Inkling : Ce qu'il faut savoir sur le premier modèle d'IA open-weight de Thinking Machines Lab

Le 15 juillet 2026, Thinking Machines Lab — la start-up d'IA fondée par Mira Murati, ex-directrice technique d'OpenAI — a dévoilé Inkling, son premier modèle propriétaire en open-weight. Ce lancement met fin à plus d'un an de spéculations sur ce que le laboratoire allait construire après avoir levé la coquette somme de 2 milliards de dollars lors d'un tour de table historique . Voici un décryptage vérifié de tout ce qu'il faut savoir sur Inkling, la structure de l'entreprise et le paysage concurrentiel dans lequel elle s'inscrit.

Inkling — Détails clés du modèle

Nombre de paramètres et architecture : Le nombre exact de paramètres d'Inkling n'avait pas été officiellement confirmé par Thinking Machines Lab au moment de la rédaction de cet article. Un rapport décrit Inkling comme un « système mixture-of-experts, fort de 975 milliards de paramètres au total », qui n'en active qu'une fraction pour chaque tâche spécifique . Ce chiffre n'a pas été corroboré par les canaux officiels de l'entreprise ni par d'autres sources indépendantes. Le précédent modèle de la société, dévoilé en mai 2026, le TML-Interaction-Small, était une architecture MoE de 276 milliards de paramètres avec seulement 12 milliards de paramètres actifs par passage . Il est plausible qu'Inkling partage une conception MoE similaire, mais aucune source n'a publié un nombre de paramètres confirmé spécifiquement pour Inkling .

Plateforme de lancement et accessibilité : Les poids complets d'Inkling ont été rendus disponibles le 15 juillet 2026. Le modèle est accessible pour le fine-tuning sur la propre plateforme de Thinking Machines, baptisée Tinker, et l'entreprise indique que les utilisateurs peuvent « jouer avec » via une interface interactive appelée l'Inkling Playground . Les poids étant ouverts, un déploiement externe est également possible.

Modalités : Inkling raisonne efficacement sur les modalités texte, image et audio .

Positionnement stratégique face aux fournisseurs de modèles fermés : Thinking Machines Lab a explicitement positionné Inkling comme « une rupture significative avec les offres phares d'OpenAI, d'Anthropic ou de Google » en le publiant en tant que modèle open-weight . L'entreprise mise sur la transparence, la personnalisation et la liberté des développeurs — une approche qui contraste avec les API fermées et l'accès restreint des grands laboratoires de pointe. Cela correspond à la mission affichée de l'entreprise : rendre les systèmes d'IA avancés « plus largement compris, personnalisables et généralement disponibles » .

Financement de l'entreprise et statut de société d'utilité publique

Financement : Thinking Machines Lab a levé 2 milliards de dollars en amorçage (seed round) — le plus important de l'histoire du capital-risque — mené par Andreessen Horowitz, avec la participation de Nvidia, AMD, Cisco, Accel, Jane Street et d'autres . La valorisation était estimée entre 10 et 12 milliards de dollars à la clôture du tour .

Société d'utilité publique (Public Benefit Corporation - PBC) : La société est structurée en PBC, ce qui l'oblige légalement à équilibrer la valeur actionnariale avec un objectif d'utilité publique déclaré . Sa mission met l'accent sur la fiabilité, la transparence, l'interprétabilité et la collaboration homme-IA .

Paysage concurrentiel

Inkling arrive sur un marché déjà encombré par de solides modèles open-weight — notamment Llama 4 de Meta, les modèles de Mistral et les publications open-source de DeepSeek — ainsi que par les modèles de pointe fermés d'OpenAI (GPT-5), Google (Gemini 2.0) et Anthropic (Claude 4). Les principaux facteurs de différenciation de Thinking Machines Lab sont les suivants :

• Pédigrée de l'équipe fondatrice : Dirigée par Mira Murati, ex-CTO d'OpenAI, avec des talents de recherche d'OpenAI, notamment les co-créateurs du RLHF et le chercheur en IA qui a bâti la culture de sécurité qui a façonné GPT-4 .
• Écosystème Tinker : Inkling est intégré nativement à Tinker, une plateforme de fine-tuning de bas niveau qui abstrait l'orchestration distribuée des GPU tout en laissant aux développeurs un contrôle total sur les boucles d'entraînement — une proposition plus ciblée et technique que les vastes produits grand public d'OpenAI ou de Google .
• Cadre open-weight + PBC : La combinaison de l'ouverture complète des poids avec un statut légal d'utilité publique est rare à cette échelle, ce qui pourrait séduire les clients entreprises et les régulateurs préoccupés par la concentration du pouvoir de l'IA .
• Réserve sur le stade précoce : Inkling est la première publication de modèle propriétaire de la société. Les benchmarks indépendants comparant ses capacités brutes à celles de GPT-5, Claude 4 ou Llama 4 n'étaient pas encore disponibles au lancement .