Inkling 2 Mini est un modèle de langage ouvert, publié le 20 novembre 2026 par Thinking Machines Lab, le laboratoire de Mira Murati. Il compte 26,4 milliards de paramètres dont 3,4 milliards actifs par token, pèse environ 20 Go et s'utilise librement sous licence Apache 2.0. Pour une entreprise, c'est un modèle ouvert annoncé performant sur les tâches d'agent qui tient sur un portable de 32 Go de mémoire.
En pratique, il ouvre une option d'IA souveraine sans serveur de datacenter : les données ne quittent pas la machine. Il suffit probablement pour des agents simples, de l'extraction, de la classification et un assistant de code local. Il ne suffit pas, à ce stade, pour le raisonnement long, et son niveau en français reste à mesurer. Les chiffres cités viennent de l'éditeur et de sources secondaires, donc à rejouer sur vos cas. Pour le choix entre ce modèle et son grand frère, voir notre comparatif Inkling 2 Small contre Mini.
En résumé
- ✓ Modèle ouvert Apache 2.0, 26,4 Md de paramètres dont 3,4 Md actifs, environ 20 Go, publié le 20 novembre 2026.
- ✓ Tourne en local sur un Mac ou un GPU à partir de 32 Go de mémoire, ou sur un NVIDIA DGX Spark.
- ✓ 48,2 % sur DeepSWE v1.1 (code agentique), devant le meilleur modèle ouvert suivant à 42,2 %, selon les chiffres de l'éditeur.
- ✓ Limites annoncées : qualité moindre hors de l'anglais, fiabilité réduite avec les outils, boucles de raisonnement occasionnelles.
- ✓ À faire avant de migrer : rejouer vos cas réels, en français, sur le moteur d'inférence que vous comptez utiliser.
Que contient Inkling 2 Mini ?
Inkling 2 Mini est le plus petit modèle de la deuxième génération de la famille Inkling de Thinking Machines Lab. La famille compte déjà Inkling (15 juillet 2026, 975 milliards de paramètres), Inkling Small (31 juillet, 276 milliards) et Inkling 2 Small (5 novembre, 594 milliards dont 17 milliards actifs, poids publiés le 12 novembre). Mini est la version qui tient sur une machine individuelle.
Voici les caractéristiques publiées sur la fiche Hugging Face du modèle.
| Caractéristique | Inkling 2 Mini |
|---|---|
| Publication | 20 novembre 2026 |
| Paramètres (total / actifs par token) | 26,4 milliards / 3,4 milliards |
| Architecture | Mélange d'experts (8 experts sur 128 par token), 24 couches, 12 couches centrales bouclées 3 fois |
| Taille du modèle | Environ 20 Go (précisions NVFP4 et MXFP8 mélangées) |
| Contexte | Jusqu'à 1 million de tokens |
| Entrées / sorties | Texte et images en entrée, texte en sortie |
| Licence | Apache 2.0 |
Une architecture « en boucle » : plus de calcul sans plus de texte
Le détail technique qui distingue Inkling 2 Mini : il s'agit d'un looped transformer. Ses 24 couches sont stockées une seule fois, mais les 12 couches du milieu partagent leurs poids et sont parcourues trois fois par token. Le modèle « réfléchit » donc davantage à chaque token sans écrire plus de texte, et sans grossir sur le disque.
Conséquence à connaître : le calcul par token est plus élevé que « 3,4 milliards actifs » ne le suggère. La fiche évoque environ 5,4 milliards de paramètres effectifs par token avec les boucles. La vitesse réelle dépend de votre machine et de votre moteur, et se mesure. Ceux qui veulent comprendre le mécanisme trouveront le détail dans la fiche du modèle et dans les articles techniques de ianas.fr.
Le même jour, Thinking Machines a aussi publié une variante de recherche, TML-d24-varloop-research, qui permet de choisir entre 1 et 5 boucles et demande 32 Go de VRAM. Elle est présentée comme un objet de recherche, pas comme un modèle de production : on peut l'ignorer pour un projet d'entreprise.
Un modèle d'IA open source en local : ce que ça change
Un modèle qui tient sur un portable change une chose : les données ne quittent pas la machine, sans serveur GPU à acheter ni hébergeur à choisir. Pour les dossiers sensibles, c'est le niveau de souveraineté le plus simple à expliquer à un client ou à un DPO.
Le matériel : 32 Go de mémoire, pas un portable de bureau standard
Thinking Machines recommande au moins 32 Go de mémoire. Sont cités les Mac Apple silicon à partir de 32 Go de mémoire unifiée, le NVIDIA DGX Spark et les GPU de 32 Go de VRAM ou plus. Un poste bureautique avec 16 Go ne suffit pas. Pour une flotte de postes, il faut donc budgéter du matériel. Notre article sur le DGX Spark en entreprise détaille cette machine de bureau.
Les moteurs d'inférence : une liste longue, une maturité à vérifier
La fiche cite Hugging Face Transformers, vLLM, SGLang, llama.cpp, Ollama, Unsloth et Exo Labs pour Apple silicon. Pour le fine-tuning : Tinker, la plateforme de Thinking Machines, plus Miles et SkyRL. Le modèle est aussi accessible en API via Tinker.
