Ce qui a été lancé et quand
Thinking Machines Lab a publié Inkling 2 Small, un modèle multimodal de usage général qui accepte le texte et les images en entrée et génère du texte en sortie. La date de lancement officielle est le 5 novembre 2026, selon la fiche technique du modèle.
Le modèle est conçu pour les développeurs qui construisent des applications avec l'IA, y compris les systèmes agentiques, les assistants de code, les chatbots et les systèmes de génération augmentée par récupération (RAG). Il prend en charge l'anglais et d'autres langues, ainsi que plusieurs langages de programmation.
Architecture et spécifications techniques
Inkling 2 Small est un transformer autorégressif décodeur uniquement avec 48 couches et un squelette de Mélange d'Experts (MoE) dispersé. Chaque jeton est routé vers 8 des 384 experts, ce qui permet une efficacité computationnelle significative.
Le modèle compte 594 milliards de paramètres totaux, dont 17 milliards sont actifs par jeton. L'attention est hybride, combinant des couches locales et globales. Il est nativement multimodal : les images sont encodées via un transformeur de vision et projetées dans un espace caché partagé avec le texte pour être traitées conjointement par le décodeur.
Il prend en charge les numériques MXFP8 et NVFP4. La fenêtre de contexte déclarée dans la fiche technique est d'au maximum 1 million de jetons, bien que la disponibilité réelle sur la plateforme Tinker varie selon le mode d'utilisation.
Spécifications techniques d'Inkling 2 Small
| Caractéristique | Détail |
|---|---|
| Paramètres totaux | 594B |
| Paramètres actifs par jeton | 17B |
| Architecture | MoE dispersé (8 sur 384 experts) |
| Couches | 48 |
| Modalités d'entrée | Texte et image |
| Modalité de sortie | Texte |
| Fenêtre de contexte (fiche) | Jusqu'à 1M de jetons |
| Support numérique | MXFP8, NVFP4 |
Variantes, modalités et accès
Le modèle est accessible via la plateforme Tinker, qui offre un accès par API pour l'ajustement fin et l'échantillonnage. Les développeurs peuvent commencer en installant le paquet `tml-renderers` et en utilisant le Cookbook de Tinker.
Tinker propose deux configurations principales pour Inkling 2 Small : une avec un contexte de 64K jetons et une autre avec 256K jetons (identifiée par le suffixe `:peft:262144`). La configuration de 256K a un coût d'entraînement plus élevé, mais les prix de préremplissage et d'échantillonnage sont les mêmes que pour la version de 64K.
Il existe également une option d'inférence serverless en bêta avec un identifiant spécifique (`:sampling-nvfp4`), actuellement disponible uniquement pour Inkling, Inkling-Small et Inkling 2 Small. Pour un usage en production, les intéressés doivent demander l'accès via une liste d'attente.
Prix et coûts opérationnels
Les prix sur Tinker sont calculés par million de jetons. Pour Inkling 2 Small, le coût de préremplissage (entrée) est de 0,30 USD, avec une réduction à 0,03 USD pour les jetons en cache. Le coût d'échantillonnage (sortie) est de 1,00 USD par million de jetons.
L'entraînement coûte 1,50 USD par million de jetons dans la configuration de 64K et 3,00 USD dans la configuration de 256K. Le stockage des points de contrôle est facturé à 0,10 USD par Go par mois.
Dans le mode d'inférence serverless en bêta, les prix sont de 0,30 USD pour l'entrée, 0,03 USD pour l'entrée en cache et 1,00 USD pour la sortie, avec un contexte maximal de 256K jetons.
Prix d'Inkling 2 Small sur Tinker (par million de jetons)
| Modalité | Contexte | Préremplissage (USD) | Préremplissage en cache (USD) | Échantillonnage (USD) | Entraînement (USD) |
|---|---|---|---|---|---|
| Standard | 64K | 0,30 | 0,03 | 1,00 | 1,50 |
| Étendu | 256K | 0,30 | 0,03 | 1,00 | 3,00 |
| Serverless (bêta) | 256K | 0,30 | 0,03 | 1,00 | N/A |
Évaluations et performances
La fiche technique publie une série de résultats sur des benchmarks tiers. Sur l'Indice d'Intelligence d'Artificial Analysis v5.0, Inkling 2 Small obtient un score de 30,6. Sur DeepSWE v1.1, il atteint 72,1 %, et sur SWE-bench Pro v2 Hard, 86,3 %.
Ces résultats sont publiés par le fournisseur et n'ont pas été reproduits de manière indépendante par Inferama. Les performances peuvent varier selon la configuration, la langue et le domaine spécifique de l'application. Il est recommandé aux développeurs de réaliser leurs propres évaluations avant de déployer le modèle dans des contextes à haut risque ou critiques pour la sécurité.
Le modèle a été évalué en sécurité avant son lancement, incluant des tests d'interaction quotidienne et de capacités dangereuses. Des mitigations ont été appliquées pour réduire les risques, et il a été constaté que le modèle est matériellement en dessous des capacités des modèles frontières en termes de perte de contrôle.
Limites et considérations de sécurité
Inkling 2 Small peut présenter des limites communes aux modèles de base, y compris des hallucinations (génération de contenu plausible mais factuellement incorrect), des échecs occasionnels dans le suivi précis des instructions et une dégradation des performances dans les conversations longues multi-tours.
Entraîné sur des données issues du web et synthétiques, le modèle peut refléter des biais démographiques, culturels ou linguistiques présents dans les données d'entraînement. Ses connaissances sont limitées aux informations disponibles jusqu'à sa date de coupure d'entraînement et ne reflètent pas les événements ultérieurs.
Il est recommandé aux développeurs d'appliquer une supervision humaine et une révision pour les sorties utilisées dans des contextes à haut risque ou critiques pour la sécurité. Le modèle ne doit pas être déployé dans des domaines tels que la médecine, le droit ou la prise de décision critique pour la sécurité sans ajustement fin supplémentaire, validation spécifique au domaine et supervision humaine.
Poursuivre l’exploration
Sources consultées
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction