’il réfléchit : chaque token de raisonnement intermédiaire est payé, et se paie une seconde fois en latence.
À qualité comparable, une même tâche coûte donc environ trois fois moins de tokens de sortie qu’avec GPT-5.4 mini. Sur un agent qui tourne en boucle du matin au soir, l’écart de taille des poids devient une note de bas de page. L’écart de verbosité, lui, se lit sur la facture mensuelle.
Tenir dans 128 Go de mémoire
Reste la contrainte physique. La communauté open source a publié des versions quantifiées, c’est-à-dire compressées en abaissant la précision des poids. Elles font tenir Inkling Small sur une machine dotée de 128 Go de mémoire : une station de travail haut de gamme, pas une baie de GPU. Le modèle accepte le texte, l’image et la parole en entrée, sa fenêtre de contexte monte jusqu’à un million de tokens, et ses poids sont sur Hugging Face sous licence Apache 2.0.
Cette barre de 128 Go est en train de devenir un cahier des charges à part entière. Elle fixe ce qu’une équipe peut exécuter sans envoyer ses données à un tiers, ce qu’un service juridique peut auditer, ce qu’un développeur peut essayer un dimanche après-midi. Tenir sous ce plafond ouvre un marché que les modèles frontière laissent vide.
Un socle à spécialiser plutôt qu’un produit fini
Thinking Machines ne présente pas ses modèles comme des produits finis, mais comme des socles à spécialiser sur vos propres données. Le fine-tuning, ce ré-entraînement sur un corpus maison, se lance depuis le navigateur via son Tinker Playground. Le profil d’Inkling Small épouse cette promesse : solide en raisonnement, faible en connaissances. Le raisonnement, vous le voulez générique. Les faits, vous préférez les fournir vous-même, par RAG (le modèle va chercher l’information dans vos documents au moment de répondre) ou par entraînement complémentaire.
Des zones d’ombre subsistent. Les mesures citées proviennent d’un seul évaluateur indépendant, sur un protocole qui lui appartient. La note composite demeure sous celle du grand frère, et le retard sur l’agentique écarte le modèle d’une partie des usages les plus demandés du moment. Enfin, un laboratoire aussi jeune n’a pas encore prouvé qu’il tiendrait une cadence de publication.
L’ironie de cette sortie mérite d’être relevée. La thèse selon laquelle l’intelligence suit la taille s’est construite en grande partie chez OpenAI. Ce sont d’anciens cadres de cette maison qui publient un modèle trois fois plus léger pour un point de moins, et qui mettent en avant les tokens dépensés par tâche plutôt que les milliards de paramètres. Changer d’unité de mesure en dit plus long que la note obtenue.
Mon avis
La colonne que je regarde en premier dans un tableau de benchmarks, désormais, c’est celle des tokens de sortie. Un modèle qui résout une tâche en 24 000 tokens là où un concurrent en brûle 78 000 gagne un facteur trois sur le coût réel d’exploitation, et ce facteur n’apparaît sur aucune fiche produit. Les éditeurs finiront par l’afficher d’ici la fin de l’année, comme les constructeurs automobiles ont fini par communiquer sur la consommation plutôt que sur la cylindrée. Ceux qui n’ont rien à y gagner s’en garderont, et ce silence sera lui aussi une information.
