IA générativeOutils

Inkling 2 Mini fait tourner un assistant multimodal sur un Mac de 32 Go

Le 20 novembre 2026, Thinking Machines Lab a publié Inkling 2 Mini avec Hugging Face. Ce modèle à poids ouverts accepte du texte et des images, garde en mémoire jusqu’à un million de jetons de contexte et tient dans un fichier d’environ 20 Go. Il tourne sur un Mac doté de 32 Go de mémoire unifiée. Pour une équipe marketing qui hésite à confier ses briefs, ses fichiers clients ou ses maquettes à un service en ligne, Inkling 2 Mini ouvre une piste concrète : un assistant multimodal installé sur une machine du bureau.

Cet article fait le point sur ce qui est annoncé, ce que disent les chiffres publiés et les précautions à prendre avant un premier test.

Ce que Thinking Machines Lab a réellement publié

Inkling 2 Mini est la petite déclinaison d’Inkling 2 Small. Sa particularité tient à son architecture en boucle. Le modèle compte 24 couches physiques, mais les 12 couches du milieu sont parcourues trois fois. Chaque jeton traverse donc 48 couches logiques avec les poids de 24 couches seulement. Hugging Face résume l’idée ainsi : le modèle se comporte comme s’il avait davantage de paramètres.

Cette astuce a un coût. La fiche du modèle précise que chaque passage supplémentaire ajoute environ un milliard de paramètres actifs effectifs. Avec ses trois passages, Inkling 2 Mini mobilise donc l’équivalent de 5,4 milliards de paramètres actifs par jeton. Le calcul par jeton dépasse ce que le chiffre de 3,4 milliards laisse supposer.

Les poids sont livrés dans un format de précision mixte (NVFP4 et MXFP8). L’éditeur fournit aussi un petit modèle d’ébauche appelé DSpark, utile pour accélérer la génération par décodage spéculatif. Une variante de recherche permet de choisir un ou deux passages dans la boucle pour gagner en vitesse, au prix d’une qualité un peu plus faible selon Hugging Face, qui précise ne pas l’avoir évaluée en profondeur.

CHIFFRES CLÉS

Inkling 2 Mini en chiffres

Valeurs tirées de la fiche du modèle et du billet de Hugging Face publiés le 20 novembre 2026. Les scores sont déclarés par l'éditeur.

26,4 Md

Paramètres au total dont 3,4 milliards actifs par jeton

Source : Thinking Machines Lab, 2026

1 M

Jetons de contexte acceptés en entrée

Source : Thinking Machines Lab, 2026

20 Go

Taille approximative du point de contrôle distribué

Source : Thinking Machines Lab, 2026

20,1

Score à l'Artificial Analysis Intelligence Index v5 (identique à Qwen3.8-27B)

Source : Fiche du modèle, 2026

Sur quelle machine faire tourner Inkling 2 Mini ?

La fiche du modèle liste trois configurations prises en charge pour l’inférence locale : un NVIDIA DGX Spark, les appareils Apple Silicon avec au moins 32 Go de mémoire (MacBook, Mac mini et Mac Studio) et d’autres cartes graphiques, avec 32 Go de mémoire vidéo ou plus recommandés.

Côté logiciel, le choix est large dès la sortie. Hugging Face annonce une prise en charge dans Transformers, dans llama.cpp et son application Llama App pour macOS et Windows, dans MLX pour les Mac ainsi que dans SGLang pour les serveurs. La fiche cite aussi vLLM, Unsloth et Ollama. Des versions quantifiées au format GGUF sont proposées en 4 bits (IQ4_NL) et en 8 bits (Q8_0).

Llama App expose une API locale compatible avec celle d’OpenAI. Concrètement, un outil interne déjà branché sur une API de ce type peut, en théorie, pointer vers la machine du bureau sans réécriture lourde. Vérifiez ce point avec votre prestataire technique avant de vous engager.

Que disent les benchmarks publiés ?

