Outils & Modèles Par

Inkling 2 Small ou Inkling 2 Mini : quel modèle choisir en entreprise

Inkling 2 Small (594 milliards de paramètres, 500 Go de mémoire GPU) est le palier le plus capable, surtout en vision et en finance, et Inkling 2 Mini (26,4 milliards de paramètres, environ 20 Go) est celui qui tourne sur un portable. Les deux sont sortis chez Thinking Machines Lab, sous licence Apache 2.0, les 5 et 20 novembre 2026.

Prenez Small par API si la qualité prime, Mini en local si les données ne doivent pas sortir, et testez le français avant de choisir : l'éditeur indique l'anglais comme langue principale. Voici les chiffres, le choix par cas d'usage et les limites.

En résumé

  • ✓ Small : 594 milliards de paramètres, 500 Go de mémoire GPU, meilleur en vision et en finance, sous Apache 2.0.
  • ✓ Mini : 26,4 milliards de paramètres, environ 20 Go, tourne sur un portable, fort en code agentique pour sa taille.
  • ✓ Pour une PME : Mini en local si les données ne doivent pas sortir, Small par API (0,30 $ / 1,00 $ sur Tinker) si la qualité prime.
  • ✓ Ni l'un ni l'autre si le français est critique et non testé, ou si le code difficile domine : DeepSeek V4.1 Flash ou un modèle américain restent à comparer.
  • ✓ Chiffres à manier avec prudence : la plupart viennent de l'éditeur, le français est à tester.

Inkling 2 Small et Inkling 2 Mini : les chiffres côte à côte

Thinking Machines Lab, le laboratoire de Mira Murati, publie Inkling 2 comme une échelle de modèles à poids ouverts. Deux paliers sont sortis à quinze jours d'écart : Small le 5 novembre 2026 (poids publiés le 12), Mini le 20 novembre. Le premier Inkling datait du 15 juillet 2026, avec un modèle de 975 milliards de paramètres bâti sur DeepSeek-V3, d'après Wikipedia.

Voici les caractéristiques publiées sur les fiches Hugging Face de Inkling 2 Small et d'Inkling 2 Mini, complétées par les tarifs de Tinker, le service d'inférence et d'entraînement du laboratoire.

Inkling 2 SmallInkling 2 Mini
Sortie5 novembre 2026 (poids le 12 novembre)20 novembre 2026
Paramètres (total / actifs par token)594 milliards / 17 milliards26,4 milliards / 3,4 milliards
ArchitectureMélange d'experts, 48 couches, 8 experts sur 384 par tokenMélange d'experts, 24 couches, 12 couches centrales parcourues 3 fois (« looped transformer »)
Mémoire nécessaire500 Go de VRAM (NVFP4), 800 Go (MXFP8)Environ 20 Go de poids, 32 Go de mémoire recommandés
Matériel type2 GPU B300 ou 4 GPU H200Mac Apple silicon, DGX Spark, GPU grand public haut de gamme
Contexte annoncéJusqu'à 1 million de tokens (Tinker sert 64K et 256K)Jusqu'à 1 million de tokens
Entrées / sortieTexte et image / texteTexte et image / texte
Points forts annoncésVision (MMMU Pro 81,6 %), finance (Vals Finance Index 61,5 %), code agentique (DeepSWE 72,1 %)Code agentique pour sa taille (DeepSWE 48,2 %), exécution locale
Prix API (Tinker, par million de tokens)0,30 $ prefill, 1,00 $ sampling, 1,50 $ entraînement (64K)Variable selon le fournisseur
LicenceApache 2.0Apache 2.0

Deux idées d'architecture expliquent l'écart de taille. Small est un mélange d'experts classique : sur 594 milliards de paramètres, seuls 17 milliards travaillent à chaque token, mais tous doivent tenir en mémoire. Mini repose sur un « looped transformer » : douze couches du milieu sont parcourues trois fois par token avec les mêmes poids, ce qui donne plus de calcul sans plus de mémoire. La fiche annonce 3,4 milliards de paramètres actifs, soit 5,4 milliards effectifs avec la boucle.

Inkling 2 Small ou Mini : lequel prendre selon votre cas ?

Prenez Small quand la qualité prime et que vous passez par une API. Prenez Mini quand les données doivent rester sur votre machine. Ni l'un ni l'autre quand votre besoin dépend du français ou d'un raisonnement très fin, avant d'avoir comparé.

Prenez Small si…

  • Vous traitez des documents visuels : factures scannées, tableaux, plans. Small affiche 81,6 % sur MMMU Pro, contre 74,9 % pour Mini.
  • Vous analysez des états financiers : 61,5 % sur le Vals Finance Index, un des points forts mis en avant.
  • Vous voulez un agent qui enchaîne beaucoup d'étapes : 72,1 % sur DeepSWE, contre 48,2 % pour Mini.
  • Vous acceptez une API ou disposez d'un hébergeur de GPU de datacenter.

