Thinking Machines Lab, en bref
Thinking Machines Lab a été fondé en février 2025 par Mira Murati, ancienne directrice technique d'OpenAI, avec plusieurs anciens collègues de la maison : 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 créer son propre laboratoire.
Moins de cinq mois après sa création, Thinking Machines bouclait l'un des plus gros tours d'amorçage de l'histoire du capital-risque : environ 2 milliards de dollars, sur une valorisation de 12 milliards, 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 annoncé publiquement son pari : construire des systèmes d'IA plus personnalisables, plus transparents sur leur raisonnement et moins coûteux à adapter. Une manière assumée de se démarquer de la stratégie du « un modèle unique, toujours plus gros, pour tout faire » qui domine chez les laboratoires de pointe.
Tinker, puis Inkling
Leur plateforme Tinker est un service d'affinage prêt pour la production : elle permet aux développeurs d'ajuster des modèles sans se heurter au coût ni à la complexité d'une infrastructure d'entraînement distribué. Inkling est leur premier modèle de fondation, et il a été entraîné de zéro, pas dérivé par affinage des poids d'un tiers.
Les chiffres qui comptent
975 milliards de paramètres au total, dont 41 actifs, sur une architecture MoE. 45 000 milliards de tokens de pré-entraînement, en texte, images, audio et vidéo nativement. Fenêtre de contexte d'un million de tokens. Plus de 30 millions de déroulés d'apprentissage par renforcement. Matériel NVIDIA GB300 NVL72. Licence Apache-2.0, sur Hugging Face.
Une franchise inhabituelle sur le classement
Le tableau de benchmarks est d'une complétude et d'une franchise rares sur la position réelle d'Inkling. Face aux autres modèles à poids ouverts, il tient la comparaison partout. Face à la pointe fermée — Fable 5, GPT-5.6 Sol —, il est nettement en dessous. Et le laboratoire le dit sans détour : « Ce n'est pas le modèle le plus performant disponible aujourd'hui, qu'il soit fermé ou ouvert. » Un tel aveu, dès le premier paragraphe, ne se voit pas tous les jours.
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, au niveau des meilleurs modèles ouverts. 97,1 % sur AIME 2026, benchmark quasi saturé pour tout le monde. 46 % sur HLE avec outils : honorable, mais loin de la pointe fermée.
Mise à jour du 30 juillet : le petit frère dépasse le grand, et c'était voulu
Inkling avait été lancé avec l'aperçu d'un second modèle, dont les poids étaient promis « une fois les tests terminés ». C'est chose faite : Inkling-Small, 276 milliards de paramètres au total dont 12 actifs, présenté par le laboratoire comme offrant « des performances comparables à Inkling pour un quart de sa taille ».
La formule est trop modeste. Inkling-Small n'égale pas seulement Inkling : en raisonnement et en programmation agentique, il le dépasse. HLE en texte seul, 31,6 % contre 29,7 % ; GPQA Diamond, 89,5 % contre 87,2 % ; SWE-Bench Verified, 80,2 % contre 77,6 % ; ARC-AGI-1, 84,0 % contre 79,5 % ; ARC-AGI-2, 40,1 % contre 36,5 %. À chaque fois, c'est le modèle le plus petit qui devance un modèle près de trois fois et demie plus gros.
L'explication n'a rien de mystérieux une fois donnée par Thinking Machines — et c'est elle, la véritable information. Inkling-Small n'est pas un Inkling réduit : c'est un Inkling postérieur. Son entraînement a démarré une fois le grand modèle terminé, et il a donc bénéficié des corrections apportées au mélange de données de pré-entraînement comme à la recette d'apprentissage. Le post-entraînement est allé plus loin encore : un checkpoint antérieur, « Inkling-Small (preview) », a été partiellement entraîné par distillation on-policy avec Inkling lui-même pour professeur, puis a reçu deux semaines supplémentaires d'apprentissage par renforcement sur la programmation agentique. Le petit modèle a donc hérité du jugement du grand, puis a poursuivi son entraînement au-delà, précisément sur les tâches où il le devance aujourd'hui.
Ce qu'il perd, ce sont des connaissances, pas du raisonnement. Thinking Machines le formule aussi nettement que les faiblesses initiales d'Inkling : « Inkling conserve un avantage en couverture des connaissances et en factualité. » SimpleQA Verified tombe à 20,6 %, contre 43,9 % pour Inkling ; AA Omniscience passe d'un score positif de 2,1 à −9,0. Tout cela est cohérent : la distillation et l'apprentissage par renforcement transmettent le processus de raisonnement, mais la restitution factuelle brute dépend des paramètres mémorisés pendant le pré-entraînement, et un petit modèle en a moins à disposition. Le raisonnement se transmet ; les connaissances de détail, non.
Un point que l'annonce survole mérite d'être nommé, puisque l'objet même de ces mises à jour est d'éviter qu'un beau titre masque le reste du tableau. Le score FORTRESS en conditions adverses — la capacité du modèle à refuser des requêtes réellement dangereuses — tombe à 71,6 %, contre 78,0 % pour Inkling, et l'annonce se contente de le qualifier de « compétitif ». Une baisse de 6,4 points sur le refus de requêtes nuisibles est un chiffre qui mérite d'être présenté au lecteur, pas expédié en un adjectif.
Mise à jour du 31 juillet : ce qu'il y a derrière ce « compétitif »
Cette baisse de 6,4 points, résumée d'un mot dans l'annonce initiale, dispose désormais de sa justification complète. Thinking Machines a publié le cadre de sécurité sur lequel le laboratoire s'est appuyé pour juger la publication des poids d'Inkling sans danger : évaluations internes sur les risques CBRN, cyber, détournements et multimodaux, et quatre cabinets externes de red teaming, chacun affecté à un domaine de risque distinct. Le point méthodologiquement décisif : un affinage adverse qui supprime entièrement le comportement de refus, afin de vérifier si le modèle révèle alors une capacité dangereuse inédite. Ce n'est pas le cas. Voilà ce que recouvre réellement le mot « compétitif » : non pas qu'Inkling est sans risque, mais que le priver de ses refus ne débloque rien que les modèles à poids ouverts existants n'offrent déjà.