Thinking Machines Lab compare Inkling 2 Mini à quatre modèles ouverts de taille voisine : Gemma 4 31B, Muse Glimmer, Qwen3.8-27B et Nemotron 3.5 Super VL. Selon Hugging Face, Inkling 2 Mini arrive en tête sur 32 des 48 tests retenus. Le tableau complet montre un duel serré avec Qwen3.8-27B.

Quelques scores déclarés par l'éditeur pour Inkling 2 Mini et Qwen3.8-27B

Test Inkling 2 Mini Qwen3.8-27B Lecture pour une équipe marketing
Artificial Analysis Intelligence Index v5 20,1 20,1 Égalité sur l’indice général
OmniDocBench v1.6 (lecture de documents) 92,8% 91,5% Utile pour analyser des PDF et des captures
DeepSearchQA (recherche agentique) 85,3% 79,7% Avantage sur les tâches de recherche outillée
AutomationBench-AA v1.0.6 41,8% 48,2% Qwen garde l’avantage sur l’automatisation
AA-Omniscience, taux de non-hallucination 63,4% 71,4% Vigilance sur les faits rappelés de mémoire

Deux lignes méritent votre attention. La lecture de documents est un point fort, ce qui intéresse directement les équipes qui traitent des études, des présentations ou des fiches produit en PDF. Le taux de non-hallucination, inférieur à celui de Qwen3.8-27B, confirme ce que la fiche écrit noir sur blanc : le modèle est plus susceptible que les grands modèles d’affirmer avec assurance une information inexacte.

Les limites écrites noir sur blanc dans la fiche

La section consacrée aux risques liste plusieurs points qui concernent directement un usage en entreprise.

Points forts et limites d'Inkling 2 Mini

Synthèse établie à partir de la fiche du modèle publiée le 20 novembre 2026.

Points forts annoncés

  • Licence Apache 2.0 qui autorise l’intégration dans des produits tiers.
  • Exécution locale sur un Mac de 32 Go ou un DGX Spark.
  • Entrée multimodale avec images et contexte d’un million de jetons.
  • Large choix d’outils compatibles dès la sortie.

Limites déclarées par l'éditeur

  • Qualité parfois plus faible hors de l’anglais, avec des mélanges de langues observés en chinois.
  • Rappel factuel plus fragile que les modèles plus grands.
  • Boucles de raisonnement répétitives, surtout en débogage de code.
  • Risque d’actions destructrices sans confirmation lorsqu’il pilote des outils.

L’éditeur recommande de limiter le nombre de jetons générés et de tours d’agent, de faire tourner les usages agentiques dans un environnement isolé et d’exiger une confirmation avant toute action irréversible. Pour un service marketing, la traduction est simple : ne laissez pas ce modèle supprimer ou écraser des fichiers partagés sans validation humaine.

Trois usages réalistes pour une équipe marketing

Le principal attrait d’Inkling 2 Mini tient à la confidentialité. Les données restent sur la machine qui exécute le modèle. Cet atout compte pour les documents que vous hésitez à envoyer à un service en ligne.

DOCUMENTS

Résumer des études internes

Analyse de PDF volumineux, de captures d’écran de tableaux de bord ou de présentations de résultats, sans faire sortir les fichiers du poste.

Contrôle : Chaque chiffre repris dans un résumé est vérifié dans le document source.

IMAGES

Décrire des visuels

Rédaction de premières versions de textes alternatifs ou de descriptions d’images produit à partir des fichiers de la photothèque.

Contrôle : Les textes alternatifs générés sont relus avant publication.

OUTILS

Prototyper des pages

Hugging Face montre le modèle produisant une page web complète à partir d’une consigne courte. Utile pour une maquette, à faire relire avant toute mise en ligne.

Contrôle : Le code produit est testé par une personne compétente.

Si vous cherchez une option hébergée moins chère pour des tâches répétitives, notre article sur les modèles open-weight confiés aux tâches marketing répétitives détaille l’autre voie, celle des API à la demande.