Prenez Mini si…

  • Les documents ne doivent pas quitter l'entreprise et vous n'avez ni serveur de datacenter ni budget pour en louer un.
  • Vous voulez un agent de code ou d'outils sur poste : 48,2 % sur DeepSWE v1.1, en tête des modèles ouverts de moins de 100 milliards de paramètres sur le code agentique, selon l'éditeur.
  • Vous prototypez : un portable avec 32 Go suffit pour jouer vos cas avant de décider. Notre décryptage d'Inkling 2 Mini en local détaille ce scénario.

Ni l'un ni l'autre si…

  • Le français est au cœur du besoin (contrats, courriers, support client) et que vous n'avez rien testé : l'éditeur indique l'anglais comme langue principale.
  • Le raisonnement ou le code difficile domine : DeepSeek V4.1 Flash ou un modèle américain haut de gamme sont à comparer.
  • Une tâche simple suffit : classer des emails ou extraire dix champs d'une facture se fait avec un petit modèle bien plus léger.

Le tableau suivant résume le choix par cas d'usage.

Cas d'usageInkling 2 SmallInkling 2 MiniNotre lecture
Agent interne (outils, tickets, scripts)Pour des enchaînements longs et exigeantsPour un agent léger ou de code, sur poste ou serveur modesteMini d'abord, Small si le taux de réussite décroche
RAG sur documents internesPour les questions complexes, multi-documentsPour un corpus confidentiel et des questions directesLa qualité de la recherche pèse plus que le modèle
Extraction de factures, visionMMMU Pro 81,6 %MMMU Pro 74,9 %Small si les documents sont difficiles (scans, tableaux)
Analyse financièreVals Finance Index 61,5 %Non mesuréSmall, ou un modèle américain si l'enjeu est élevé
CodeDeepSWE 72,1 %DeepSWE 48,2 %DeepSeek V4.1 Flash devance Small sur la plupart des tests de code
Déploiement interne (on-premise)Serveur de datacenterUn poste ou un petit serveurMini, c'est le seul des deux réaliste pour une PME
Déploiement par APITinker, à 0,30 $ / 1,00 $Tinker et fournisseurs tiersSmall par API suffit à la plupart des entreprises

Inkling 2 face à DeepSeek V4.1 Flash, Mistral Large 4 et Mistral Small

Inkling 2 Small n'est pas le meilleur modèle ouvert du moment, il est le meilleur sur certains terrains. Artificial Analysis relève un indice d'intelligence d'environ 31 (30,6), quand notre article sur Mistral Large 4 mentionne 38 pour lui et 39 pour DeepSeek V4.1 Flash. Ces indices ont été relevés à des dates différentes, la comparaison reste indicative.

ModèlePoids ouvertsTaille (total / actifs)Point de comparaison
Inkling 2 SmallApache 2.0594B / 17BMeilleur en vision et finance, indice Artificial Analysis relevé à 30,6
Inkling 2 MiniApache 2.026,4B / 3,4BLocal, code agentique, mémoire de 32 Go
DeepSeek V4.1 FlashLicence MITServeur multi-GPUDevant sur la plupart des benchmarks de code, indice 39 dans notre comparatif
Mistral Large 4Licence propre annoncée1 050B / 49BJuridiction européenne, indice 38 dans notre comparatif
Mistral Small, MinistralPoids ouvertsUn ou deux GPUFrançais éprouvé, hébergement simple

Face à DeepSeek V4.1 Flash, licence MIT et contexte d'un million de tokens, Inkling 2 Small est derrière sur la plupart des benchmarks de code et devant en vision et en finance. Les poids de DeepSeek restent à héberger sur un serveur multi-GPU, comme le détaille notre article sur DeepSeek V4.1 en France.

Face à Mistral Large 4, l'argument n'est pas le même : Mistral vend une juridiction européenne, Thinking Machines Lab une licence Apache 2.0 sans condition et une échelle de tailles. Pour un hébergement interne en PME, Mistral Small et Ministral restent la référence en français, et Inkling 2 Mini est le premier concurrent crédible sur le code agentique en local. Le panorama complet est dans notre comparatif des LLM open source en entreprise.

API ou serveur interne : combien coûte vraiment Inkling 2 ?

Par API, Inkling 2 Small coûte très peu. En serveur interne, c'est le matériel qui fait le prix, pas le modèle. Prenons une automatisation qui lit 20 000 tokens et en écrit 2 000 par demande, 10 500 fois par mois (hypothèses d'illustration, sans cache ni raisonnement).

