Mira Murati Laisse Tomber Son Premier Modèle d'IA Après Avoir Quitté OpenAI—Et Il Est Entièrement Open Source

Mira Murati a quitté OpenAI en septembre 2024 pour se lancer dans ses propres projets. Près de deux ans plus tard, cette exploration a abouti. Thinking Machines Lab, l'entreprise qu'elle a fondée, a lancé Inkling---un modèle d'IA multimodal entièrement entraîné depuis zéro, avec tous les poids disponibles en téléchargement gratuit.

Lorsque le conseil d'administration d'OpenAI a renvoyé Sam Altman en novembre 2023, Murati---alors CTO---a été nommée PDG par intérim. Altman a été réintégré cinq jours plus tard, Murati est retournée au poste de CTO, puis a quitté définitivement environ 10 mois après cela. Elle a fondé Thinking Machines Lab en février 2025.

L'entreprise est ensuite devenue silencieuse---et riche. Elle a levé 2 milliards de dollars à une valorisation de 12 milliards de dollars en juillet 2025, dirigée par Andreessen Horowitz avec Nvidia, Accel, ServiceNow, Cisco, AMD et Jane Street, l'une des plus grandes levées de fonds de démarrage de l'histoire de la Silicon Valley à l'époque.

Des rapports en novembre 2025 indiquaient que l'entreprise cherchait un nouveau tour à une valorisation de 50 milliards de dollars. Ces discussions se sont effondrées en janvier 2026.

Ce qu'est Inkling

Inkling est un modèle de mélange d'experts---une architecture où seule une partie du réseau s'active pour une entrée donnée, maintenant l'inférence rapide sans sacrifier la profondeur. C'est un modèle très grand : il a 975 milliards de paramètres au total (les réglages internes qui définissent comment le modèle traite l'information), avec 41 milliards actifs par tâche, donc oubliez l'idée de l'exécuter sur votre machine locale.

Étant multimodal, ce modèle accepte du texte, des images et de l'audio, et prend en charge une fenêtre de contexte---la quantité de texte que le modèle peut traiter à la fois---de 1 million de tokens, soit environ 750 000 mots. Il a été pré-entraîné sur 45 trillions de tokens couvrant du texte, des images, de l'audio et de la vidéo.

"Notre premier modèle, Inkling. Entraîné depuis zéro, les poids sont ouverts, ajustables sur Tinker aujourd'hui," a écrit Murati sur X. Le fait qu'il soit entraîné depuis zéro signifie beaucoup, surtout dans la communauté open source, car cela pourrait apporter un vent de fraîcheur aux développeurs occidentaux qui se méfient de la Chine mais ont besoin d'utiliser des modèles asiatiques pour leurs développements, car les principales entreprises d'IA du monde occidental se concentrent principalement sur la livraison de modèles fermés.

L'ajustement fin est le processus de réentraînement d'un modèle existant sur un ensemble de données spécialisé pour améliorer ses performances sur une tâche spécifique. Tinker est la plateforme cloud de Thinking Machines construite autour de ce cas d'utilisation. Les poids complets sont également disponibles sur Hugging Face sous une licence Apache 2.0, sans restrictions.

Les victoires les plus claires d'Inkling se situent dans les tâches agentiques. Sur MCP Atlas---qui mesure à quel point un agent IA accomplit de manière fiable des tâches du monde réel en utilisant le Model Context Protocol, la norme ouverte pour connecter les assistants IA à des outils et services externes, noté en pourcentage de tâches complétées---Inkling obtient 74,1 %. C'est près de 30 points au-dessus du Nemotron 3 Ultra de Nvidia, le principal concurrent en poids ouverts dans la comparaison.

Sur SWE-Bench Verified---un test pour savoir si un agent IA peut corriger de manière autonome de réels bugs logiciels sur GitHub, noté en pourcentage de problèmes résolus---Inkling obtient 77,6 %, également au-dessus des 70,7 % de Nemotron.

Dans l'ensemble, Thinking Machines vend ce modèle comme "bien équilibré" et généraliste. Cela signifie qu'il ne compromet pas la qualité dans un ensemble spécifique de tâches parce que ses capacités se concentrent sur autre chose (comme les modèles qui excellent dans le codage mais sont mauvais en écriture créative, par exemple).

Les modèles chinois ont encore l'avantage sur plusieurs fronts. Le GLM 5.2 de Z.ai obtient 82,7 % sur Terminal Bench 2.1---un benchmark mesurant les agents de codage IA autonomes dans un environnement terminal réel, noté en pourcentage de tâches complétées---contre 63,8 % pour Inkling. Kimi K2.6 est en tête sur Humanity's Last Exam, un test de raisonnement scientifique de niveau doctorat.

Thinking Machines reconnaît cela. Inkling n'est pas le modèle le plus puissant disponible aujourd'hui, qu'il soit ouvert ou fermé.

Ce qu'il est, c'est le modèle à poids ouverts le plus capable construit par un laboratoire occidental. Les développeurs qui---pour des raisons légales, de sécurité ou de conformité---ne souhaitent pas diriger leurs charges de travail à travers des modèles construits à Pékin ont désormais une véritable alternative à l'hébergement de modèles chinois.

Maintenant, ces développeurs ont un modèle qui (même s'il est moins performant que les meilleurs modèles chinois dans presque tous les domaines) s'aligne mieux avec leurs idéaux, attentes et valeurs. Les ajustements fins ultérieurs peuvent faire exceller ce modèle dans des tâches spécifiques, rendant ces ajustements compétitifs dans les benchmarks par rapport aux modèles asiatiques.

Sur FORTRESS Adversarial---qui teste à quelle fréquence un modèle refuse des incitations réellement nuisibles sans bloquer excessivement les légitimes, noté en pourcentage correctement géré---Inkling obtient 78,0 %, la meilleure note parmi tous les modèles à poids ouverts dans la comparaison.

Aux côtés d'Inkling, Thinking Machines a présenté Inkling-Small : 276 milliards de paramètres au total, 12 milliards actifs, égalant déjà le modèle plus grand sur la plupart des benchmarks de raisonnement. Ses poids arriveront une fois les tests terminés, sans calendrier donné.