Le fait
Le 5 novembre 2026, Thinking Machines Lab a annoncé Inkling 2 Small, deuxième génération de sa famille Inkling. C’est un modèle à mélange d’experts multimodal (594 milliards de paramètres au total, 17 milliards actifs) qui accepte texte et images, avec un effort de raisonnement variable et une fenêtre de contexte d’un million de jetons. Sur l’Artificial Analysis Intelligence Index, Thinking Machines affiche un score de 31, en nette hausse face à ses modèles précédents.
Contexte
Le laboratoire détaille une disponibilité initiale via Tinker (inférence, fine-tuning, playground), en poids fermés. Il dit vouloir publier les poids complets sous licence Apache 2.0 « la semaine suivante », après tests de sécurité externes et red teaming. Les chiffres de bancs (FrontierCode, DeepSWE, AA-Briefcase, finance, vision) viennent du blog Thinking Machines, souvent en comparaison avec d’autres modèles flash ouverts. Un essai interne d’« autoresearch » cite un fine-tuning autonome de Qwen3.5-4B sur des séries temporelles : 4 h 17 de travail et 426 dollars de budget Tinker pour environ doubler le score de prévision, selon l’entreprise.
Pourquoi ça compte
Un MoE « flash » proche du front ouvert, promis en Apache, change l’offre pour les équipes qui veulent fine-tuner sans rester prisonnières d’une API.
Lecture Neurone21
Les scores sont ceux de Thinking Machines ; l’ouverture Apache n’est pas encore faite au moment du billet. À suivre : la date réelle de publication des poids, les mesures indépendantes sur AA Index, et le niveau d’alignement face aux modèles fermés.