Le 5 novembre 2026, Thinking Machines Lab a présenté Inkling 2 Small, son modèle de deuxième génération. Il s'agit d'un modèle à mélange d'experts (MoE) de 594 milliards de paramètres au total, dont seulement 17 milliards sont actifs à chaque inférence, qui prend en charge les entrées image et une intensité de raisonnement variable. Il obtient 31 points à l'Artificial Analysis Intelligence Index, loin devant la génération précédente. Plus important encore, le laboratoire s'est engagé à publier l'intégralité des poids sous licence Apache 2.0 la semaine prochaine, une fois les tests de sécurité externes et le red-teaming terminés.
Les progrès viennent d'améliorations sur l'ensemble du pipeline d'entraînement : un pré-entraînement plus efficace, doublé d'une grande session unifiée d'apprentissage par renforcement. Le modèle a été entraîné par RL sur des centaines de milliers de tâches de programmation de longue haleine, couvrant plusieurs harnais d'agents et stratégies de compression du contexte, avec des récompenses qui évaluent la démarche de résolution, et pas seulement la réussite des tests unitaires. Côté vision, un encodeur visuel de 292 millions de paramètres traite les entrées image : le modèle peut créer des sites web et des designs 3D à partir d'images et corriger ses résultats grâce au retour visuel. Dans les démos officielles, il a écrit de zéro un émulateur PC qui démarre un vrai noyau Linux, et construit avec Three.js un simulateur de ville gérant production d'électricité, budgets et urgences.
Benchmarks : des places de tête, mais pas un sans-faute
Dans la comparaison officielle, Inkling 2 Small affiche 72,1 % sur DeepSWE, 86,3 % sur la version difficile de SWE-Bench Pro et 25,4 % sur FrontierCode, ainsi que 81,6 % sur MMMU Pro et 83,8 % sur ScreenSpot Pro en raisonnement visuel — plusieurs places dans les deux premiers. Mais le même tableau montre que DeepSeek-V4.1-Flash le devance sur plusieurs benchmarks de programmation, et que Kimi K3 le bat sur certains items. L'auto-recherche est un autre point fort : en 4,5 heures et pour 426 dollars d'usage Tinker, le modèle a entraîné de façon autonome Qwen3.5-4B en modèle de prévision de séries temporelles, plus que doublant son score de prévision.
Le calendrier de publication mérite l'attention : le modèle arrive d'abord sur la plateforme maison Tinker avec des poids fermés, avec essai, fine-tuning et échantillonnage, les poids complets ne suivant que la semaine prochaine, après les contrôles de sécurité externes. Une fois publiés, ils devraient en faire le modèle à poids ouverts le mieux noté sur DesignArena. Pour les développeurs, le vrai test commencera après la publication des poids : les benchmarks officiels sont impressionnants, mais la stabilité sur les tâches de longue haleine reste à prouver par la communauté. Les curieux peuvent déjà l'essayer sur Tinker Playground.