Une liste de compatibilité n'est pas une garantie de qualité. Le modèle a un jour : les versions quantifiées communautaires (GGUF), les réglages et les fine-tunes tiers sont encore en train de se stabiliser, et l'architecture en boucle est récente pour ces outils. Avant de choisir entre vLLM et Ollama, lisez notre guide vLLM ou Ollama pour un modèle ouvert en entreprise, puis testez le moteur retenu avec ce modèle précis.
Pour la vue d'ensemble de ce que l'on peut héberger soi-même, voir l'IA en local en entreprise.
Inkling 2 Mini face aux autres modèles ouverts
Sur le code agentique, Inkling 2 Mini est annoncé en tête des modèles ouverts de moins de 100 milliards de paramètres. Ces scores viennent de Thinking Machines et sont repris par des sources secondaires comme MindStudio : ils sont à lire comme des annonces d'éditeur, pas comme des mesures indépendantes.
| Test (score annoncé) | Inkling 2 Mini | Référence citée |
|---|---|---|
| DeepSWE v1.1 (code agentique) | 48,2 % | 42,2 % pour le meilleur modèle ouvert suivant |
| SWE-bench Verified | 79,2 % | Annoncé comme le meilleur score de la comparaison |
| SWE-bench Pro v2 (Hard) | 77,9 % | 73,8 % pour Qwen3.8-27B |
| Terminal Bench v2.1 | 71,6 % | 73,0 % pour Qwen3.8-27B (Mini est derrière) |
| Indice Artificial Analysis v5.0 | 20,1 | 20,1 pour Qwen3.8-27B (égalité) |
La lecture utile : Inkling 2 Mini domine surtout sur le code agentique, il est à égalité ou légèrement derrière Qwen3.8-27B sur d'autres mesures. Ce n'est pas un modèle « au-dessus de tout » à son échelle.
Les sources consultées ne le comparent pas directement à Mistral Small, Ministral ou gpt-oss sur des tests communs, et nous n'en inventons pas. Pour un usage en français, Ministral et Mistral Small restent la référence à battre : il faut donc comparer sur vos documents. Le panorama des LLM open source en entreprise donne le contexte.
Pour un modèle de la même famille à plus grande échelle, le comparatif Inkling 2 Small contre Mini détaille ce qu'on gagne et ce qu'on perd en descendant à 3,4 milliards de paramètres actifs.
Pour quels usages Inkling 2 Mini suffit-il ?
Il suffit pour des tâches cadrées, où l'on peut vérifier le résultat. Il ne suffit pas quand le modèle doit raisonner longtemps seul ou écrire un français irréprochable sans relecture.
Là où il peut suffire
- Un assistant de code local : le point fort annoncé, sans envoyer le code source à un fournisseur.
- Des agents internes simples : peu d'outils, peu d'étapes, résultat contrôlable.
- L'extraction et la classification de documents, d'emails ou de tickets, vers un format fixe.
- Le traitement de documents sensibles sur un poste isolé, voire sans connexion réseau.
- Un modèle de base à spécialiser par fine-tuning, via Tinker ou les outils compatibles, sur vos données métier.
Là où il ne suffit pas
Thinking Machines le dit sur la fiche du modèle : écarts de fiabilité factuelle face aux modèles plus grands, boucles de raisonnement occasionnelles, fiabilité réduite avec les outils, qualité moindre hors de l'anglais. Pour un agent qui appelle dix outils à la suite, une erreur d'appel à l'étape trois se propage. Pour du raisonnement juridique ou technique fin, ou de la rédaction française publiée sans relecture, un modèle plus grand ou un service hébergé reste plus sûr.
Vous voulez savoir si Inkling 2 Mini tient sur vos cas ?
On rejoue vos vrais documents et vos vraies tâches, en français, sur le modèle ouvert et sur votre modèle actuel, avec les mêmes consignes. Vous voyez le taux de réussite avant de migrer quoi que ce soit.
Comment tester Inkling 2 Mini avant de migrer ?
Le modèle est sorti hier : la méthode compte plus que les benchmarks. Voici l'ordre que nous suivons.
- Choisir un flux où les données sont sensibles, par exemple l'extraction dans des contrats ou un assistant de code sur du code confidentiel.
- Constituer un jeu de cas, en français, de quelques dizaines à quelques centaines d'exemples avec la réponse attendue.
- Faire tourner le modèle sur le moteur visé (Ollama, llama.cpp, vLLM), pas seulement sur la démo en ligne.
- Comparer trois chiffres avec votre solution actuelle : taux de réussite, vitesse sur votre matériel et nombre de cas à reprendre à la main. Notre article sur l'évaluation d'un LLM en entreprise détaille les métriques.
- Décider flux par flux : basculer, garder l'existant ou garder les deux selon la sensibilité des données.
Si vous voulez un agent qui tourne chez vous, sur vos machines, avec le modèle ouvert qui passe vos tests, c'est l'objet de notre offre agent IA souverain.
Point terrain Tensoria
Un modèle qui tient sur un portable simplifie la souveraineté, mais déplace le travail : il faut choisir le moteur d'inférence, le matériel et la manière de vérifier les réponses. Le bon réflexe est de décider sur un jeu de cas réels, pas sur un tableau de benchmarks publié par l'éditeur.
Pour aller plus loin
- Le choix entre les deux tailles de la famille, dans le comparatif Inkling 2 Small contre Mini.
- Un autre modèle ouvert récent à héberger, avec Mistral Large 4.