Ce qui s'est passé
Thinking Machines Lab, la startup fondée par Mira Murati, ex-CTO d'OpenAI, vient de lâcher son premier modèle maison. Il s'appelle Inkling, et il est tombé un mercredi matin.
Le chiffre qui claque, c'est la taille. Sous le capot, Inkling repose sur une architecture mixture-of-experts avec 975 milliards de paramètres au total. Pour une tâche donnée, il n'en réveille qu'environ 41 milliards. C'est une astuce courante pour garder des modèles géants plus rapides et moins chers à faire tourner.
L'entreprise affirme qu'Inkling raisonne nativement sur le texte, l'image, l'audio et la vidéo. Ce qui en sort est plus limité pour l'instant : uniquement du texte, qui couvre le code, des artefacts stylisés et des données structurées. Il avale donc tout le buffet sensoriel, mais répond en simple tapotage de clavier. La génération d'images et de sons n'est pas encore au menu.
Le modèle arrive aussi après une longue période de travail discret sur l'infrastructure. Un aperçu de recherche en mai présentait des « interaction models » : des IA conçues pour écouter, parler, et même couper la parole, au lieu d'attendre sagement comme un chatbot classique. Inkling est la première preuve publique de ce chantier.
Pourquoi ça compte
Les modèles phares d'OpenAI, d'Anthropic et de Google sont fermés. Inkling est open-weight : développeurs et entreprises peuvent le télécharger et le modifier directement. Ce n'est pas le même deal que louer une API en espérant que les conditions restent sympas.
Une startup bien financée, avec une fondatrice célèbre, qui choisit les poids ouverts, c'est une option sérieuse de plus tout en haut du classement des tailles. Plus de choix, c'est plus de pression sur tous ceux qui facturent au token.
Petites réserves, parce qu'on a des principes. La taille, les données d'entraînement et le raisonnement multimodal viennent tous des documents de lancement de l'entreprise. Pas de benchmark indépendant à se mettre sous la dent : la question « il est vraiment bon ? » reste ouverte tant que la communauté ne l'a pas retourné dans tous les sens.
Poids ouverts, ça veut dire que tu peux inspecter et modifier le truc au lieu de juste le louer.
Le mixture-of-experts compte aussi très concrètement. Un modèle qui n'utilise qu'environ 41 milliards de paramètres par tâche, c'est une tout autre bête à servir qu'un modèle qui mobilise les 975 milliards à chaque fois.
Qu'est-ce que tu en fais
- Vérifie les poids.Si tu fais tourner tes modèles toi-même, trouve la release officielle et regarde le matériel qu'exigent les 975 milliards de paramètres avant de t'emballer.
- Teste sur ton vrai boulot.Passe Inkling sur tes vrais prompts, ton code et tes documents : les promesses du vendeur, ce n'est pas ta charge de travail.
- Surveille les limites de sortie.Il raisonne sur images, audio et vidéo mais ne répond qu'en texte : conçois tes pipelines en conséquence.
- Garde un œil sur les interaction models.L'aperçu de mai, avec une IA qui peut t'interrompre, donne une idée de la direction de Thinking Machines.
Keep up, sapiens. Les robots open-weight viennent de se trouver un colocataire très, très grand.


