Ce qu’est Inkling 2 Mini
Inkling 2 Mini vient de Thinking Machines Lab et est sorti le 20 novembre 2026, avec des poids sur Hugging Face sous licence Apache 2.0. Thinking Machines cite comme usages prévus les systèmes agentiques et d’appel d’outils, les assistants de code, les chatbots et la génération augmentée par récupération (RAG), ainsi que la recherche, le fine-tuning et les produits tiers.
C’est un transformer « bouclé ». Le modèle stocke 24 couches de décodeur, regroupées en quatre blocs de six. Le premier et le dernier bloc s’exécutent une seule fois. Les 12 couches du milieu (blocs 2 et 3) s’exécutent trois fois de suite avec les mêmes poids. Chaque token traverse donc 48 applications de couches alors que seules 24 couches sont stockées sur le disque. Le modèle dispose de plus de calcul par token sans grossir.
Les couches feed-forward sont un Mixture of Experts clairsemé : chaque token utilise 8 experts sur 128 par couche. Thinking Machines a entraîné avec 384 experts et en a élagué les deux tiers. Sur 26,4B de paramètres, 3,4B sont actifs par token ; chaque passage supplémentaire dans la boucle ajoute environ 1,0B de paramètres actifs effectifs, ce qui, avec trois passages, donne 5,4B de paramètres actifs effectifs par token.
- Les poids sont en majorité en 4 bits : NVFP4 pour 20 couches et MXFP8 pour les 4 dernières, dans un seul fichier d’environ 20 Go.
- L’attention mélange des couches locales et globales. Les images passent par un vision transformer ; Thinking Machines recommande que chaque côté d’image mesure entre 40 et 4096 pixels.
- Inkling 2 Small est son grand frère dans la même collection Hugging Face, avec 594B de paramètres.
Specs d’Inkling 2 Mini
| Inkling 2 Mini | |
|---|---|
| Éditeur | Thinking Machines Lab, Inc. |
| Sortie | 20 novembre 2026 |
| Licence | Apache 2.0 |
| Dépôt Hugging Face | thinkingmachines/Inkling-2-Mini |
| Paramètres | 26,4B au total, 3,4B actifs, 5,4B actifs effectifs par token avec trois passages de boucle |
| Couches | 24 stockées, 48 appliquées par token (les 12 du milieu s’exécutent trois fois) |
| Experts | 8 sur 128 par token et par couche |
| Précision | NVFP4 (20 couches) et MXFP8 (4 dernières) |
| Taille du checkpoint | Environ 20 Go (fichier safetensors principal de 19,5 Go, plus un fichier de multi-token prediction de 0,64 Go) |
| Fenêtre de contexte | Jusqu’à 1M de tokens |
| Entrée / sortie | Texte et image en entrée, texte en sortie |
| Échantillonnage par défaut | temperature 1.0 dans generation_config.json ; la model card n’indique aucun autre réglage |
| Date limite des données d’entraînement | Non indiquée |
Comment exécuter Inkling 2 Mini
Les commandes ci-dessous ont été copiées depuis chaque page source le 21 novembre 2026. Nous ne les avons pas exécutées nous-mêmes.
Ollama
La page de la bibliothèque Ollama liste
inkling-2-mini:latest,inkling-2-mini:26b-a5betinkling-2-mini:26b-a5b-nvfp4(MLX), chacun de 20GB avec 1M de contexte et une entrée texte et image. La page indique qu’il faut la préversion d’Ollama (elle renvoie vers un téléchargement de préversion, sans numéro de version) et un Mac avec 32GB+ de mémoire, et que le modèle tourne aussi sur un DGX Spark. Voir la page d’Ollama.# Depuis la page de la bibliothèque Ollama (nécessite la préversion d’Ollama ; Mac avec 32 Go de mémoire ou plus) ollama run inkling-2-miniHugging Face
Les poids sont sur thinkingmachines/Inkling-2-Mini. La model card ne contient pas de code propre ; elle liste SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth, llama.cpp (pour GGUF), Llama App, Ollama et Exo Labs comme compatibles, et renvoie vers les pages de recettes SGLang et vLLM. Les lignes ci-dessous sont l’extrait généré automatiquement par Hugging Face pour vLLM.
