
Pour démontrer que son nouveau modèle n’a pas besoin de connexion internet, l’équipe de Thinking Machines l’a embarqué en avion : installé sur un MacBook Pro coupé du Wi-Fi, Inkling 2 Mini a codé un simulateur de vol jouable en quelques minutes à peine, assure la start-up.
Un tel démonstrateur tombe à pic dans un écosystème de l’IA locale largement dominé par les modèles Qwen du géant chinois Alibaba, face auxquels Gemma 4 de Google et Mistral jouent les outsiders. Voir un laboratoire américain venir bousculer Qwen sur son terrain de prédilection suffit donc à enflammer toute la communauté des développeurs.
Fondé en 2025 par Mira Murati, ancienne directrice technique d’OpenAI, Thinking Machines Lab a publié Inkling 2 Mini ce 20 novembre, deux semaines seulement après le lancement de son grand frère Inkling 2 Small. Ce format compact, présenté sur X, a été taillé sur mesure pour le développement logiciel et les agents autonomes capables d’enchaîner seuls des actions, avec des poids distribués sous licence libre Apache 2.0 (usage commercial inclus).
Comment 26 milliards de paramètres tiennent dans 20 Go
Faire rentrer un modèle de 26 milliards de paramètres dans moins de 20 Go de mémoire vive relève d’une véritable prouesse qui repose sur trois astuces complémentaires. Habituellement, chaque paramètre (un nombre appris durant l’entraînement) est stocké sur 16 bits, ce qui porterait le poids d’Inkling 2 Mini à plus de 50 Go.


Le Black Friday est lancé sur l’univers Apple. Sur Back Market, profitez de promotions sur les iPhone, MacBook, iPad, AirPods et Apple Watch. Chaque appareil est soumis à jusqu’à 100 points de contrôle qualité et est livré avec une garantie de 12 mois. De quoi profiter de performances comparables à celles d’un produit neuf.
Pour diviser la facture mémoire, Thinking Machines a entraîné son modèle nativement en NVFP4, un format 4 bits conçu par Nvidia, en conservant uniquement les quatre dernières couches en 8 bits pour préserver la précision. Chaque valeur occupe ainsi quatre fois moins d’espace et, comme le réseau a appris directement dans ce format réduit, il évite la perte de qualité habituelle d’une compression après coup pour descendre autour de 20 Go.

