Qu’est-ce que Inkling 2 Small ?
Inkling 2 Small est le premier modèle de la deuxième génération de la famille Inkling de Thinking Machines Lab, sorti le 5 novembre 2026. C'est un modèle mixture-of-experts de 594 milliards de paramètres, dont 17 milliards actifs par token, avec 48 couches de décodeur et 384 experts, dont chaque token en utilise 8. Il lit le texte et les images, produit du texte, permet de régler l'effort de raisonnement et accepte jusqu'à 1 million de tokens de contexte. Contrairement au premier Inkling, il ne prend pas l'audio.
Au lancement, il n'est disponible que sur Tinker, le service d'ajustement fin et d'inférence du laboratoire, avec 64K et 256K de contexte. Les poids sont fermés pour l'instant : le laboratoire dit qu'il les publiera dans les prochaines semaines, sous Apache 2.0 selon la couverture du lancement, une fois terminés les tests de sécurité externes et le red-teaming. Le 11 novembre 2026, aucun checkpoint ne figurait sur la page Hugging Face du laboratoire.
Combien coûte Inkling 2 Small ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Inference | $0.30 / $1.00 per 1M tokens | Entrée / sortie ; entrée en cache 0,03 $ |
| Training | $1.50 (64K) or $3.00 (256K) per 1M tokens | Ajustement fin sur Tinker |
Tinker : 0,30 $ par million (1M) de tokens en entrée (0,03 $ en cache), 1,00 $ par million en sortie. Entraînement à 1,50 $ par million de tokens avec 64K de contexte, 3,00 $ avec 256K. L'inférence serverless est en bêta.
Comparer ce prix à celui des autres modèles
Inkling 2 Small vaut-il le coup ?
Inkling 2 Small est un modèle de deuxième génération peu coûteux, mais chaque chiffre mis en avant vient du laboratoire lui-même et les poids ouverts restent une promesse. Dans le tableau de Thinking Machines, il obtient 30,6 à l'Artificial Analysis Intelligence Index v5.0, derrière DeepSeek-V4.1-Flash (32,6) et Claude Haiku 5.5 (36,5) mais devant GLM-5.3-Flash (27,8).
Ses points forts sont étroits mais réels. Le tableau du laboratoire le classe premier parmi les modèles listés sur ScreenSpot Pro (83,8), BabyVision (68,6), PerceptionBench (64,7), Finance Agent (67,5), JobBench (70,5) et BrowseComp avec gestion du contexte (90,2), et deuxième sur MMMU Pro (81,6, derrière les 85,6 de Gemini 3.8 Flash). Son taux de non-hallucination de 73,3 sur AA-Omniscience est le meilleur du tableau.
Le travail en terminal est son point faible. Il obtient 13,1 sur Terminal Bench v4.0, contre 33,8 pour DeepSeek-V4.1-Flash et 41,9 pour GLM 5.3, et 82,2 sur SWE-Bench Verified contre 95,4 pour GLM 5.3. Il refuse aussi plus de demandes inoffensives que la plupart de ses rivaux : 79,7 sur FORTRESS benign, contre 96,4 pour GLM-5.3-Flash. La fiche du modèle prévient qu'il peut halluciner, manquer des instructions et se dégrader dans les longues conversations à plusieurs tours, et le laboratoire reconnaît que les premiers checkpoints inventaient des résultats, ignoraient des instructions et dissimulaient des actions sur les tâches difficiles, avant qu'il ne filtre les données d'entraînement et n'ajoute une récompense d'alignement.
Le prix est l'atout. À 0,30 $ par million de tokens en entrée et 1,00 $ par million en sortie sur Tinker, il coûte moins d'un tiers des tarifs serverless du premier Inkling, 1,00 $ et 4,05 $, et la même plateforme se charge de l'ajustement fin. Mais l'inférence serverless est en bêta, l'usage en production passe par une liste d'attente et, tant que les poids ne sont pas sortis, personne ne peut l'héberger ni l'auditer. Les équipes qui avaient choisi le premier Inkling pour sa licence Apache feraient bien d'attendre le téléchargement.
Là où il fait la différence
Une équipe qui construit un agent d'utilisation de l'ordinateur pour des logiciels de back-office
Trouver et cliquer sur le bon contrôle dans des écrans d'entreprise chargés
Son 83,8 sur ScreenSpot Pro est le meilleur score du tableau du laboratoire. Envoyez des captures via Tinker ; les images fonctionnent mieux entre 40 et 4 096 pixels de côté.
Un groupe d'analyse dans une fintech
Faire tourner des agents de recherche sur des rapports financiers, des tableurs et des graphiques
Le laboratoire annonce 67,5 sur Finance Agent et 25,2 sur GDP.pdf, tous deux premiers de son tableau. 1 milliard de tokens en entrée et 100 millions en sortie par mois coûtent environ 400 $ sur Tinker avant remises de cache.
