Inkling 2 Mini : un modèle ouvert pour coder en local
Inkling 2 Mini est un modèle ouvert léger, pensé pour le code et l’usage local sur Mac ou PC avec mémoire suffisante.

Thinking Machines Lab a publié Inkling 2 Mini, un modèle ouvert conçu pour rester relativement léger tout en visant des tâches de code et d’agents. Il mise sur une architecture dite « looped transformer », avec une empreinte mémoire annoncée autour de 20 Go.
Pour un professionnel, l’intérêt est clair : tester un modèle de génération de texte, multimodal en entrée, sans dépendre uniquement d’une API distante. Reste à vérifier les conditions matérielles, surtout si tu veux le faire tourner sur Mac ou PC.
Ce qui change concrètement
Inkling 2 Mini est distribué en open weights, sous licence Apache 2.0, selon sa fiche officielle Hugging Face. Le modèle accepte du texte et des images en entrée, puis génère du texte. Il annonce aussi une fenêtre de contexte allant jusqu’à 1 million de tokens, un point utile pour analyser de gros dépôts, des journaux applicatifs ou une documentation longue.
Son format est compact par rapport à des modèles plus massifs. La fiche officielle indique 26,4 milliards de paramètres au total, mais seulement 3,4 milliards de paramètres actifs par jeton. Avec ses trois passes de boucle, Thinking Machines parle de 5,4 milliards de paramètres actifs effectifs par jeton.
Le principe technique est au centre du positionnement. Le billet officiel explique qu’Inkling 2 Mini comporte 24 couches de décodeur. Les 12 couches centrales sont exécutées trois fois avec des poids partagés, ce qui donne 48 applications de couches par jeton. L’idée est de donner au modèle plus de calcul interne sans augmenter d’autant la taille des poids.
Côté stockage, Thinking Machines indique que la majeure partie des poids est entraînée et déployée nativement en NVFP4, avec les quatre dernières couches en MXFP8. Le checkpoint unique pèse environ 20 Go. C’est ce qui rend l’exécution locale envisageable sur certaines machines, à condition d’avoir assez de mémoire.
Sur les performances en code, la page officielle annonce 48,2 % sur DeepSWE v1.1 et 46,5 % sur Vals Index v2.2. The Decoder reprend ces résultats et décrit Inkling 2 Mini comme un modèle ouvert sous les 100 milliards de paramètres bien placé sur des tests de codage agentique. MarkTechPost rapporte aussi un score de 79,2 % sur SWE-bench Verified en mode bash only. Ces chiffres donnent un signal intéressant pour le développement logiciel, mais ils ne remplacent pas un essai sur tes propres dépôts.
Sur un indice plus général, Artificial Analysis attribue à Inkling 2 Mini un score de 20 sur son Intelligence Index, tandis que la page officielle de Thinking Machines indique 20,1 sur l’Artificial Analysis Intelligence Index v5.0. Artificial Analysis mentionne aussi un temps moyen d’environ 9,0 minutes par tâche pour cet index.
Comment l'essayer
Deux voies sont indiquées officiellement. D’abord, Inkling 2 Mini est disponible sur Tinker pour l’inférence et la personnalisation. Le prix d’accès à Tinker n’est pas communiqué dans l’annonce officielle.
Ensuite, les poids sont disponibles sur Hugging Face. La fiche modèle mentionne plusieurs frameworks locaux compatibles : Hugging Face Transformers, SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth, llama.cpp, Llama App et Ollama sur Apple silicon.
Pour l’exécution locale, la documentation officielle prend en charge NVIDIA DGX Spark et les appareils Apple silicon avec 32 Go de mémoire ou plus. Pour d’autres GPU, elle recommande 32 Go de VRAM ou plus. En pratique, cela vise surtout des Mac Apple silicon bien dotés en mémoire unifiée et des PC équipés d’un GPU avec une capacité mémoire suffisante.
La disponibilité commerciale en France n’est pas détaillée dans les éléments publiés. La fiche Hugging Face et la licence Apache 2.0 donnent toutefois un cadre clair pour télécharger et expérimenter le modèle, sous réserve de respecter les conditions de la licence et les contraintes matérielles.
Pour qui, et pour quoi faire
Inkling 2 Mini s’adresse d’abord aux équipes techniques qui veulent un assistant de code plus contrôlable. Un cas d’usage concret : un éditeur logiciel peut l’installer sur une machine locale pour analyser un dépôt, résumer l’architecture, proposer des correctifs et générer des scripts de test, sans envoyer le code vers un service externe.
Le modèle peut aussi servir à prototyper des agents de développement. Par exemple, un agent interne peut lire une issue, explorer les fichiers pertinents, proposer une modification, puis préparer une commande de test. Pour structurer ce type de démarche côté métier, le guide NXUS sur les agents IA en entreprise peut aider à cadrer les étapes et les responsabilités.
Le multimodal ouvre un autre usage : faire commenter une capture d’écran, une interface ou un schéma technique, puis produire une explication ou une proposition de documentation. Ce n’est pas seulement un modèle de chat. Il peut devenir une brique locale dans un flux de travail de développement, de revue ou de support technique.
Limites et points de vigilance
Le premier point est matériel. Environ 20 Go de checkpoint ne veut pas dire que n’importe quel ordinateur portable suffit. La documentation parle d’Apple silicon avec 32 Go de mémoire ou plus, ou de GPU avec 32 Go de VRAM recommandés. Un PC standard sans GPU adapté risque donc de ne pas être une bonne cible.
Le deuxième point est la vitesse. Le mécanisme de boucle ajoute du calcul interne. Artificial Analysis indique un temps moyen d’environ 9,0 minutes par tâche sur son Intelligence Index. Selon le matériel, l’expérience peut donc être moins fluide qu’avec une API distante ou un modèle plus petit.
Le troisième point concerne les benchmarks. DeepSWE, Vals Index, SWE-bench Verified et Artificial Analysis donnent des repères, mais ils ne disent pas tout. Un modèle peut très bien réussir certains tests et se tromper sur un framework interne, une base de code ancienne ou des conventions propres à ton entreprise.
Enfin, l’usage local ne supprime pas les risques classiques de l’IA générative. Il faut relire le code, exécuter les tests, surveiller les dépendances proposées et éviter de lui confier des décisions de production sans garde-fous.
L'avis NXUS
Inkling 2 Mini est intéressant parce qu’il rapproche les modèles ouverts de cas d’usage professionnels réalistes, notamment le code local et les agents techniques. Son format Apache 2.0, son checkpoint d’environ 20 Go et sa compatibilité avec plusieurs frameworks facilitent l’expérimentation.
Le bon réflexe est de commencer par un périmètre limité : un dépôt non critique, quelques tickets réels et des critères simples comme la qualité des correctifs, le temps gagné et le taux d’erreurs. Si les résultats sont bons, tu peux ensuite envisager une intégration plus structurée dans un outil de développement ou un workflow agentique.
Pour les entreprises, la question n’est pas seulement « peut-il tourner en local ? ». La vraie question est : quel processus veux-tu améliorer, avec quelles validations humaines et quelles règles de sécurité ?
Sources
Source : thinkingmachines.ai
Rudy Molinillo


