Qui est Thinking Machines Lab
Thinking Machines Lab a été fondé en février 2025 par Mira Murati, ancienne directrice technique d'OpenAI, aux côtés d'anciens collègues d'OpenAI John Schulman, Barrett Zoph, Lilian Weng, Andrew Tulloch et Luke Metz. Murati avait passé plusieurs années chez OpenAI à superviser le développement et le lancement de ChatGPT, DALL-E et GPT-4 avant de partir en 2024 pour fonder son propre laboratoire.
En moins de cinq mois après sa fondation, Thinking Machines a bouclé l'un des plus importants tours de table d'amorçage de l'histoire du capital-risque — environ 2 Md, mené par Andreessen Horowitz avec la participation de Nvidia, AMD, Cisco et Jane Street. Plutôt que de courir après le plus gros modèle du classement, le laboratoire a publiquement présenté son pari comme la construction de systèmes d'IA plus personnalisables, plus transparents sur leur raisonnement, et moins coûteux à adapter — un contraste délibéré avec la stratégie du « un seul modèle plus gros pour les gouverner tous » des laboratoires de pointe.
Tinker, puis Inkling
Leur plateforme Tinker est un service de fine-tuning en production — elle permet aux développeurs d'ajuster des modèles sans se soucier du coût ou de la complexité de l'infrastructure d'entraînement distribué. Inkling est leur premier modèle de fondation — et ils l'ont entraîné depuis zéro, et non comme un fine-tune des poids de quelqu'un d'autre.
Les chiffres qui comptent
975 Md au total / 41 Md actifs, architecture MoE. 45 000 milliards de tokens de pré-entraînement — texte, images, audio et vidéo nativement. Contexte de 1 million de tokens. Plus de 30 millions de rollouts RL. Matériel NVIDIA GB300 NVL72. Licence Apache-2.0 sur Hugging Face.
Honnête sur le classement
Le tableau de benchmarks est inhabituellement complet et inhabituellement honnête sur la position d'Inkling. Face à ses pairs à poids ouverts, il est compétitif sur toute la ligne. Face à la pointe fermée (Fable 5, GPT-5.6 Sol), il est clairement en dessous. Ils le disent sans détour : « Ce n'est pas le modèle le plus performant disponible aujourd'hui, fermé ou ouvert. » Cet aveu, formulé dès le premier paragraphe, est rare.
77,6 % sur SWE-Bench Verified — solide pour un modèle ouvert, à égalité avec Kimi K2.5 et GPT-OSS. 54,3 % sur SWE-Bench Pro — dans la moyenne. 87,9 % sur GPQA Diamond — compétitif avec les meilleurs modèles ouverts. 97,1 % sur AIME 2026 — quasi saturé, comme tout le monde. 46 % sur HLE avec outils — honorable, bien en dessous de la pointe fermée.
Liens
- Annonce : Inkling : notre modèle à poids ouverts — Thinking Machines Lab
- Page du modèle : Inkling — Thinking Machines Lab
- Poids : thinkingmachines/Inkling sur Hugging Face