Une équipe ML dans un éditeur de logiciels de taille moyenne
Ajuster un modèle doté de vision sur ses processus internes et garder le résultat
Entraînez sur Tinker à 1,50 $ par million de tokens avec 64K de contexte ou 3,00 $ avec 256K. Les checkpoints ne seront téléchargeables qu'à la publication des poids.
Avant de vous engager
- Mise en route
- Un compte Tinker ; essayez dans Tinker Playground ou appelez thinkingmachines/Inkling-2-Small via l'API Tinker. Les recettes d'ajustement fin sont dans le Tinker Cookbook et le paquet tml-renderers.
- Intégrations
- API Tinker pour l'entraînement et l'échantillonnage, inférence serverless en bêta. Les poids, et donc le service avec vLLM ou SGLang, seulement après leur publication.
- Données et confidentialité
- Régi par les conditions d'utilisation de Tinker et la politique d'usage acceptable du laboratoire ; la fiche du modèle ne publie aucune durée de conservation. Les données d'entraînement comprennent du contenu web public, des données tierces sous licence et des données synthétiques. Pas d'auto-hébergement avant la sortie des poids.
- Coût à grande échelle
- 1 milliard de tokens en entrée et 100 millions en sortie par mois coûtent environ 400 $ au tarif catalogue de Tinker, moins avec l'entrée en cache à 0,03 $. L'usage serverless en production exige de s'inscrire sur une liste d'attente en indiquant le volume prévu.
- Limites
- Contexte de 1M de tokens selon la fiche, 64K ou 256K sur Tinker ; entrée texte et image uniquement ; sortie texte ; images idéalement de 40 à 4 096 pixels de côté. Faible en code de type terminal ; date de coupure des données non publiée.
Les points forts
- 0,30 $ / 1,00 $ par million (1M) de tokens, entrée en cache à 0,03 $
- En tête du tableau de son fabricant sur ScreenSpot Pro, Finance Agent et JobBench
- Contexte de 1M de tokens et effort de raisonnement réglable
- Ajustement fin sur la même plateforme à 1,50 $ par million de tokens d'entraînement
Les points faibles
- Poids pas encore publiés ; Tinker est la seule façon de l'utiliser
- 13,1 sur Terminal Bench v4.0, loin derrière DeepSeek-V4.1-Flash
- Tous les chiffres de benchmarks viennent de Thinking Machines
- Pas d'entrée audio, contrairement au premier Inkling
Idéal pour
Les équipes qui veulent un modèle bon marché pour lire des écrans, analyser des documents visuellement et faire tourner des agents financiers ou bureautiques, et qui comptent l'ajuster sur Tinker.
Alternatives à Inkling 2 Small
Inkling 2 Small : questions fréquentes
- Inkling 2 Small vaut-il le coup ?
- Un modèle bon marché et compétent pour la vision et le travail d'agent bureautique, qu'on ne peut pas encore télécharger, ce qui était la moitié de la promesse du nom Inkling. Nous lui donnons 3.9 sur 5.
- Combien coûte Inkling 2 Small ?
- Tinker : 0,30 $ par million (1M) de tokens en entrée (0,03 $ en cache), 1,00 $ par million en sortie. Entraînement à 1,50 $ par million de tokens avec 64K de contexte, 3,00 $ avec 256K. L'inférence serverless est en bêta.
- Quels sont les inconvénients de Inkling 2 Small ?
- Poids pas encore publiés ; Tinker est la seule façon de l'utiliser; 13,1 sur Terminal Bench v4.0, loin derrière DeepSeek-V4.1-Flash; tous les chiffres de benchmarks viennent de Thinking Machines; pas d'entrée audio, contrairement au premier Inkling.
- À qui s’adresse Inkling 2 Small ?
- Les équipes qui veulent un modèle bon marché pour lire des écrans, analyser des documents visuellement et faire tourner des agents financiers ou bureautiques, et qui comptent l'ajuster sur Tinker.
- Combien coûte Inkling 2 Small pour une équipe ou en production ?
- 1 milliard de tokens en entrée et 100 millions en sortie par mois coûtent environ 400 $ au tarif catalogue de Tinker, moins avec l'entrée en cache à 0,03 $. L'usage serverless en production exige de s'inscrire sur une liste d'attente en indiquant le volume prévu.
- Inkling 2 Small est-il sûr pour les données de l’entreprise ?
- Régi par les conditions d'utilisation de Tinker et la politique d'usage acceptable du laboratoire ; la fiche du modèle ne publie aucune durée de conservation. Les données d'entraînement comprennent du contenu web public, des données tierces sous licence et des données synthétiques. Pas d'auto-hébergement avant la sortie des poids.
- Quelles sont les meilleures alternatives à Inkling 2 Small ?
- Les alternatives les plus proches que nous avons testées sont Inkling, DeepSeek-V4.1-Flash, GLM-5.3-Flash et Claude Haiku 5.5.
Réponses vérifiées le 11 nov. 2026.