La deuxième clé réside dans une architecture en mélange d’experts (MoE) : chacune des couches abrite 128 sous-réseaux spécialisés, dont 8 seulement sont mobilisés pour traiter chaque jeton (un fragment de mot). Concrètement, seuls 3,4 milliards de paramètres s’activent à un instant donné, ce qui garantit une vitesse d’exécution élevée. L’architecture comptait initialement 384 experts par couche, mais les ingénieurs ont élagué les deux tiers les moins sollicités avant de réentraîner les survivants à l’aide d’un modèle Inkling plus vaste pour compenser.
Enfin, la véritable singularité technique du modèle tient à son mécanisme de bouclage interne : sur ses 24 couches, les 12 couches centrales sont parcourues trois fois d’affilée pour chaque jeton, chaque passe transmettant sa synthèse à la suivante. Le système obtient ainsi la profondeur de raisonnement d’un modèle de 48 couches sans occuper un seul octet supplémentaire en mémoire vive. Si cette boucle demande davantage de calcul, elle permet au modèle de réfléchir en silence plutôt que de générer de longues chaînes de texte intermédiaires, économisant selon la start-up 140 % de calcul sur les tâches d’agent complexes.
Meilleur que Qwen3.8 sur le code, mais pas partout
Sur le banc d’essai DeepSWE v1.1, qui évalue la capacité d’une IA à corriger seule de véritables bugs logiciels, Inkling 2 Mini résout 48,2 % des problèmes soumis, devançant nettement les 42,2 % du chinois Qwen3.8-27B. Ces performances communiquées par le laboratoire n’ont toutefois pas encore été vérifiées de manière indépendante, comme le souligne la fiche d’Inkling 2 Mini sur QUELLE IA.
| Test (ce qu’il mesure) | Inkling 2 Mini | Qwen3.8-27B | Gemma 4 31B | Muse Glimmer | Nemotron 3.5 Super VL |
|---|---|---|---|---|---|
| Paramètres sollicités / total (milliards) | 5,4 / 26,4 | 27 / 27 | 30,7 / 30,7 | 30 / 30 | 12 / 124,5 |
| Note globale : AA Index v5.0 (moyenne de tests de référence) | 20,1 | 20,1 | 4,4 | 6,3 | 13,6 |
| Code : DeepSWE v1.1 (corriger seul de vrais bugs) | 48,2 % | 42,2 % | 0,3 % | 4,4 % | 24,7 % |
| Code : SWE-bench Verified (tickets GitHub réels) | 79,2 % | 77,8 % | 46,1 % | 76,0 % | 71,1 % |
| Code : Terminal Bench 2.1 (tâches en ligne de commande) | 71,6 % | 73,0 % | 43,4 % | 51,7 % | 60,7 % |
| Agents : BrowseComp (recherche web difficile) | 79,0 % | 61,6 % | 37,0 % | 63,9 % | 78,9 % |
| Agents : MCP Atlas (utiliser des outils connectés) | 82,7 % | 77,3 % | 54,2 % | 75,5 % | 67,7 % |
| Bureautique : GDPVal-AA v2.1 (tâches de travail réelles, score Elo) | 1319 | 1427 | 627 | 792 | 1162 |
| Vision : OmniDocBench v1.6 (lire des documents) | 92,8 % | 91,5 % | 82,5 % | 90,4 % | 77,9 % |
| Vision : MMMU Pro (comprendre des images) | 74,9 % | 76,3 % | 73,4 % | 74,3 % | 72,3 % |
| Raisonnement : ARC-AGI v2 (énigmes logiques inédites) | 49,3 % | 42,4 % | non publié | non publié | 1,5 % |
| Long contexte : LongBench v2 (exploiter de très longs textes) | 66,9 % | 52,3 % | 52,9 % | 33,1 % | 62,1 % |
| Fiabilité : AA-Omniscience (réponses sans hallucination) | 63,4 % | 71,4 % | 14,5 % | 16,4 % | 69,5 % |
| Consignes : ComplexConstraints v1.1 (respecter des instructions complexes) | 33,4 % | 35,6 % | 31,6 % | 30,1 % | 30,1 % |
| Sécurité : actions destructrices en mode agent (plus bas = mieux) | 10,2 % | 35,2 % | 75,8 % | 68,8 % | 65,6 % |
En dehors du code et du pilotage d’outils, Qwen3.8 reprend néanmoins l’avantage en conversation courante et invente nettement moins de fausses informations (71,4 % de réponses fiables sur le test AA-Omniscience, contre 63,4 % pour son rival américain). Le bouclage interne dope visiblement les capacités de logique pure, mais montre ses limites lorsqu’il faut restituer des connaissances factuelles mémorisées.
Comment l’installer et le brancher à un agent
Si vous débutez avec les modèles exécutés hors ligne, notre guide pour installer un ChatGPT en local détaille tous les outils indispensables. Pour Inkling 2 Mini, la déclinaison 4 bits recommandée par le spécialiste de l’optimisation Unsloth pèse 17,6 Go sur le disque, auxquels il faut ajouter l’espace mémoire réservé au contexte (le texte que l’IA garde en mémoire active). Selon les essais d’Unsloth, il reste même possible de le faire tourner sur une machine limitée à 16 Go de RAM en passant par une quantification plus agressive, au prix d’une légère baisse de précision.
- Vérifier sa configuration matérielle : un Mac doté de 32 Go de mémoire unifiée (via Ollama, selon Thinking Machines), un PC à mémoire unifiée (AMD Ryzen AI Max+ 395 dit Strix Halo, Nvidia RTX Spark ou DGX Spark), un PC portable Intel Panther Lake de 32 Go, ou encore une carte graphique dédiée de 24 Go de VRAM. Sur une configuration de 16 Go, il faudra se rabattre sur une version compressée en 3 bits.
- Installer un moteur d’exécution local : télécharger Ollama, LM Studio, Unsloth Desktop ou llama.cpp (dont le support est encore expérimental), puis récupérer les fichiers du modèle sur Hugging Face.
- Démarrer le serveur local : lancer une instance locale (accessible par exemple sur
localhost:8080avec llama.cpp) compatible avec le format d’API d’OpenAI, ce qui permet de la relier à n’importe quel outil conçu pour ChatGPT. Unsloth recommande de plafonner la fenêtre de contexte à 32 000 jetons afin d’éviter de saturer la mémoire. - Connecter un agent de code : brancher un harnais logiciel tel que OpenCode, pi ou OpenHands pour autoriser le modèle à explorer des dossiers, exécuter des commandes dans le terminal et éditer directement le code.
Grâce au protocole MCP (Model Context Protocol), qui relie une IA à des logiciels externes, les équipes d’Unsloth ont déjà montré le modèle en train de piloter Blender, le célèbre logiciel de création 3D. De son côté, Thinking Machines a mis en scène un petit village en pixel art baptisé Thinkyville, dont les 20 habitants animés par l’IA planifient leur journée, discutent et réagissent aux notes laissées sur leur porte sur un seul MacBook hors ligne.
Pour faire vos premiers pas sans prise de tête, notre guide de l’IA locale sur Windows, Mac et Linux détaille toute la marche à suivre, tandis que Quelle IA liste les configurations compatibles pour faire tourner le modèle dans les meilleures conditions.
Pour aller plus loin
Comment installer un modèle LLM type ChatGPT sur PC ou Mac en local ? Voici le guide ultime pour tous
Votre café et votre dose de tech vous attendent sur WhatsApp chaque matin avec Frandroid.
Pour nous soutenir gratuitement, dites simplement à Google d’ajouter Frandroid à vos sources préférées en cliquant ici.

Ce contenu est bloqué car vous n'avez pas accepté les cookies et autres traceurs. Ce contenu est fourni par Disqus.
Pour pouvoir le visualiser, vous devez accepter l'usage étant opéré par Disqus avec vos données qui pourront être utilisées pour les finalités suivantes : vous permettre de visualiser et de partager des contenus avec des médias sociaux, favoriser le développement et l'amélioration des produits d'Humanoid et de ses partenaires, vous afficher des publicités personnalisées par rapport à votre profil et activité, vous définir un profil publicitaire personnalisé, mesurer la performance des publicités et du contenu de ce site et mesurer l'audience de ce site (en savoir plus)
En cliquant sur « J’accepte tout », vous consentez aux finalités susmentionnées pour l’ensemble des cookies et autres traceurs déposés par Humanoid et .
Vous gardez la possibilité de retirer votre consentement à tout moment. Pour plus d’informations, nous vous invitons à prendre connaissance de notre Politique cookies.