L'ex-numéro 2 d'OpenAI lance Inkling : cette IA gratuite et modifiable qui pourrait faire de l'ombre à ChatGPT

Près de deux ans après avoir quitté OpenAI, Mira Murati revient sur le devant de la scène avec un lancement très attendu. L’ancienne directrice technique du champion américain de l’IA vient de présenter Inkling, le premier modèle d’intelligence artificielle de sa start-up Thinking Machines Lab.

Publié mi-juillet 2026, Inkling se distingue par une architecture de type Mixture-of-Experts, une fenêtre de contexte pouvant atteindre 1 million de tokens et des poids rendus téléchargeables pour tous. Un choix qui vise clairement le contrôle des données et la personnalisation en entreprise, bien plus qu’une course au plus gros score de benchmark.

Mira Murati, de OpenAI à Inkling et au pari open-weights

Le 25 septembre 2024, Mira Murati a quitté son poste de directrice technique chez OpenAI. Depuis, elle dirige Thinking Machines Lab, présenté comme un nouveau laboratoire spécialisé dans l’IA qui assume une stratégie différente des grands acteurs : proposer des modèles que l’on peut réellement s’approprier. Dans son communiqué, l’équipe insiste sur le fait qu’Inkling vise d’abord la recherche et l’expérimentation, avec un modèle mis à disposition de la communauté pour être étudié, amélioré et adapté à de nouveaux usages. En toute transparence, Thinking Machines reconnaît même : « Inkling n’est pas le modèle le plus puissant disponible aujourd’hui, ouvert ou fermé », souligne le laboratoire dans son communiqué, cité par Cointribune.

Sous le capot, Inkling repose sur une architecture Mixture-of-Experts comptant 975 milliards de paramètres au total, dont seulement 41 milliards sont activés pour chaque token traité. Ce fonctionnement permet d’obtenir une IA plus rapide et moins coûteuse qu’un modèle massif classique, tout en conservant un haut niveau de qualité. Le modèle a été pré-entraîné sur environ 45 000 milliards de tokens et accepte nativement texte, images et audio, avec un contexte allant jusqu’à 1 million de tokens, soit près de 750 000 mots. Son design suit de près celui de DeepSeek-V3, un modèle chinois open source qui a bousculé le marché en 2025, signe que l’innovation open source circule aujourd’hui dans les deux sens entre États-Unis et Chine. Surtout, Inkling est publié en open-weights : ses poids complets sont disponibles gratuitement sur Hugging Face, sous licence Apache 2.0 sans restriction d’usage commercial, ce qui permet à toute entreprise de le télécharger, l’héberger et le modifier localement, notamment via l’outil de réglage Tinker, en gardant la main sur l’endroit où circulent ses données.

Benchmarks d’Inkling : forces, limites et enjeux pour l’IA d’entreprise

Sur le terrain des performances, les chiffres publiés par Thinking Machines positionnent Inkling parmi les modèles open source les plus solides côté agents et code. Sur MCP Atlas, un benchmark qui mesure la fiabilité d’un agent IA à accomplir des tâches réelles via le protocole Model Context Protocol, Inkling atteint 74,1 %, contre 44,7 % pour Nemotron 3 Ultra de Nvidia, son principal concurrent occidental sur ce segment. Sur SWE-Bench Verified, qui teste la capacité d’un agent à corriger de vrais bugs sur GitHub, le modèle décroche 77,6 %. En revanche, sur Terminal Terminal Bench 2.1, il reste derrière le GLM 5.2 du laboratoire Z.ai, avec 63,8 % contre 82,7 %, tandis que Kimi K2.6 domine Humanity’s Last Exam, un test de raisonnement scientifique de niveau doctorat.

Les scores restent toutefois des indicateurs partiels. Comme le rappellent les spécialistes, un modèle peut briller sur certains tests sans offrir la même qualité en conversation, en fiabilité factuelle ou en suivi d’instructions au quotidien, et les résultats publiés par les laboratoires dépendent beaucoup de la méthodologie choisie. Dans ce paysage, Inkling arrive comme une alternative open-weight de haut niveau, appelée à évoluer au fil des contributions de la communauté. Thinking Machines prépare aussi une variante Inkling-Small, annoncée avec 276 milliards de paramètres dont 12 milliards activés, pour des déploiements plus légers en production. Pour les entreprises, notamment dans la finance de marché ou la santé où la localisation des données est critique, ce type de modèle téléchargeable et personnalisable constitue une option déjà très interressant à suivre.