  • Inkling 2 Small sur Tinker : 20 000 tokens à 0,30 $ par million, plus 2 000 tokens à 1,00 $, soit environ 0,008 $ par demande et environ 84 $ par mois.
  • Inkling 2 Small chez soi : 500 Go de mémoire GPU, soit deux GPU B300 ou quatre H200 allumés en continu, avec les équipes pour les faire tourner. Nous n'avons pas de prix de référence fiable : demandez un devis à un hébergeur.
  • Inkling 2 Mini chez soi : un poste à 32 Go de mémoire existe déjà dans beaucoup d'équipes techniques. Le coût marginal est celui de la mise en place et du suivi.

À ce volume, l'API gagne presque toujours sur Small, sauf contrainte de confidentialité. Dans ce cas, Mini local ou un hébergeur de confiance deviennent les voies à étudier. Pour choisir l'outil de service, notre article vLLM ou Ollama compare les deux.

Vous hésitez entre Small, Mini et votre modèle actuel ?

On rejoue vos cas réels sur Inkling 2 et sur vos modèles actuels, à prompt et données identiques. Vous voyez la qualité, le coût par tâche et la latence de chacun avant de choisir.

Quelles limites avant de choisir, et que vaut le fine-tuning ?

Trois réserves s'imposent avant toute décision.

  • Les benchmarks viennent surtout de l'éditeur. Les scores DeepSWE, MMMU Pro ou HLE-Diamond (28,7 % pour Small, 15,2 % pour Mini) sont publiés par Thinking Machines Lab. Le modèle a deux semaines et très peu de recul en production.
  • Le français n'est pas garanti. L'anglais est la langue principale, les capacités multilingues sont décrites comme générales. Testez sur vos contrats, vos factures, vos comptes rendus.
  • Le coût d'un hébergement à 500 Go de VRAM se compare à l'API, pas aux modèles de 20 Go. Les petits modèles retiennent moins bien les connaissances factuelles, avertit la fiche de Mini : sur un assistant documentaire, un bon RAG compense.

Le fine-tuning est l'argument de fond de la gamme. Tinker permet d'entraîner un modèle Inkling pour 1,50 $ par million de tokens (contexte de 64 000 tokens). Cela vaut la peine quand un format de sortie ou un vocabulaire métier reste mal maîtrisé après un bon prompt, avec quelques centaines d'exemples validés. Avant cela, on mesure. Pour les notions sous-jacentes, voir les articles techniques d'ianas.fr.

Point terrain Tensoria

Un modèle ouvert à 600 milliards de paramètres ne rend pas un projet souverain par magie : si l'hébergement est inabordable, la confidentialité repose de toute façon sur un tiers. Le bon choix de taille se fait avec la contrainte de données, pas avec le classement des benchmarks. Pour un déploiement maîtrisé, voir notre offre d'agent IA souverain.

Comment choisir entre Small et Mini sur vos propres cas ?

La seule méthode fiable est de rejouer vos documents. Comptez une demi-journée pour une première mesure.

  1. Choisir un flux réel : extraction de factures, réponse à des questions sur vos procédures, tri de tickets.
  2. Constituer un jeu de cas de quelques dizaines à quelques centaines de documents, avec la réponse attendue.
  3. Rejouer le jeu sur Small, Mini et votre modèle actuel, à prompt identique.
  4. Comparer trois chiffres : taux de réussite, coût par tâche réussie, temps de réponse. Notre guide pour évaluer un LLM en entreprise détaille les métriques.
  5. Décider par flux : Mini local pour le confidentiel simple, Small par API pour le difficile, un autre modèle si le français décroche.

Si Mini suffit, vous gagnez en confidentialité et en coût. S'il décroche, on passe à Small, puis on regarde ailleurs.

