Mira Murati n’a pas perdu de temps. Sept mois après avoir quitté OpenAI, son ex-CTO a sorti le 15 juillet un modèle open weights de 975 milliards de paramètres — le plus gros jamais publié par une entreprise américaine sous licence libre. Il s’appelle Inkling, il est sous Apache 2.0, et il rivalise frontalement avec DeepSeek V4 et GLM 5.2.
Je ne vais pas vous refaire la fiche technique complète — vous la trouverez sur Hugging Face. Mais voilà ce qui mérite qu’on s’y attarde.
L’architecture, d’abord. Inkling utilise du Mixture of Experts : 975 milliards de paramètres au total, mais seulement 41 milliards d’actifs à chaque token généré. Concrètement, ça veut dire qu’il a la puissance d’un très gros modèle avec la vélocité d’un petit. Pas de miracle : c’est la même recette que DeepSeek. Mais Thinking Machines l’a appliquée avec 256 experts routés, là où DeepSeek en utilise 128. La différence ? Une génération aussi rapide que V4, avec une qualité comparable.
Les benchmarks confirment : sur Terminal Bench 2.1, Inkling fait jeu égal avec Nemotron 3 Ultra — un modèle 550B — en utilisant un tiers des tokens de réflexion. C’est le genre de détail qui compte en production sur des charges de travail réelles.
Pourquoi Inkling change quelque chose ? Parce que jusque-là, les meilleurs modèles open weights venaient quasi tous de Chine : DeepSeek, GLM, Kimi, Qwen. Les États-Unis avaient Nemotron (550B, solide) et Llama (405B, qui commence à dater). Rien au-dessus. Inkling comble ce trou — sous la licence la plus permissive qui existe. On peut le télécharger, le modifier, le revendre, le fine-tuner. Sans restriction.
Le choix de la licence n’est pas anodin. DeepSeek V4 Pro est sous MIT, Inkling sous Apache 2.0. Les deux permettent tout. Mais le symbole est fort : l’Amérique revient dans le jeu open source, poussée par une startup, pas par Google ou Meta.
Un million de tokens de contexte. C’est le chiffre qui fait lever les sourcils. Assez pour ingérer une base de code entière, 2000 pages de documentation, ou un problème du type “cherche cette aiguille dans cette botte de foin”. En pratique, l’API Tinker propose 64K et 256K tokens pour l’instant — le million complet arrivera plus tard. Mais sur le papier, ça place Inkling au niveau des meilleurs modèles longue-contexte.
Thinking Machines a aussi dévoilé Inkling-Small, un modèle de 276B paramètres (12B actifs). Pour ceux qui veulent de la vitesse plutôt que de la puissance brute. Un signal qu’ils pensent aux vrais usages, pas juste aux classements.
Alors, est-ce que ça vaut le coup de l’héberger soi-même ? Si vous passez par API, Inkling est disponible sur Tinker, Hugging Face, et bientôt TogetherAI, Fireworks, Modal. Vous payez à l’usage, rien à installer. Mais si vous voulez le fine-tuner sur vos données — ou garder le contrôle de vos données — les poids sont téléchargeables. L’investissement ? Plusieurs racks de GPU (H100 ou GB300) à chiffrer sérieusement. Pour les gros volumes, l’auto-hébergement revient moins cher qu’une API. Pour les petites structures, l’API reste le bon plan.
Est-ce que c’est le modèle qui va tuer les API propriétaires ? Non. Mais c’est celui qui prouve qu’on n’en a plus besoin pour être au top.
Vous avez un projet en tête qui pourrait utiliser un modèle comme Inkling ? On peut discuter de l’infrastructure, du budget, des objectifs — sans engagement.
