Inkling et Inkling Small : le pari open-weights de Mira Murati et Thinking Machines

Le 15 juillet 2026, Thinking Machines Lab — la société fondée par Mira Murati, ex-CTO d'OpenAI — publie son premier modèle : Inkling. 22 mois après son départ retentissant d'OpenAI (septembre 2024), Murati livre enfin le produit tant attendu. Et le fait de manière radicalement différente de son ancien employeur : en poids ouverts.

Dans la foulée, l'entreprise annonce Inkling Small, une version plus légère du même modèle, en test avancé — sortie imminente dès que les évaluations internes seront terminées.

Qui est Thinking Machines Lab ?

Thinking Machines est la nouvelle startup IA de Mira Murati, cofondée avec plusieurs anciens d'OpenAI. Repères clés :

• Fondation : fin 2024, quelques semaines après le départ de Murati d'OpenAI
• Levée seed : 2 milliards de dollars en juin 2025, menée par Andreessen Horowitz — l'une des plus grosses levées d'amorçage jamais enregistrées
• Deal Nvidia : accord de compute à l'échelle du gigawatt signé début 2026 pour l'entraînement
• Positionnement : open-weights + spécialisation entreprise, à la manière de Meta LLaMA plutôt que d'un produit consommateur type ChatGPT

Inkling : les chiffres

Le modèle publié est un Mixture-of-Experts conséquent :

• 975 milliards de paramètres au total
• Environ 41 milliards de paramètres actifs par token
• Entraîné sur 45 trillions de tokens multimodaux (texte, image, audio, vidéo)
• Publié en poids ouverts avec licence permissive

C'est l'ordre de grandeur d'un Kimi K3 ou d'un Llama 4.1, en visée directe des modèles frontières fermés d'OpenAI et d'Anthropic.

Inkling Small : ce qu'on sait

La version plus légère, en cours de finalisation :

• 276 milliards de paramètres au total
• Environ 12 milliards de paramètres actifs par token
• Les poids seront publiés une fois les tests internes terminés — pas de date ferme

C'est le modèle qui intéressera le plus les équipes IA en entreprise et les développeurs indépendants : suffisamment léger pour tourner sur du hardware raisonnable (une DGX ou un cluster de H100), suffisamment capable pour couvrir la majorité des cas d'usage professionnels.

Où le trouver ?

Inkling est diffusé via les canaux habituels du modèle ouvert :

• Publication officielle : thinkingmachines.ai/news/introducing-inkling
• Téléchargement des poids : Hugging Face (repository Thinking Machines)
• Une API commerciale Thinking Machines est également disponible pour ceux qui préfèrent ne pas héberger
• Le modèle est compatible avec les principaux frameworks d'inférence (vLLM, TensorRT-LLM, llama.cpp pour certaines quantifications)

Ce qu'Inkling propose

1. Un modèle base pensé pour le fine-tuning

Thinking Machines l'assume : Inkling n'est pas un assistant grand public. C'est un modèle de base optimisé pour être spécialisé par les clients entreprises sur leur domaine (juridique, médical, ingénierie, service client…).

2. Multimodalité native

Les 45 trillions de tokens d'entraînement couvrent texte, image, audio, vidéo. Contrairement à beaucoup de modèles ouverts qui bricolent la multimodalité a posteriori, Inkling la porte dans son architecture d'entraînement — ce qui devrait donner de meilleurs résultats sur les tâches mêlant plusieurs modalités.

3. Personnalisation profonde

Murati martèle depuis des mois sa thèse : « one-size-fits-all AI » (un modèle unique pour tous les usages) est un pari perdant à moyen terme. Chaque entreprise, chaque secteur, chaque équipe a des besoins spécifiques qui nécessitent une personnalisation en profondeur — pas juste du prompt engineering. Inkling est conçu pour ça.

4. Souveraineté et contrôle des données

Un modèle open-weights hébergé chez soi = aucune donnée qui sort. Argument de vente massif pour les banques, les hôpitaux, les gouvernements, les grands industriels qui refusent d'envoyer leurs données chez OpenAI ou Google.

Le positionnement stratégique

Murati se démarque volontairement de :

• OpenAI, dont elle vient — modèle fermé, produit grand public monolithique
• Anthropic — modèle fermé, positionné sur la sécurité et la qualité de raisonnement
• xAI (Musk) — modèle semi-ouvert, aligné politiquement

Et se rapproche de :

• Meta LLaMA — open-weights, positionné pour la base et le fine-tuning entreprise
• Mistral — modèle européen open-weights avec offre commerciale
• DeepSeek et Kimi — les acteurs chinois qui misent sur l'ouverture

Le pari : dans 24 mois, le marché sera segmenté entre quelques champions fermés grand public (OpenAI, Anthropic, Google) et un écosystème riche de modèles open-weights spécialisés où les entreprises composent leur pile IA sur mesure. Thinking Machines veut devenir la référence occidentale de ce second segment, contre-poids ouvert à la fois aux fermés américains et aux ouverts chinois.

Les enjeux

Trois éléments à surveiller sur les 12 prochains mois :

• La qualité mesurée. Les benchmarks indépendants tomberont bientôt. Est-ce qu'Inkling tient face à Llama 4.1, Kimi K3, DeepSeek V4 sur des tâches réelles ? La communauté est en train d'en juger.
• La cadence de sortie d'Inkling Small. Un modèle de 12 B actifs, s'il tient les promesses de Thinking Machines, sera un game-changer pour les développeurs. Le retard actuel commence à agacer.
• La solidité économique. Vendre du fine-tuning, du support, de l'API à partir de poids ouverts est un business model plus difficile que la vente d'abonnements ChatGPT-like. Thinking Machines devra prouver que c'est viable au-delà des 2 milliards de dollars levés.

Une chose est sûre : le retour de Mira Murati sur le devant de la scène IA, avec un produit tangible et un positionnement clair, redonne du relief au débat entre modèles fermés et modèles ouverts. Et Inkling — avec son Small à venir — pourrait devenir en fin d'année l'une des références par défaut pour les équipes IA en entreprise.