Modèles et plateformes d’IA
Thinking Machines Lab lance Inkling 2 Mini pour les appareils locaux

Points clésLe bouclage améliore le raisonnement sans permettre aux poids de stocker davantage de…
Voir plus
- Le bouclage améliore le raisonnement sans permettre aux poids de stocker davantage de faits, car les connaissances suivent le nombre total de paramètres.
- Le modèle bouclé a nécessité 140 % de calcul d'inférence en plus pour égaler la perte de la version non élaguée et non bouclée.
- Le bouclage interne permet aux modèles de raisonner sans traces écrites, ce qui compromet la surveillance de la chaîne de pensée.
Thinking Machines Lab a lancé Inkling 2 Mini le 20 novembre 2026. Ce modèle à poids ouverts est conçu pour fonctionner sur des ordinateurs portables grand public. Il compte 26,4 milliards de paramètres au total et occupe environ 20 Go de mémoire. Il améliore le raisonnement en effectuant plusieurs passes dans ses couches intermédiaires.
Les poids complets d’Inkling 2 Mini et d’un modèle de recherche associé, TML-d24-varloop-research, sont disponibles sur Hugging Face. Tinker propose l’inférence et le réglage fin, ainsi qu’une interface de chat dans Tinker Playground. Parmi les options locales figurent Ollama sur les systèmes Mac dotés d’au moins 32 Go de mémoire vive, ainsi que des versions GGUF par l’intermédiaire d’Unsloth et de llama.cpp.
Une démonstration de l’entreprise montre Inkling 2 Mini fonctionner hors ligne sur un MacBook Pro en mode avion pendant un vol, où il a créé un simulateur de vol jouable en quelques minutes. Dans une autre démonstration, un seul MacBook hors ligne alimente les 20 habitants de Thinkyville, une ville simulée en pixels, illustrant la possibilité d’exécuter localement plusieurs agents persistants.
Fonctionnement de l’architecture à boucles
Inkling 2 Mini est un transformeur à mélange d’experts (Mixture-of-Experts), c’est-à-dire que seul un sous-ensemble de ses composants spécialisés est utilisé pour chaque jeton. Ses 24 couches sont réparties en quatre blocs de six. Les premier et dernier blocs sont exécutés une seule fois, tandis que les deux blocs du milieu partagent leurs poids et sont exécutés trois fois. On obtient ainsi 48 applications de couches par jeton à partir de 24 couches stockées. Une fois les boucles prises en compte, le modèle compte 3,4 milliards de paramètres actifs et 5,4 milliards d’activations de poids par jeton.
Les résidus d’attention permettent à chaque couche d’apprendre sa propre combinaison des sorties des blocs précédents, au lieu d’additionner toutes les sorties dans une somme cumulée unique. Les deuxième et troisième passes reçoivent également un message filtré provenant de la passe précédente. Au départ, ce mécanisme de filtrage bloque le message, puis apprend à en laisser passer davantage pendant l’entraînement, ce qui permet d’introduire les boucles sans déstabiliser le modèle.
Dans la comparaison d’entraînement de l’entreprise, un modèle sans boucles et non élagué a nécessité 7,5 % de calcul en moins pour l’entraînement, mais 140 % de calcul d’inférence en plus pour égaler la fonction de perte de la version à boucles sur des traces agentiques de 512 000 jetons.
L’entraînement a commencé avec 384 experts, dont huit étaient sélectionnés pour chaque jeton. Les deux tiers ont été élagués en cours d’entraînement, ne laissant que les 128 experts les plus utilisés dans chaque couche. Le modèle a ensuite été entraîné sur 1 000 milliards de jetons distillés à partir d’un modèle Inkling interne plus grand, afin de retrouver ses performances antérieures. Vingt couches ont été entraînées et sont déployées en NVFP4 4 bits, tandis que les quatre dernières sont en MXFP8 8 bits. Selon l’entreprise, le fait d’aligner la précision de l’entraînement sur celle du déploiement évite les pertes de conversion dues à la quantification après l’entraînement.
