← Retour au blog
AiEnviron 7 min de lecture

Thinking Machines lance un modèle de 594B et repousse les poids d'une semaine

Publié le 11 nov. 2026
Thinking Machines lance un modèle de 594B et repousse les poids d'une semaine

Inkling 2 Small est sorti le 5 novembre. C'est un mélange d'experts parcimonieux de 594 milliards de paramètres au total et 17 milliards actifs par token, avec une fenêtre de contexte d'un million de tokens et une entrée image. Il obtient 86,3 % sur SWE-Bench Pro v2 Hard. Il est disponible via le service Tinker de Thinking Machines pour l'inférence et l'affinage.

Les poids ne sont pas sortis. Le laboratoire indique que les poids Apache 2.0 suivront une semaine après le lancement, une fois les tests de sécurité externes et le red-teaming terminés, et il n'a pas donné de date.

Cet écart, c'est l'histoire. Tout ce que cette publication a d'intéressant se situe entre ce qui a été livré et ce qui a été promis.

Le modèle lui-même

Cinq cent quatre-vingt-quatorze milliards de paramètres avec 17 milliards actifs placent Inkling 2 Small dans la même famille architecturale que la plupart des sorties de frontière de 2026 : vous payez pour un grand réservoir de connaissances et n'en calculez qu'une tranche par token. Le contexte d'un million de tokens et l'entrée image le classent dans la catégorie des agents multimodaux, pas dans celle des chatbots.

L'entraînement est documenté assez pour être instructif. Thinking Machines a entraîné sur des racks GB300 NVL72, terminé la phase initiale de pré-entraînement en 68 heures, puis mené un flux d'apprentissage par renforcement de neuf jours, avec des étapes intermédiaires entre les deux. La capacité de programmation vient de centaines de milliers de défis à long horizon, dont un ensemble que l'entreprise appelle exercices d'autoresearch : des tâches qui demandaient au modèle de post-entraîner des réseaux de neurones, d'optimiser des noyaux et de faire d'autres morceaux de travail d'apprentissage automatique.

La démonstration choisie pour ces compétences est celle que j'aurais choisie aussi. Il était demandé au modèle d'affiner Qwen3.5-4B pour améliorer la prévision, et le modèle a doublé le score de prévision du modèle de base en quatre heures et demie.

C'est un petit résultat avec une grande implication. Un modèle capable d'améliorer la performance d'un autre modèle sur une tâche précise, sans supervision, en quelques heures, est un modèle qu'on peut pointer vers un dépôt en lui demandant de l'améliorer. Qu'il le fasse de façon fiable est une autre question, et le tableau de benchmarks est l'endroit où regarder.

La partie que presque personne n'a mentionnée

Inkling 2 Small inclut un encodeur visuel, et il représente 292 millions des 594 milliards de paramètres. C'est un arrondi dans le décompte des paramètres et une capacité significative en pratique : le modèle peut regarder ce qu'il a produit.

L'exemple donné par le laboratoire est la construction d'une boutique en ligne. Le modèle écrit le site, puis vérifie les pages produit rendues pour voir si elles s'affichent correctement, au lieu de seulement relire son propre code à la recherche de bugs. Cela ferme une boucle que les modèles de code laissent généralement ouverte. La plupart des agents savent dire que le build est passé. Moins savent dire que la page est cassée.

La même boucle apparaît en génération d'images, où le modèle peut vérifier visuellement la qualité des graphiques qu'il produit. La vision comme canal de vérification, et non comme modalité d'entrée, est un choix de conception sous-estimé, et c'est le genre de chose qui compte davantage à mesure que les agents prennent des tâches longues où l'échec est visible mais pas textuel.

Les benchmarks, et l'affirmation qui va avec

Les chiffres publiés placent Inkling 2 Small devant Spark Open, Kimi K3 et plusieurs autres modèles ouverts sur trois benchmarks de travail de connaissance, et devant sur plusieurs jeux de tâches financières. Artificial Analysis dit qu'il égale Gemini 3.8 Flash à effort de raisonnement élevé sur son indice, et qu'une fois les poids livrés, il serait le modèle ouvert le plus fort hors de Chine.

