Inkling, le premier modèle IA open-weight de Mira Murati

Un géant silencieux sort de l'ombre

Depuis sa création discrète fin 2023, Thinking Machines Lab s'était bien gardée de dévoiler ses ambitions techniques. Mira Murati, qui a quitté OpenAI en septembre 2023 après avoir été brièvement évincée lors de la crise du conseil d'administration avant d'être réintégrée, avait ensuite rendu son tablier définitivement en janvier 2024. Elle a fondé Thinking Machines Lab dans la foulée, avec un financement initial discret mais une feuille de route ambitieuse.

Le 15 juillet 2026, la société a levé le voile sur Inkling, son premier modèle IA open-weight. Contrairement aux mastodontes fermés comme GPT-5 d'OpenAI ou Claude d'Anthropic, Inkling est un modèle dont les poids sont entièrement accessibles au public, téléchargeables sur la plateforme Hugging Face. Cela signifie que n'importe quelle organisation peut récupérer le modèle, le modifier, le fine-tuner sur ses propres données, ou même le déployer sur ses propres infrastructures sans dépendre d'une API tierce.

Sur le plan technique, Inkling est une architecture mixture-of-experts (MoE) totalisant 975 milliards de paramètres, mais n'en activant qu'environ 41 milliards par inférence. Ce choix architectural, popularisé par des modèles comme Mixtral de Mistral AI ou les versions MoE de Google Gemini, permet de combiner une grande capacité de représentation avec une efficacité computationnelle supérieure aux modèles denses de taille comparable. Concrètement, le modèle peut être exécuté à un coût marginal bien inférieur à ce que laisseraient supposer ses 975 milliards de paramètres bruts.

Le modèle a été entraîné sur 45 000 milliards de tokens couvrant texte, images, audio et vidéo, ce qui en fait un modèle nativement multimodal en compréhension. Inkling est capable de raisonner sur des données textuelles, visuelles et sonores simultanément, sans nécessiter de modules externes ou de pipelines d'orchestration complexes. En revanche, ses sorties restent limitées au texte, au code, aux artefacts stylisés et aux données structurées — pas de génération d'images ou d'audio dans cette première version. La fenêtre de contexte maximale atteint 1 million de tokens, un chiffre qui place Inkling au niveau des meilleurs modèles du marché sur ce critère.

Thinking Machines a également annoncé en preview Inkling-Small, une version allégée avec seulement 12 milliards de paramètres actifs, conçue pour des déploiements sur des infrastructures contraintes ou des cas d'usage à faible latence. Ce modèle junior est entraîné avec la même recette que son aîné, garantissant une cohérence comportementale utile pour les équipes qui souhaitent monter en puissance progressivement.

Dans son billet de blog officiel, Thinking Machines assume une position atypique : Inkling n'est pas présenté comme le modèle le plus puissant disponible, qu'il soit ouvert ou fermé. La communication est délibérément honnête sur ses limites, ce qui tranche avec les benchmarks flatteurs habituellement mis en avant par les laboratoires lors d'un lancement. L'entreprise positionne Inkling comme point de départ — une fondation solide que les organisations peuvent adapter à leurs besoins spécifiques via Tinker, sa plateforme de customisation.

Tinker est au coeur de la proposition de valeur de Thinking Machines. La plateforme permet aux entreprises de fine-tuner Inkling sur leurs propres données propriétaires, de créer des variantes spécialisées pour des domaines précis (juridique, médical, finance, industrie), et de déployer ces versions personnalisées dans des environnements sécurisés. C'est un pari sur le marché de la personnalisation B2B, distinct de la course au modèle de référence universel que se livrent OpenAI, Anthropic et Google.

Selon des informations publiées par TechCrunch et Bloomberg le jour du lancement, le modèle suscite un intérêt particulier dans les secteurs à forte contrainte réglementaire, où la souveraineté des données est primordiale et où l'utilisation d'API cloud externes pose des problèmes de conformité. Les établissements de santé, les institutions financières et les administrations publiques sont cités comme cibles naturelles de cette approche.

Un paysage open-weight en pleine ébullition

Le lancement d'Inkling s'inscrit dans une tendance de fond : l'essor des modèles IA open-weight comme alternative sérieuse aux modèles propriétaires. Meta a popularisé cette approche avec sa série Llama, dont les successeurs ont démontré qu'un modèle open-weight peut atteindre des performances compétitives face aux modèles fermés. Mistral AI, depuis la France, a suivi avec une gamme de modèles ouverts dont Mixtral 8x7B a constitué une étape marquante. Plus récemment, DeepSeek a secoué l'industrie avec des modèles raisonnants open-weight aux performances remarquables pour leur coût d'entraînement.

Dans ce contexte, le positionnement de Thinking Machines est stratégique. En choisissant l'ouverture des poids dès son premier modèle, la startup ne cherche pas à concurrencer OpenAI ou Anthropic sur le terrain des abonnements grand public. Elle vise l'écosystème des développeurs et des entreprises qui veulent le contrôle total de leur stack IA — un marché que Meta a largement contribué à créer avec Llama, et que de nombreux acteurs cherchent désormais à servir.

La réputation de Mira Murati dans l'industrie joue un rôle clé. En tant qu'ex-CTO d'OpenAI, elle a supervisé le lancement de GPT-4, de DALL-E et de nombreuses avancées techniques majeures. Son implication directe dans la recherche et le développement d'Inkling est un signal fort pour la communauté technique. Selon des informations relayées par Axios et Fortune, l'équipe de Thinking Machines compte plusieurs anciens d'OpenAI, Google DeepMind et Anthropic, ce qui renforce la crédibilité technique du projet.

La disponibilité immédiate sur Hugging Face marque un choix délibéré d'intégration dans l'écosystème open-source existant. Hugging Face est devenu le hub incontournable pour les modèles ouverts, avec des outils comme Transformers, PEFT ou TRL qui simplifient considérablement le fine-tuning. En publiant directement sur cette plateforme, Thinking Machines maximise l'accessibilité d'Inkling et s'offre une visibilité auprès de la communauté de développeurs la plus active du secteur. La preview d'Inkling-Small, disponible simultanément, cible les développeurs souhaitant expérimenter sans les ressources GPU nécessaires au modèle complet.

Ce qu'il faut retenir

• Inkling est un modèle MoE de 975 milliards de paramètres (41B actifs) disponible en open-weight sur Hugging Face depuis le 15 juillet 2026.
• Thinking Machines ne prétend pas dominer les benchmarks : l'accent est mis sur la personnalisation via la plateforme Tinker.
• Avec son contexte d'1 million de tokens et son entraînement multimodal, Inkling cible les entreprises souhaitant souveraineté et adaptabilité sur leur modèle IA.