Thinking Machines Lab - Inkling suit DeepSeek et s'entraîne sur du Kimi : l'aveu technique de Mira Murati

Thinking Machines Lab a mis en ligne Inkling le mercredi 15 juillet 2026, plus d'un an après la fondation de la startup par Mira Murati. C'est un transformeur à mélange d'experts de 975 milliards de paramètres au total, dont environ 41 milliards actifs par token. Entraîné sur 45 000 milliards de tokens de texte, image, audio et vidéo, fenêtre de contexte d'un million de tokens. Ouvert au téléchargement sous Apache 2.0, disponible sur Hugging Face.

L'entreprise ne prétend pas avoir sorti le meilleur modèle. Elle écrit noir sur blanc qu'Inkling n'est pas le modèle le plus performant disponible aujourd'hui, ouvert ou fermé. La proposition de valeur est ailleurs : la personnalisation, le coût, et ce que Thinking Machines appelle les epistemics du modèle — calibration, suivi d'instruction, résistance à la censure.

Le point qui a occupé les analystes techniques dans les heures suivant la publication tient en deux lignes du blog de l'entreprise. La conception du mélange d'experts suit largement DeepSeek-V3 : 256 experts routés et 2 experts partagés par couche, 6 experts routés actifs par token, routeur sigmoïde avec équilibrage de charge sans fonction de perte auxiliaire. Et le post-entraînement a été amorcé par du fine-tuning supervisé sur des données synthétiques produites par des modèles open-weight, dont Kimi K2.5, le modèle chinois de Moonshot AI.

Rappelons qui signe ce choix. Murati a été CTO d'OpenAI. Elle a assuré l'intérim à la direction générale pendant la crise du conseil d'administration de novembre 2023. Peu de gens ont une meilleure visibilité sur ce qu'OpenAI a construit. Avec une ardoise vierge, deux milliards de dollars levés avant tout produit, et les systèmes GB300 de Nvidia, elle a retenu une architecture qui suit DeepSeek et un amorçage d'entraînement qui s'appuie sur Kimi.

Depuis dix-huit mois, Washington reproche aux laboratoires chinois de bâtir leurs modèles sur de la propriété intellectuelle américaine volée. Quand DeepSeek a surpris la communauté début 2025, la réponse d'OpenAI et de responsables américains a été de dire que DeepSeek avait distillé les modèles d'OpenAI — c'est-à-dire entraîné son propre modèle sur les sorties d'un modèle plus puissant. Le mot employé à Washington était vol. Inkling suit publiquement l'architecture d'un modèle chinois et s'entraîne sur les sorties d'un autre. Personne, cette fois, ne parle de vol.

Résistance à la censure

Thinking Machines insiste sur un argument que ses concurrents chinois ne peuvent pas mettre en avant : la résistance à la censure. Le modèle est présenté comme conservant une défense contre les requêtes réellement malveillantes ou illégales — 98,6 % sur le benchmark StrongREJECT, selon l'entreprise. La lecture pour les acheteurs occidentaux est explicite : un modèle ouvert bâti sur les mêmes fondations techniques que les modèles chinois, sans les contraintes politiques attachées à leur origine.

Reste la performance. Sur le paysage open-weight de mi-2026, Inkling arrive derrière plusieurs modèles majoritairement chinois. GLM 5.2 le devance sur SWEBench Pro public, 62,1 % contre 54,3 % pour Inkling, et creuse l'écart sur Terminal Bench 2.1, 82,7 contre 63,8. DeepSeek conserve un avantage sur plusieurs domaines stricts de code et de factualité. Thinking Machines revendique en revanche l'efficacité : sur un benchmark de code, l'entreprise affirme atteindre la performance de Nemotron 3 Ultra de Nvidia en utilisant un tiers des tokens.

Le contexte concurrentiel s'est déplacé pendant que Thinking Machines construisait. Kimi K2.6, de Moonshot AI, a égalé GPT-5.5 sur SWE-Bench Pro à 58,6 % en avril, à environ un cinquième du coût par million de tokens. GLM 5.2 est ensuite passé devant GPT-5.5 sur le même benchmark. L'écart entre laboratoires fermés américains et laboratoires ouverts chinois s'est comprimé à quelques mois sur beaucoup de tâches, et s'est inversé sur certaines.

Le modèle économique actuel de la startup ne repose pas sur Inkling. Il repose sur Tinker, un outil de fine-tuning vendu à des clients comme le fonds Bridgewater Associates, qui l'utilise pour améliorer les performances de l'IA sur des tâches financières. Inkling est désormais disponible pour du fine-tuning via Tinker. Une version allégée, Inkling-Small, est en aperçu, poids diffusés après tests.

Murati a déjà arbitré la question de l'ouverture. Elle était chez OpenAI en 2019 quand le laboratoire, fondé sur une promesse d'ouverture, a retenu la version complète de GPT-2 par crainte des usages détournés. Le fait qu'Inkling soit ouvert n'engage pas le reste de la gamme. La logique pourrait rester au cas par cas : ouvrir quand le risque est gérable, retenir quand il ne l'est pas.

Le tour de table dit quelque chose de l'attente placée dans l'entreprise. Deux milliards de dollars levés en 2025 à une valorisation de 12 milliards, avant tout produit. Nvidia, AMD, Cisco, Andreessen Horowitz, Jane Street au capital. Un accord Google Cloud pluriannuel de plusieurs milliards a été rapporté. Le gouvernement albanais — Murati est d'origine albanaise — a investi 10 millions de dollars, ce qui a nécessité un amendement au budget 2025 du pays.

Plusieurs employés sont partis depuis, rejoignant Meta et OpenAI. En janvier 2026, le cofondateur Barret Zoph et Luke Metz sont retournés chez OpenAI.

Pour un DSI qui évalue un modèle ouvert occidental à déployer sur son infrastructure, la question n'est pas de savoir si Inkling gagne un classement. C'est de savoir sur quelles fondations il construit, et ce que ces fondations révèlent : la référence architecturale et l'amorçage d'entraînement d'un modèle américain financé à hauteur de deux milliards de dollars pointent vers Hangzhou et Pékin. L'entreprise le documente elle-même.