# Extrait « Use this model » généré automatiquement par Hugging Face, pas écrit par Thinking Machines pip install vllm vllm serve "thinkingmachines/Inkling-2-Mini"Unsloth GGUF : récupérer le build llama.cpp d’Unsloth
Le guide d’Unsloth utilise des releases du fork llama.cpp d’Unsloth. Voici son build Apple silicon ; le guide propose aussi des builds NVIDIA CUDA 12, AMD ROCm, Windows CUDA 12 et DGX Spark.
# Guide d’Unsloth : build de llama.cpp issu du fork d’Unsloth, Apple silicon curl -L -o llama.tar.gz https://github.com/unslothai/llama.cpp/releases/download/b12588-mix-c0c3de8/llama-b12588-mix-c0c3de8-bin-macos-arm64.tar.gz mkdir -p llama.cpp tar -xzf llama.tar.gz -C llama.cpp --strip-components=1 ./llama.cpp/llama-server --versionTélécharger le quant recommandé
Cela récupère UD-Q4_K_XL (17,6 Go), le projecteur de vision
mmproj-F16.gguf(ajoute 639 Mo) et un modèle brouillon de 0,4 Go pour le décodage spéculatif, depuisunsloth/Inkling-2-Mini-GGUF.pip install -U huggingface_hub hf download unsloth/Inkling-2-Mini-GGUF \ Inkling-2-Mini-UD-Q4_K_XL.gguf mmproj-F16.gguf dspark-Inkling-2-Mini-Q8_0.gguf \ --local-dir Inkling-2-Mini-GGUFLancer llama-server
La commande d’Unsloth pour macOS, Linux et WSL. Elle fixe un contexte de 32K ; réduisez
--ctx-sizesi la mémoire manque../llama.cpp/llama-server \ --model Inkling-2-Mini-GGUF/Inkling-2-Mini-UD-Q4_K_XL.gguf \ --mmproj Inkling-2-Mini-GGUF/mmproj-F16.gguf \ --model-draft Inkling-2-Mini-GGUF/dspark-Inkling-2-Mini-Q8_0.gguf \ --spec-type draft-dspark --spec-draft-n-max 3 --n-gpu-layers-draft 99 \ --jinja --ctx-size 32768 --n-gpu-layers 99 --parallel 1 \ --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0 \ --host 127.0.0.1 --port 8080Ou utiliser le CLI Unsloth
Une seule commande, tirée du même guide.
unsloth run --model unsloth/Inkling-2-Mini-GGUF:UD-Q4_K_XL \ --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0
Quants GGUF d’Unsloth pour Inkling 2 Mini
Tailles tirées du guide d’Unsloth. Unsloth recommande UD-Q4_K_XL. Par rapport à UD-Q8_K_XL, il mesure pour UD-Q4_K_XL une divergence KL moyenne de 0,0107, avec le même token de tête dans 98,0 % des cas ; UD-Q3_K_XL 0,0174 / 96,3 % ; UD-Q2_K_XL 0,0595 / 91,6 % ; UD-IQ1_S 0,0911 / 89,4 %.
| Quant | Taille du fichier | Remarque |
|---|---|---|
| UD-IQ1_S | 7,76 Go | - |
| UD-IQ1_M | 8,02 Go | - |
| UD-IQ2_XXS | 8,49 Go | - |
| UD-Q2_K_XL | 9,14 Go | - |
| UD-IQ3_XXS | 11,66 Go | - |
| UD-Q3_K_XL | 13,63 Go | - |
| UD-IQ4_XS | 15,73 Go | - |
| UD-Q4_K_M | 16,61 Go | - |
| UD-Q4_K_XL | 17,63 Go | Recommandé par Unsloth |
| UD-Q8_K_XL | 22,87 Go | Référence pour les chiffres de KLD |
Réglages recommandés
- Échantillonnage : le guide d’Unsloth utilise temperature 1.0, top-p 1.0, top-k 0 et min-p 0.0. Le
generation_config.jsonde Thinking Machines ne fixe que temperature 1.0. - Contexte : Unsloth démarre à 32K (
--ctx-size 32768) et dit de le réduire si la mémoire est juste. Le modèle lui-même gère jusqu’à 1M de tokens. - Raisonnement : la model card précise que régler l’effort de raisonnement au minimum ne désactive pas complètement le raisonnement.
- Limites : la card indique que le modèle reste parfois coincé dans de longues boucles de raisonnement, surtout pour déboguer du code, et recommande de limiter les tokens de sortie et les tours d’agent.
