Thinking Machines lance Inkling, défie les IA "taille unique"

Résumé

Thinking Machines Lab lance Inkling, un modèle open-weight de 975 milliards de paramètres pensé pour être adapté par les entreprises, plutôt que vendu comme chatbot généraliste.

Les faits

Thinking Machines Lab, la start-up d’IA fondée par l’ancienne CTO d’OpenAI Mira Murati, a présenté mercredi matin son premier modèle maison, baptisé Inkling, décrit comme un modèle « open-weight » que développeurs et entreprises peuvent télécharger et modifier directement. Inkling est une architecture de type mixture-of-experts totalisant 975 milliards de paramètres, mais n’en mobilise qu’environ 41 milliards pour une tâche donnée, une conception courante qui permet de maintenir des modèles très volumineux rapides et moins coûteux à exécuter. Le modèle a été entraîné sur 45 billions de tokens couvrant du texte, de l’image, de l’audio et de la vidéo, et raisonne nativement sur ces quatre modalités, même si, pour l’instant, ses sorties restent limitées au texte, incluant le code, des artefacts stylisés et des données structurées. Il constitue le premier « proof point » public de Thinking Machines après un an et demi passé à construire des infrastructures d’IA en grande partie à l’abri des regards, prolongeant un précédent aperçu de recherche publié en mai sur des « modèles d’interaction » conçus pour écouter, parler et même interrompre, à rebours des chatbots classiques qui s’arrêtent et attendent. Inkling est présenté comme un modèle donnant des réponses calibrées, capable de signaler son incertitude plutôt que de deviner, et offrant aux utilisateurs la possibilité de régler un niveau d’« effort de réflexion » pour arbitrer entre profondeur de raisonnement et vitesse. Sur un benchmark de code, la société affirme qu’Inkling consomme trois fois moins de tokens que Nemotron 3 Ultra de Nvidia, tout en atteignant la même performance en programmation. Thinking Machines souligne par ailleurs qu’Inkling « n’est pas le modèle le plus fort disponible aujourd’hui, fermé ou ouvert », misant plutôt sur une performance équilibrée et une forte capacité de personnalisation. Sur le plan commercial, la start-up cible le marché entreprise en positionnant Inkling moins comme un produit fini que comme un point de départ à affiner via Tinker, sa plateforme de personnalisation de modèles, ce qui implique que les clients sont responsables de la sûreté de leurs ajustements. Ce pari s’oppose à la stratégie d’OpenAI, Anthropic et Google, qui ont conçu ChatGPT, Claude et Gemini comme des chatbots généralistes, puis ajouté par-dessus des fonctionnalités agentiques et autonomes. Thinking Machines ancre son lancement dans un argumentaire publié la semaine précédente, selon lequel une IA entraînée de manière centralisée par une seule entreprise et figée sous-performe des systèmes que les organisations façonnent elles-mêmes, la plupart des expertises étant spécifiques aux personnes qui les détiennent.

Pourquoi c’est important

Avec Inkling, Thinking Machines s’inscrit au cœur d’un débat stratégique sur la place des modèles ouverts et personnalisables face aux grands modèles propriétaires. Le modèle illustre une thèse qui gagne du terrain dans l’écosystème : des systèmes que les entreprises adaptent à leurs propres connaissances pourraient, à coût maîtrisé, dépasser les offres « taille unique » des grands laboratoires d’IA. La conception open-weight d’Inkling, son architecture mixture-of-experts de 975 milliards de paramètres mobilisant seulement 41 milliards par requête, et son entraînement multimodal sur 45 billions de tokens en font une plateforme technique amenée à servir de socle à des modèles spécialisés. En visant des réponses calibrées, un effort de réflexion ajustable et une intégration via Tinker, Thinking Machines cherche à capter les organisations désireuses de garder la main sur leurs données, leurs savoirs et la sûreté de leurs systèmes, tout en bénéficiant de performances de haut niveau en code et en raisonnement.

Questions fréquentes

Qu’est-ce qu’Inkling ?

Inkling est le premier modèle maison de Thinking Machines Lab, un modèle open-weight que développeurs et entreprises peuvent télécharger et modifier directement.

Quelle est la taille du modèle Inkling ?

Inkling est une mixture-of-experts totalisant 975 milliards de paramètres, dont environ 41 milliards sont activés pour une tâche donnée.

Sur quelles données Inkling a-t-il été entraîné ?

Inkling a été entraîné sur 45 billions de tokens de texte, image, audio et vidéo, et raisonne nativement sur ces quatre modalités.

Inkling produit-il autre chose que du texte ?

Selon Thinking Machines, Inkling raisonne sur texte, image, audio et vidéo, mais ses sorties sont pour l’instant limitées au texte, au code, aux artefacts stylisés et aux données structurées.

Comment Thinking Machines positionne-t-elle Inkling sur le marché ?

La start-up présente Inkling comme un point de départ à personnaliser via sa plateforme Tinker, plutôt qu’un chatbot généraliste prêt à l’emploi.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.