Thinking Machines Lab a publié Inkling 2 Mini, un modèle multimodal compact conçu pour un usage local, et Hugging Face a mis en ligne son article de lancement le 20 novembre 2026. Le texte est signé par merve, Pedro Cuenca, Aritra Roy Gosthipaty et Guarin Flück, de Hugging Face. Il s'agit d'un système à mélange d'experts totalisant environ 26 milliards de paramètres, dont environ 3 milliards sont actifs pour chaque token. Il accepte le texte et les images et gère une fenêtre de contexte d'un million de tokens.

Son architecture sort de l'ordinaire. Inkling 2 Mini stocke 24 couches de décodage, mais les 12 du milieu sont parcourues trois fois en boucle : chaque token effectue donc 48 passages dans des couches, alors que le point de contrôle contient beaucoup moins de couches distinctes. Les passes réutilisent les mêmes poids et échangent de l'information par des messages appris, un petit contrôleur décidant quelle part de l'entrée courante conserver et quelle part de la passe précédente ajouter. À chaque passage, le routeur choisit 8 experts parmi 128. Thinking Machines Lab présente ce montage comme un moyen de gagner en capacité sans alourdir le modèle stocké.

La distribution adopte un format en précision mixte, avec des poids NVFP4 et MXFP8 pour les experts, et inclut un modèle brouillon DSpark censé accélérer la génération pour un faible surcoût mémoire. Un second point de contrôle de recherche, TML-d24-varloop-research, a été entraîné pour accepter un nombre variable de passes dans la boucle. Exécuter une ou deux passes au lieu de trois accélère l'inférence au prix d'une qualité un peu moindre ; les auteurs disent avoir vérifié que cela fonctionne, sans l'avoir évalué en profondeur.

Côté performances, l'article de lancement affirme qu'Inkling 2 Mini est le meilleur de sa catégorie de taille sur l'Artificial Analysis Intelligence Index v5 et qu'il devance Gemma 4 31B, Muse Glimmer, Qwen3.8-27B et Nemotron 3.5 Super VL sur 32 des 48 tests. Il mène sur FrontierCode v2.0, fait jeu égal avec Qwen3.8-27B sur Terminal-Bench 4.0 et le suit sur AutomationBench-AA. Hugging Face ajoute que ses essais informels le placent au moins au niveau de Qwen3.8-27B et reconnaît qu'une validation supplémentaire est nécessaire. Ces chiffres viennent des concepteurs et de leur partenaire, pas d'une évaluation indépendante.

Pour les développeurs, l'intérêt concret est la prise en charge dès le premier jour. Le modèle tourne dans transformers, dans llama.cpp via la Llama App et dans MLX pour le matériel Apple, et SGLang propose une inférence de production sur GPU de centres de données. L'effort de raisonnement se règle à chaque requête, de nul à maximal. Hugging Face a montré des exemples où le modèle, utilisé avec l'agent de programmation Pi, a construit une petite application web de partage de dépenses à partir d'un croquis photographié, et où une version quantifiée sur 4 bits a produit un site complet à partir d'une seule phrase.

Cette sortie fait suite au premier Inkling, en juillet 2026, et place la famille au bas de l'échelle des modèles locaux ouverts, où elle affronte directement des modèles de 20 à 30 milliards de paramètres. Reste à savoir si la conception en boucle conserve son avance hors des benchmarks publiés ; seules des évaluations indépendantes trancheront.

Références