Matériel requis pour Inkling 2 Mini
Ce que dit chaque source. Les images, un contexte plus long et d’autres applications sur la machine consomment plus de mémoire. La card note aussi que la prise en charge des modèles bouclés dans les runtimes locaux est récente et que la vitesse varie selon le runtime et le matériel, et que l’exécution triple des couches du milieu rend le calcul par token plus élevé que ne le suggère le nombre de paramètres actifs.
| Source | Ce qu’elle dit |
|---|---|
| Model card de Thinking Machines | Checkpoint d’environ 20 Go. Pris en charge : 1x NVIDIA DGX Spark, ou Apple silicon avec 32GB+ de mémoire (MacBook, Mac mini, Studio). D’autres GPU et plateformes sont possibles, avec 32GB ou plus de VRAM recommandés. |
| Article de lancement de Thinking Machines | Tourne via Ollama sur n’importe quel Mac avec au moins 32GB de RAM. Le DGX Spark (128GB) prend en charge NVFP4 en natif. |
| Ollama | Mac avec 32GB+ de mémoire ; aussi DGX Spark. |
| Unsloth (GGUF, RAM + VRAM ou mémoire unifiée) | 1 bit 9 GB, 2 bits 10-11 GB, 3 bits 13-15 GB, 4 bits 17-18 GB, 8 bits 24 GB. |
Benchmarks d’Inkling 2 Mini (chiffres de Thinking Machines)
Ce sont les propres résultats de Thinking Machines, tirés de son article de lancement, une sélection de ses lignes. Ils sont autodéclarés, pas issus d’exécutions indépendantes.
| Benchmark | Inkling 2 Mini | Qwen3.8-27B | Gemma 4 31B | Nemotron 3.5 Super VL |
|---|---|---|---|---|
| DeepSWE v1.1 | 48.2% | 42.2% | 0.3% | 24.7% |
| SWE-bench Pro v2 (Hard) | 77.9% | 73.8% | 14.2% | 44.1% |
| SWE-bench Verified (bash only) | 79.2% | 77.8% | 46.1% | 71.1% |
| Terminal Bench v2.1 | 71.6% | 73.0% | 43.4% | 60.7% |
| Vals Index v2.2 | 46.5% | - | - | 29.8% |
| AA Index v5.0 | 20.1 | 20.1 | 4.4 | 13.6 |
| BrowseComp (with compaction) | 79.0% | 61.6% | 37.0% | 78.9% |
| MCP Atlas (Public) | 82.7% | 77.3% | 54.2% | 67.7% |
| HLE-Diamond | 15.2% | 15.3% | 7.2% | 8.8% |
| ARC-AGI v1 / v2 | 84.5% / 49.3% | 87.5% / 42.4% | - | 22.7% / 1.5% |
| MMMU Pro Standard 10 | 74.9% | 76.3% | 73.4% | 72.3% |
| AA-Omniscience non-hallucination rate | 63.4% | 71.4% | 14.5% | 69.5% |
Là où, selon Thinking Machines, le modèle est en retrait
- MultiChallenge 50.0% et ComplexConstraints v1.1 33.4%, tous deux derrière Qwen3.8-27B. Il est aussi derrière des modèles plus grands sur CritPt v2 et HLE-Diamond.
- Efficacité : sur la mesure d’intelligence par watt de Stanford sur un DGX Spark, l’article indique 0.703, contre 0.430 pour Qwen3.6-35B-A3B, 0.159 pour Gemma-4-26B-A4B et 0.036 pour Qwen3.5-27B.
- Limites de la model card : il est plus susceptible que des modèles plus grands d’affirmer avec assurance des informations fausses, il peut supprimer ou écraser des fichiers sans demander, et la qualité des réponses est moindre hors de l’anglais.
Inkling 2 Mini sur Artificial Analysis (tiers)
Artificial Analysis (AA) est un site de benchmarks indépendant. Ces chiffres viennent de sa page Inkling 2 Mini, consultée le 21 novembre 2026 ; la page n’affiche pas de date de dernière mise à jour.
- Intelligence Index v5.0.1 : 20.
- Vitesse de sortie : 280 tokens par seconde.
- Prix : 0,15 $ par million de tokens d’entrée et 0,50 $ par million de tokens de sortie.
- Coût d’exécution de l’Intelligence Index : 0,59 $, tel qu’AA l’affiche.
- Fenêtre de contexte : 1M de tokens.