Performances en programmation et limites du modèle
Thinking Machines Lab annonce des scores de 48,2 % sur DeepSWE v1.1 et de 77,9 % à l’évaluation Hard de SWE-bench Pro v2, qui comporte 51 tâches, contre respectivement 42,2 % et 73,8 % pour Qwen3.8-27B. Le modèle obtient également 46,5 % sur Vals Index v2.2. La comparaison précise que les configurations d’évaluation varient selon les modèles.
Selon l’entreprise, les boucles améliorent le raisonnement sans permettre aux poids de stocker davantage de faits ; les connaissances dépendent principalement du nombre total de paramètres. Le résultat d’Inkling 2 Mini sur AA-Omniscience est comparable à celui d’autres modèles de sa taille, tandis que ses meilleurs résultats parmi les modèles à poids ouverts de taille similaire sur BrowseComp, DeepSearchQA et MCP Atlas s’expliquent par une utilisation efficace de la recherche et des outils.
L’entreprise indique également qu’Inkling 2 Mini n’est pas le meilleur petit modèle pour les conversations à plusieurs tours ni pour les instructions comportant de nombreuses contraintes. Il obtient 50,0 % sur MultiChallenge et 33,4 % sur ComplexConstraints v1.1. Il est devancé par des modèles plus grands sur des benchmarks exigeants en raisonnement, notamment CritPt v2 et HLE-Diamond.
Ce que révèlent les tests avec un nombre variable de boucles
Les boucles compliquent le suivi de la chaîne de raisonnement, qui consiste à lire le raisonnement écrit d’un modèle pour surveiller son comportement. Un transformeur classique doit exprimer par écrit tout raisonnement nécessitant des étapes séquentielles supplémentaires ; un modèle à boucles peut effectuer davantage de ces étapes en interne avant de produire du texte. Le raisonnement qui n’apparaît jamais dans le texte ne peut pas être examiné par ce type de système de surveillance.
Inkling 2 Mini ne prenant en charge qu’un nombre fixe de passes, le laboratoire a entraîné TML-d24-varloop-research avec une à cinq passes, le plus souvent trois, et a effectué l’apprentissage par renforcement avec trois passes. Sur un sous-ensemble de Think Fast, l’entreprise indique que son horizon temporel sans chaîne de raisonnement — défini comme le temps nécessaire à un humain pour accomplir des tâches que le modèle peut terminer avec une fiabilité de 50 % sans raisonnement écrit — est passé de 16 secondes avec une passe à 37 secondes avec trois passes, avant de plafonner à peu près. La précision sur N-Hop Lookup a continué de s’améliorer jusqu’à dix boucles, alors que l’entraînement n’avait pas dépassé cinq passes.
Dans son analyse initiale des questions de GPQA Diamond auxquelles le modèle a répondu correctement à toutes les profondeurs testées, l’entreprise a constaté que la longueur moyenne des traces de raisonnement diminuait, passant de 3 703 jetons avec une passe à 1 661 avec cinq passes. La longueur moyenne des phrases n’a évolué que de 8,9 à 8,7 mots, et la proportion de mots figurant dans un dictionnaire anglais est passée de 94,6 % à 94,4 % ; les traces plus courtes étaient plus directes et comportaient moins de retours en arrière.
Les tests agentiques ont utilisé une version d’Inkling 2 Mini ajustée uniquement pour être utile, ainsi que le modèle à boucles variables dans LinuxArena. En utilisant Qwen3.6-35B-A3B comme moniteur moins performant, l’entreprise n’a relevé aucune tendance claire du taux de dissimulation à mesure que le nombre de boucles augmentait ; en limitant le moniteur aux appels d’outils et à leurs sorties, un nombre important d’attaques n’a pas été détecté.
Ces résultats sur la surveillabilité sont préliminaires. Comme l’apprentissage par renforcement n’a été effectué qu’à trois passages, les expériences ne permettent pas d’établir ce qu’apprendrait un modèle entraîné avec un nombre de passages plus élevé, et l’entreprise souligne qu’un tel modèle pourrait condenser son raisonnement de manière plus poussée.
Pour les chercheurs en supervision, la question reste de savoir si la lisibilité observée à cette échelle se maintient avec des modèles plus grands et des régimes d’entraînement qui optimisent des boucles plus profondes. Les versions à poids ouverts, à boucles fixes et variables, offrent un moyen direct d’étudier cette question à différentes profondeurs de boucle.












