Qu’est-ce que Inkling ?
Inkling est le premier modèle de Thinking Machines Lab, le laboratoire de Mira Murati, publié le 15 juillet 2026 avec ses poids complets sous Apache 2.0. C’est un modèle mixture-of-experts de 975 milliards de paramètres, dont 41 milliards actifs par jeton, pré-entraîné sur 45 000 milliards de jetons de texte, d’images, d’audio et de vidéo. Il lit texte, images et audio dans un seul réseau et écrit du texte ; il accepte jusqu’à 1 million de jetons de contexte.
Le laboratoire le présente surtout comme une base à personnaliser via Tinker, son service de fine-tuning, qui le propose avec 64K et 256K de contexte. Un Inkling-Small plus petit (276 milliards de paramètres, 12 milliards actifs) a suivi fin juillet, et Inkling 2 Small est arrivé sur Tinker le 5 novembre 2026, ses poids étant promis après des tests de sécurité externes.
Combien coûte Inkling ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Apache 2.0 |
| OpenRouter | $1.00 / $4.05 per million tokens | Entrée / sortie, via Together |
Poids gratuits sous Apache 2.0. OpenRouter (Together) : 1,00 $ par million de jetons en entrée, 4,05 $ par million en sortie, contexte de 524 288 jetons. Prix de Tinker selon sa documentation.
Inkling vaut-il le coup ?
Inkling est un modèle de base ouvert solide dont les créateurs eux-mêmes disent qu’il n’est pas le plus fort disponible, ouvert ou fermé, et ses scores en vision le confirment. Dans le tableau du laboratoire, il obtient 73,5 % sur MMMU Pro contre 79,0 % pour Kimi K2.6 de Moonshot et 82,0 % pour Gemini 3.1 Pro, et 78,1 % en raisonnement CharXiv contre 80,4 % pour K2.6. Or Kimi K2.6 a déjà une génération de retard.
C’est l’audio qui le distingue. Thinking Machines le compte parmi les meilleurs modèles audio à poids ouverts, et Inkling obtient 91,4 % sur VoiceBench et 77,2 % sur MMAU, contre 94,3 % et 82,5 % pour Gemini 3.1 Pro. Si vous voulez un seul modèle ouvert capable de lire une capture d’écran et un message vocal dans la même requête, le choix est restreint.
La licence Apache 2.0 est l’autre atout. Elle n’impose ni plafond de revenus, ni exclusion régionale, ni restriction sur les sorties, ce que font plusieurs licences ouvertes concurrentes. Sur OpenRouter, il coûte 1,00 $ par million de jetons en entrée et 4,05 $ par million en sortie, peu pour sa taille, et il a cumulé 1 792 792 téléchargements sur Hugging Face le mois dernier.
L’auto-hébergement relève du centre de données. Les poids BF16 demandent environ 2TB de mémoire GPU, huit B300 ou 16 H200, et même la version NVFP4 demande 600GB, quatre B300 ou huit H200. Inkling-Small revendique des performances comparables avec 276 milliards de paramètres et tient sur une seule B300 en NVFP4, ce qui en fait le téléchargement le plus pratique pour la plupart des équipes.
Là où il fait la différence
Un éditeur d’analytique pour centres d’appels
Répondre à des questions sur des appels enregistrés et les captures d’écran jointes par les agents
Envoyez l’audio WAV (16kHz, idéalement moins de 20 minutes) et les images dans la même requête via OpenRouter. À 1,00 $ par million de jetons en entrée, le coût porte surtout sur l’entrée ; Apache 2.0 permet à l’éditeur de revendre les résultats.
Une équipe ML dans une entreprise de legaltech
Affiner un modèle ouvert sur ses propres flux documentaires et garder les poids
Entraînez sur Tinker avec 64K ou 256K de contexte, puis exportez et hébergez vous-même. Le modèle complet exige un nœud multi-GPU Blackwell ou H200, donc beaucoup d’équipes affineront plutôt Inkling-Small.
Un groupe de recherche qui compare des modèles multimodaux ouverts
Étudier un modèle sans encodeur qui traite nativement l’audio et l’image
Poids complets, prise en charge dès le premier jour dans Transformers, SGLang, vLLM et llama.cpp, et architecture publiée le rendent facile à examiner. Le laboratoire prévient que les performances en vidéo n’ont pas été évaluées.
Avant de vous engager
- Mise en route
- Poids sur Hugging Face en BF16 et NVFP4 ; recettes pour SGLang, vLLM (0.26 ou plus récent), TokenSpeed, Unsloth et Transformers. Tinker Playground pour un essai rapide.
- Intégrations
- Transformers, SGLang, vLLM, llama.cpp, versions GGUF d’Unsloth, API Tinker, OpenRouter (Together), Hugging Face Inference Providers.
- Données et confidentialité
- Apache 2.0 ; en auto-hébergement, rien ne quitte vos serveurs. Les données d’entraînement incluent du contenu web public, des données de tiers et des données synthétiques. La fiche OpenRouter n’est pas disponible via le routage interne à l’UE.
- Coût à grande échelle
- Sur OpenRouter, 1 milliard de jetons en entrée et 100 millions en sortie par mois coûtent environ 1 405 $. En auto-hébergement, la version NVFP4 demande quatre B300 ou huit H200.
- Limites
- Contexte de 524 288 jetons sur OpenRouter, 64K ou 256K sur Tinker, le 1M complet seulement en auto-hébergement ; images idéalement de 40 à 4 096 pixels de côté ; audio idéalement de moins de 20 minutes ; sortie texte uniquement.
Les points forts
- Apache 2.0 sans restriction d’usage
- Entrée texte, image et audio dans un seul modèle ; contexte de 1M jetons
- 1,00 $ / 4,05 $ par million de jetons sur OpenRouter
- Service de fine-tuning du fabricant via Tinker
Les points faibles
- 73,5 % sur MMMU Pro, derrière les 79,0 % de Kimi K2.6
- Environ 2TB de mémoire GPU en BF16, 600GB en NVFP4
- Entrée vidéo présente mais non évaluée
- Inkling-Small, plus petit, revendique des résultats comparables pour un quart de la taille
Idéal pour
Les équipes qui veulent un modèle ouvert sous licence permissive, capable de lire texte, images et audio, et qui comptent l’affiner plutôt que l’utiliser tel quel.
Alternatives à Inkling
Inkling : questions fréquentes
- Inkling vaut-il le coup ?
- Inkling est le grand modèle ouvert qu’on choisit pour sa licence et ses oreilles, pas pour ses yeux. Nous lui donnons 3.8 sur 5.
- Combien coûte Inkling ?
- Poids gratuits sous Apache 2.0. OpenRouter (Together) : 1,00 $ par million de jetons en entrée, 4,05 $ par million en sortie, contexte de 524 288 jetons. Prix de Tinker selon sa documentation.
- Quels sont les inconvénients de Inkling ?
- 73,5 % sur MMMU Pro, derrière les 79,0 % de Kimi K2.6; environ 2TB de mémoire GPU en BF16, 600GB en NVFP4; entrée vidéo présente mais non évaluée; inkling-Small, plus petit, revendique des résultats comparables pour un quart de la taille.
- À qui s’adresse Inkling ?
- Les équipes qui veulent un modèle ouvert sous licence permissive, capable de lire texte, images et audio, et qui comptent l’affiner plutôt que l’utiliser tel quel.
- Combien coûte Inkling pour une équipe ou en production ?
- Sur OpenRouter, 1 milliard de jetons en entrée et 100 millions en sortie par mois coûtent environ 1 405 $. En auto-hébergement, la version NVFP4 demande quatre B300 ou huit H200.
- Inkling est-il sûr pour les données de l’entreprise ?
- Apache 2.0 ; en auto-hébergement, rien ne quitte vos serveurs. Les données d’entraînement incluent du contenu web public, des données de tiers et des données synthétiques. La fiche OpenRouter n’est pas disponible via le routage interne à l’UE.
- Quelles sont les meilleures alternatives à Inkling ?
- Les alternatives les plus proches que nous avons testées sont Kimi K3, Nemotron 3.5 Super VL, Gemma 4 et Qwen3.8-27B.
Réponses vérifiées le 7 nov. 2026.