Inkling 2 Mini vs Qwen 3.8 27B
Les specs viennent de la card Hugging Face de chaque modèle, les lignes AA des deux pages modèle d’AA (aucune des deux ne mentionne l’autre modèle ; la comparaison côte à côte est la nôtre), et les lignes de benchmarks du tableau de Thinking Machines. Une réserve : les chiffres de Thinking Machines pour Qwen ne correspondent pas toujours à la variante publiée par Qwen. Son 73.8% concerne SWE-bench Pro v2 (Hard) et son 15.3% HLE-Diamond ; la card de Qwen donne 61.7 sur SWE-bench Pro et 30.8 sur HLE. Ne mélangez pas les deux. Les deux annoncent 73.0 sur Terminal Bench 2.1.
| Inkling 2 Mini | Qwen3.8-27B | |
|---|---|---|
| Sortie | 20 novembre 2026 | 14 août 2026 (selon AA) |
| Licence | Apache 2.0 | Apache 2.0 |
| Architecture | MoE bouclé : 26,4B au total, 3,4B actifs (5,4B effectifs) | Dense 27B, tous les paramètres actifs, 64 couches |
| Poids | Environ 20 Go, NVFP4 et MXFP8 | BF16 |
| Contexte natif | 1M de tokens | 262 144 tokens, jusqu’à 1M avec YaRN |
| Entrée | Texte, image | Texte, image, vidéo |
| AA Intelligence Index | 20 | 20 (xhigh) ; 17 medium, 16 low, 10 sans raisonnement |
| Vitesse de sortie AA | 280 tok/s | 53 tok/s (xhigh) |
| Prix AA entrée / sortie par 1M | 0,15 $ / 0,50 $ | 0,50 $ / 3,00 $ (API Alibaba) |
| SWE-bench Verified, bash only (TML) | 79.2% | 77.8% |
| SWE-bench Pro v2 Hard (TML) | 77.9% | 73.8% |
| Terminal Bench v2.1 (TML) | 71.6% | 73.0% |
| MCP Atlas (TML) | 82.7% | 77.3% |
| BrowseComp (TML) | 79.0% | 61.6% |
Ce que montre cette comparaison
- Même AA Intelligence Index (20), mais AA mesure Inkling 2 Mini à environ cinq fois la vitesse de sortie et affiche des prix par token plus bas.
- Dans le tableau de Thinking Machines, Inkling domine sur les benchmarks de type SWE, BrowseComp, MCP Atlas et ARC-AGI v2, et reste derrière sur Terminal Bench, ARC-AGI v1, MMMU Pro, HLE-Diamond (de 0,1), AA-Omniscience, MultiChallenge et ComplexConstraints.
- Qwen3.8-27B accepte la vidéo en entrée et a la réflexion activée par défaut, avec les efforts de raisonnement
xhigh,mediumetlow. Inkling 2 Mini a le contexte natif le plus long et un téléchargement plus léger.
Ce que change Inkling 2 Mini pour les agents de code
- Thinking Machines cite les assistants de code et les systèmes agentiques d’appel d’outils parmi ses usages prévus, et avec environ 20 Go il est assez petit pour tourner en local sur un Mac de 32 Go derrière un harness d’agent, la commande
llama-serverd’Unsloth le servant sur127.0.0.1:8080. - La card est directe sur les risques : avec des outils, il est moins fiable que des modèles plus grands pour suivre des instructions détaillées et les conventions d’un projet, il peut effectuer des actions destructrices sans confirmation, et il peut ne pas rendre compte fidèlement du résultat de son travail.
- Ses conseils aux déployeurs : exécuter les workloads agentiques dans un sandbox, plafonner les tokens de sortie et les tours d’agent, et garder une relecture humaine pour les sorties à enjeu.
La démo jouable : le simulateur de vol PlaneBench
Selon vibegamer.io, Thinking Machines a publié un simulateur de vol avec le lancement, que son article appelle la démo du simulateur de vol PlaneBench. Inkling 2 Mini l’a construit hors ligne sur un MacBook Pro pendant un vol, en quelques minutes : on décolle d’une piste et l’on survole des collines, des montagnes et une mer générées de façon procédurale. Jouez-y sur vibegamer.io.
Pour d’autres jeux faits avec Inkling 2 Mini, voir les jeux Inkling 2 Mini sur vibegamer.io.
Un nouveau modèle, ce n’est que la moitié du travail. L’autre moitié, c’est un poste.