Cette seconde proposition fait beaucoup de travail, et c'est une affirmation sur un modèle qu'on ne peut pas encore télécharger.

Il y a aussi une subtilité de calendrier. Le 4 novembre, Ricursive a publié Ripple-65B Preview, un modèle dense Apache 2.0 qui a pris la première place des modèles ouverts américains sur Terminal-Bench 2.1, à 80,52. La fiche d'Inkling 2 Small le placerait à 81,3 sur le même benchmark avec le même harnais Terminus. Le record a donc bougé deux fois en deux jours, et un seul des deux s'accompagne de fichiers téléchargeables.

Pourquoi retenir les poids se défend

La raison annoncée, ce sont les tests de sécurité externes et le red-teaming avant publication. C'est une pratique légitime. C'est aussi, sur ce marché, une couverture.

Publier des poids est irréversible. Un laboratoire qui les diffuse ne peut pas les reprendre si une capacité s'avère plus dangereuse en combinaison avec autre chose. Attendre une semaine ne coûte presque rien commercialement, parce que l'API est en ligne et que les revenus commencent tout de suite. Cela donne au laboratoire un récit public de sécurité et une chance de repousser la date si quelque chose tourne mal.

Le coût de l'attente, c'est que l'affirmation reste invérifiable. « Meilleur modèle ouvert hors de Chine » est une phrase de marketing tant qu'il n'y a pas de torrent. Chaque semaine de retard transforme un lancement de produit en promesse, et les promesses sont décotées exactement du montant d'incertitude qu'elles portent.

Le laboratoire derrière

Le contexte commercial est bruyant. Business Insider a rapporté que Thinking Machines lève 5 milliards de dollars sur une valorisation pré-money de 40 milliards, avec Accel en discussions pour mener le tour, ce qui ferait plus que tripler la valorisation du dernier tour public. L'entreprise avait levé un seed de 2 milliards à plus de 10 milliards l'an dernier, et une tentative antérieure à 50 milliards se serait soldée sans accord.

Environ un tiers de l'équipe fondatrice est partie, dont Barret Zoph, Luke Metz et Andrew Tulloch. Cela fait beaucoup de départs pour une entreprise aussi jeune, et cela jure à côté d'une valorisation de 40 milliards. L'argument inverse est qu'un laboratoire de recherche n'est pas un groupe de musique, et que ce qui compte est de savoir si la recette d'entraînement se transmet à ceux qui sont restés.

Le calendrier de la sortie du modèle et de l'annonce de levée n'est pas une coïncidence. Un record sur un classement de poids ouverts, une recette d'entraînement documentée et une démonstration de capacité impliquant l'amélioration autonome d'un modèle, c'est exactement le dossier qu'on montre à des investisseurs à qui l'on demande de valoriser un laboratoire à 40 fois le tour précédent.

Le cadre plus large

La même semaine, les données de paiement de Ramp montraient un volume de tokens d'IA en entreprise en hausse de 37,1 % tandis que la dépense augmentait de 8,9 %, avec environ 1 % des entreprises représentant 80 % de la dépense et cette cohorte du haut passant sous son pic d'été.

Un laboratoire qui vend un modèle de 594B sur ce marché doit répondre à une question dure : qui paie ? Le client des agents de programmation est celui qui a le budget aujourd'hui. Cela explique pourquoi chaque sortie de modèle de ce cycle commence par SWE-bench, Terminal-Bench et le travail de connaissance, et pourquoi l'histoire de l'affinage compte autant que la fiche du modèle. Si votre modèle peut améliorer en quatre heures le petit modèle d'un client, vous vendez un service, pas un point de contrôle.

Inkling 2 Small ressemble à un modèle solide. Le test utile arrivera quand l'archive arrivera. D'ici là, le résumé honnête est que Thinking Machines a publié un très bon ensemble de résultats, une recette d'entraînement qui mérite lecture, une capacité réellement sous-estimée et une date qu'il ne s'est pas engagé à tenir.

Articles associés