Pour aller plus loin

Questions fréquentes sur Inkling 2 Small et Inkling 2 Mini

Inkling 2 Small compte 594 milliards de paramètres dont 17 milliards actifs par token, et demande environ 500 Go de mémoire GPU. Inkling 2 Mini compte 26,4 milliards de paramètres dont 3,4 milliards actifs, pèse environ 20 Go et tourne sur un portable ou un poste avec 32 Go de mémoire. Les deux sont sous licence Apache 2.0 et acceptent texte et images en entrée. Small est le plus capable, Mini le plus simple à héberger.
Ses poids sont publiés sur Hugging Face sous licence Apache 2.0, qui autorise l'usage commercial sans clause particulière. Thinking Machines Lab a annoncé le modèle le 5 novembre 2026 et publié les poids le 12 novembre. Les données d'entraînement ne sont pas publiées : le modèle est à poids ouverts et sous licence libre, ce qui n'est pas tout à fait la même chose qu'un projet entièrement ouvert.
La fiche Hugging Face indique au moins 500 Go de mémoire GPU agrégée pour le checkpoint NVFP4 (par exemple 2 GPU B300 ou 4 GPU H200), et au moins 800 Go pour le checkpoint MXFP8. C'est un serveur de datacenter, pas une machine de PME. Pour la plupart des entreprises, passer par une API reste plus réaliste.
Oui. Les poids pèsent environ 20 Go et Thinking Machines Lab recommande 32 Go ou plus de mémoire GPU ou unifiée, par exemple un Mac Apple silicon ou un NVIDIA DGX Spark. C'est l'intérêt principal de ce palier : un modèle capable en code agentique sans quitter le poste de travail ni envoyer de données à un tiers.
L'éditeur indique l'anglais comme langue principale et des capacités multilingues générales. Inkling 2 Small affiche 91,0 % sur Global-MMLU-Lite, un test multilingue, mais aucun chiffre ne remplace un essai sur vos documents français : contrats, factures, comptes rendus. C'est le premier test à faire, surtout avec Mini.
Pas globalement. DeepSeek V4.1 Flash devance Inkling 2 Small sur la plupart des benchmarks de code. Inkling 2 Small est meilleur en vision (81,6 % sur MMMU Pro) et sur la finance (61,5 % sur le Vals Finance Index). Le choix dépend donc de la tâche, et les chiffres viennent surtout des éditeurs et d'évaluateurs : il faut rejouer vos propres cas.
Sur Tinker, le service de Thinking Machines Lab, les tarifs sont de 0,30 $ par million de tokens en lecture du prompt (prefill), 1,00 $ en génération (sampling) et 1,50 $ pour l'entraînement avec un contexte de 64 000 tokens. Tinker annonce environ 79 % de moins que le premier Inkling. Le prix d'Inkling 2 Mini dépend du fournisseur : vérifiez-le avant de budgéter.
Pas en premier. Commencez par mesurer le modèle tel quel sur vos cas, avec un bon prompt et une recherche documentaire propre. Le fine-tuning devient pertinent quand un format de sortie ou un vocabulaire métier reste mal maîtrisé, avec quelques centaines d'exemples validés. Thinking Machines Lab présente Inkling 2 comme une échelle de modèles pensée pour cela, via Tinker.

Choisir le bon modèle ouvert

Small, Mini ou le modèle que vous utilisez déjà ?

On rejoue vos cas réels sur Inkling 2 et sur vos modèles actuels avant de choisir, puis on développe l'agent ou l'assistant sur le modèle qui tient la mesure, par API ou chez vous.

Articles liés

Outils & Modèles

Inkling 2 Mini : un modèle ouvert sur portable, utile en entreprise ?

Inkling 2 Mini : 26,4 Md de paramètres, Apache 2.0, environ 20 Go. Ce qu'il permet en local pour une PME, ses limites et comment le tester avant de migrer.

Lire l'article
Outils & Modèles

LiteLLM en entreprise : une passerelle LLM hébergée chez vous

LiteLLM expose une API unique au format OpenAI devant plusieurs fournisseurs et vos modèles ouverts. Clés virtuelles, budgets, repli, ce qu'il faut exploiter et quand s'en passer.

Lire l'article
Outils & Modèles

OpenRouter en entreprise : où vont les données, ce que ça coûte, quand s'en passer

OpenRouter donne une API et une facture pour des centaines de modèles. Où passent vos données, comment il est facturé, ses limites et les alternatives (LiteLLM, appel direct, modèle ouvert).

Lire l'article
Outils & Modèles

Fable 5.2, Opus 5.5, GPT-6 Sol, Gemini 4 Argon : lequel choisir

Fable 5.2, Opus 5.5, GPT-6 Sol ou Gemini 4 Argon ? Prix, contexte, coût par dossier, rétention des données et choix par usage, au 10 novembre 2026.

Lire l'article
Outils & Modèles

DGX Spark en entreprise : que vaut-il pour un assistant IA ?

DGX Spark pour un assistant IA en entreprise : 128 Go de mémoire, 273 Go/s, vitesse réelle, prix en France, comparaison avec RTX PRO 6000, L40S et H100.

Lire l'article
Outils & Modèles

vLLM ou Ollama : lequel pour servir un modèle ouvert ?

vLLM ou Ollama en entreprise : requêtes simultanées, API compatible OpenAI, quantification, GPU, supervision. Quand garder Ollama, quand passer à vLLM.

Lire l'article
Anas Rabhi, ingénieur IA et data scientist, fondateur de Tensoria
Anas R. Ingénieur IA, fondateur de Tensoria ianas.fr

Je suis ingénieur IA et data scientist, fondateur de Tensoria. Depuis plus de 6 ans, je conçois et développe des systèmes IA pour les entreprises : assistants internes basés sur RAG, agents IA en production, automatisations sur mesure, traitement intelligent de documents. Je prends le projet en charge du cadrage à la mise en production, sur les modèles du marché (Mistral, Claude, GPT) ou sur des modèles ouverts hébergés chez le client quand la confidentialité l'exige.