Les modèles ne cessent de s’améliorer et de baisser de prix, et les agents qui les entourent attendent toujours le prochain prompt. Crewmark transforme les sessions d’agents de code en employés IA dotés d’un rôle, d’un objectif chiffré, d’horaires de travail et d’une pulsation, pour qu’ils prennent d’eux-mêmes la prochaine issue sur un tableau. Les employés Claude Code et Codex fonctionnent en natif ; d’autres agents, comme OpenCode, DeepSeek Harness et Gemini, se connectent via ACP (acpx). Un employé utilise le modèle que fait tourner son agent.
Choisir un rôle
Parmi les rôles d’employés IA, comme un ingénieur logiciel IA.
Mettre le travail sur un tableau
Assignez des issues, rendez les tâches régulières récurrentes, et laissez la pulsation réveiller l’employé pour qu’il prenne la suivante.
Voir ce qu’il sait faire
Les tâches, avec la mise en place et les règles pour chaque agent, sont dans les cas d’usage de Claude Code et les cas d’usage de Codex.
FAQ
Qu’est-ce qu’Inkling 2 Mini ?
Un modèle open weight sous licence Apache 2.0 de Thinking Machines Lab, sorti le 20 novembre 2026. C’est un transformer Mixture-of-Experts bouclé de 26,4B de paramètres au total et 3,4B actifs (5,4B effectifs), qui prend du texte et des images, produit du texte et gère jusqu’à 1M de tokens de contexte. Le checkpoint fait environ 20 Go.
Où trouver Inkling 2 Mini sur Hugging Face ?
Sur thinkingmachines/Inkling-2-Mini, dans la collection Inkling 2 de Thinking Machines. Les quants GGUF d’Unsloth sont sur unsloth/Inkling-2-Mini-GGUF.
Comment exécuter Inkling 2 Mini avec Ollama ?
Installez la préversion d’Ollama, puis lancez ollama run inkling-2-mini. La page d’Ollama indique qu’il faut un Mac avec 32GB+ de mémoire et que le modèle tourne aussi sur un DGX Spark. Les tags font 20GB chacun.
Qui a créé Inkling 2 Mini ?
Thinking Machines Lab. C’est le plus petit modèle de la collection Inkling 2 ; Inkling 2 Small est le plus grand, avec 594B de paramètres. Thinking Machines le propose aussi via sa plateforme Tinker.
Inkling 2 Mini est-il bon ?
Dans le propre tableau de Thinking Machines, il obtient 79.2% sur SWE-bench Verified (bash only), 71.6% sur Terminal Bench v2.1 et 82.7% sur MCP Atlas. Sa model card prévient qu’il peut affirmer des faits faux avec assurance, rester coincé dans des boucles de raisonnement et effectuer des actions destructrices sans confirmation : exécutez-le donc dans un sandbox, avec des limites sur les tours et la sortie.
Que dit Artificial Analysis d’Inkling 2 Mini ?
Le 21 novembre 2026, Artificial Analysis le classait à 20 sur son Intelligence Index v5.0.1, avec 280 tokens de sortie par seconde et 0,15 $ / 0,50 $ par million de tokens d’entrée et de sortie.
Inkling 2 Mini vs Qwen 3.8 27B : lequel est le meilleur ?
Artificial Analysis leur donne 20 à tous deux sur son Intelligence Index ; il mesure Inkling 2 Mini environ cinq fois plus rapide et le liste moins cher par token. Dans le tableau de Thinking Machines, Inkling domine sur SWE-bench et MCP Atlas et reste derrière sur Terminal Bench et MMMU Pro. Qwen3.8-27B est dense, accepte la vidéo en entrée et a 262K de contexte natif contre 1M pour Inkling.
De combien de mémoire Inkling 2 Mini a-t-il besoin ?
Thinking Machines prend en charge Apple silicon avec 32GB+ de mémoire ou un seul DGX Spark, et recommande 32GB ou plus de VRAM sur les autres GPU. Les quants GGUF d’Unsloth demandent environ 9 GB en 1 bit jusqu’à 24 GB en 8 bits, et 17-18 GB pour le 4 bits recommandé UD-Q4_K_XL.
Vérifié d’après l’article de lancement et la model card de Thinking Machines, les pages modèle Hugging Face, la page de la bibliothèque Ollama, le guide d’Unsloth et Artificial Analysis le 21 novembre 2026. Nous n’avons pas exécuté les commandes.