Comment lancer un premier test sans risque

Un essai d'une demi-journée

Cette méthode limite le périmètre et produit une décision claire.

  1. Choisir la machine

    Installez Llama App ou Ollama sur un poste dédié. Téléchargez d’abord la version quantifiée en 4 bits pour mesurer la vitesse sur votre matériel.

    Point de contrôle : La machine dispose d'au moins 32 Go de mémoire unifiée ou vidéo.

  2. Préparer dix cas réels

    Rassemblez dix demandes typiques de votre équipe : un résumé d’étude, une description de visuel, une reformulation d’e-mail, une extraction de chiffres dans un PDF.

    Point de contrôle : Les cas couvrent texte, PDF et image en français.

  3. Comparer avec votre outil actuel

    Soumettez les mêmes demandes à l’outil que vous utilisez aujourd’hui. Notez la justesse, la qualité du français et le temps de réponse.

    Point de contrôle : Les résultats sont notés par deux personnes sans savoir quel outil les a produits.

  4. Fixer les garde-fous

    Si vous testez un usage avec outils, faites-le dans un dossier de test isolé. La fiche du modèle signale un risque d’écrasement de fichiers.

    Point de contrôle : Aucun accès en écriture aux dossiers partagés pendant le test.

Avant de brancher un nouvel outil sur des données sensibles, relisez aussi nos six gestes pour protéger les outils IA de votre équipe. Un modèle local limite les envois de données vers l’extérieur. La machine qui l’héberge doit elle aussi rester protégée.

Et le choix européen dans tout cela ?

Inkling 2 Mini vient d’un laboratoire américain. Pour les organisations qui privilégient un hébergement en Europe, d’autres options existent. OVHcloud a présenté le 19 novembre son modèle Olala, que nous avons évoqué dans l’article sur les réponses IA de Qwant confiées à Olala, ainsi que son espace de travail OVHai Workspace en alpha. Un modèle local apporte une autre forme de maîtrise : les données ne quittent pas vos murs, quel que soit le pays de l’éditeur.

FAQ

Questions fréquentes sur Inkling 2 Mini

Réponses établies à partir des documents publiés le 20 novembre 2026.

Les poids sont téléchargeables gratuitement sur Hugging Face sous licence Apache 2.0. Le coût réel tient au matériel, à l’électricité et au temps d’installation.

Il accepte des images en entrée et produit uniquement du texte. Il sait décrire ou analyser un visuel. Pour en créer un, il vous faut un générateur d’images.

La fiche annonce une prise en charge multilingue générale et prévient que la qualité peut baisser hors de l’anglais. Aucun score dédié au français n’est publié. Un test sur vos propres textes reste indispensable.

Oui. La fiche mentionne un accès par la plateforme Tinker de Thinking Machines Lab et un espace de test en ligne. Dans ce cas, vos données passent par un service distant.

L’éditeur cite 32 Go de mémoire unifiée sur Mac ou 32 Go de mémoire vidéo recommandés sur les autres cartes graphiques. Le point de contrôle complet pèse environ 20 Go.

Votre prochaine étape

Inkling 2 Mini rend crédible un assistant multimodal qui tourne sur un seul ordinateur de bureau, avec une licence permissive. Pour une équipe marketing, l’intérêt se mesure sur un cas précis : l’analyse de documents confidentiels. Lancez un essai de dix cas en français, comparez-le à votre outil actuel et décidez sur pièces.

SOURCES

Sources et pour aller plus loin

Documents consultés le 22 novembre 2026.

Afficher plus

Damien LADURELLE

Après un long moment en tant que gérant d'une agence web & communication à Lille, j'ai rejoint les rangs de l'entreprise au poste de Directeur Marketing et Communication dans une holding. Aujourd'hui, j'accompagne TPE & PME dans leur croissance digitale grâce notamment à l'aide des dernières innovations technologiques. Toujours à la recherche de nouvelles façons de se démarquer, d'innover, de dépasser les barrières du "casual".

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page