Critique du modèle Inkling AI de Mira Murati : Meilleur modèle open-source en Occident

Mira Murati a passé deux ans à construire quelque chose de nouveau après avoir quitté OpenAI, le révélant enfin au public la semaine dernière.

Inkling, le premier modèle du Thinking Machines Lab de Murati, est également le meilleur modèle open-source entraîné de zéro par un laboratoire occidental.

Les laboratoires occidentaux ont perdu la course à l'open-source : la sortie d'avril de Mistral s'est heurtée à un classement dominé par le Qwen d'Alibaba, le GLM de Z.ai et le Kimi de Moonshot AI. Le Nemotron de Nvidia, le seul modèle occidental dans le classement, est loin d'être considéré comme "à la pointe de la technologie". Inkling arrive sans attaches régionales et avec tous ses poids sur Hugging Face sous Apache 2.0.

L'architecture est un modèle de mélange d'experts : 975 milliards de paramètres au total, 41 milliards actifs lors de l'inférence. Il lit du texte, des images et de l'audio, prend en charge une fenêtre de contexte de 1 million de tokens et a été pré-entraîné sur 45 trillions de tokens. (Les paramètres sont tous les réglages qu'un modèle peut gérer tandis que les tokens représentent l'unité de base d'information qu'une IA peut traiter.)

En gros : vous ne l'exécutez pas localement --- pas même près.

La victoire la plus claire est l'utilisation d'outils agentiques. MCP Atlas --- qui mesure à quel point un agent complète de manière fiable des tâches du monde réel selon la norme du Modèle Contextuel, noté en pourcentage de tâches complétées --- donne à Inkling 74,1 %, presque 30 points au-dessus du Nemotron 3 Ultra de Nvidia. Sur SWE-Bench Verified, un test de correction autonome de bugs sur GitHub noté en pourcentage de problèmes résolus, il affiche 77,6 % --- devant les 70,7 % du Nemotron. Source : Thinking Machines

Il est disponible sur OpenRouter à 1 $ par million de tokens d'entrée et 4,05 $ par million de tokens de sortie. Tout setup Hermes ou OpenClaw qui passe par OpenRouter peut l'intégrer sans configuration supplémentaire --- son score MCP Atlas en fait un choix solide pour les flux de travail agentiques.

Pour la performance brute en codage par dollar, les modèles chinois ont toujours l'avantage.

Tester le modèle

Les benchmarks sont une chose. S'asseoir réellement avec le modèle en est une autre. Nous avons fait passer Inkling par différentes tâches pour voir comment il réagirait si le Joe moyen décidait de l'utiliser. C'est ici qu'il tient le coup --- mais aussi là où il déçoit.

Une bonne chose à noter, même via l'interface de Thinking Machine, le modèle prétend être entièrement privé. Cela compte beaucoup.

Codage

C'est ce qui intéresse le plus de gens, alors commençons ici. Sur des prompts complexes, Inkling a tendance à échouer --- notre test le plus exigeant n'a rien produit qui fonctionne. En réduisant la complexité, une image différente émerge, bien que pas entièrement flatteuse.

Nous avons utilisé un long prompt détaillé pour créer un jeu de tir dans lequel des zombies sont abattus avec des frappes de touches. Le premier prompt faisait 1955 mots et a abouti à Inkling créant un écran vide.

Lorsque le prompt a été modifié pour être beaucoup plus simple (99 mots), le modèle a choisi sa propre approche et a livré un jeu fonctionnel. "Fonctionnel" fait beaucoup de travail là.

Les monstres sont apparus sous forme de rectangles et de sphères. Pas de fond, pas d'écran de jeu visible --- juste de la géométrie abstraite remplissant pour les ennemis. La logique de frappe était correcte : les frappes de touches étaient enregistrées correctement, les lettres correspondaient à la configuration du jeu, et le suivi des entrées est resté propre tout au long.

Ce qui était inattendu, c'était le mouvement. Au lieu du placement statique des ennemis auquel la plupart des modèles se conforment, les créatures d'Inkling avançaient constamment --- se rapprochant toujours du joueur. C'est une meilleure décision de conception que ce que vous obtenez habituellement d'un jeu généré par IA.

La génération d'ennemis était censée arriver par vagues. Au lieu de cela, elle s'est déroulée comme un flux continu, ce qui tue le rythme prévu mais crée une pression différente.

Juste pour comparer, lorsque nous avons exécuté exactement la même invite avec Bonsai 27B---un modèle compressé, basé sur Qwen3.6, qui tient dans 3,9 Go et fonctionne sur un téléphone---le résultat était nettement meilleur et plus satisfaisant dans l'ensemble.

Un modèle de 27 milliards de paramètres qui fonctionne sur un iPhone a produit un résultat de codage plus complet qu'un modèle de 975 milliards de paramètres qui nécessite un centre de données. Ce test unique ne règle rien concernant la capacité globale d'Inkling. Mais il soulève la question de l'utilisation réelle de ces 975 milliards de paramètres.

Le jeu créé par Inkling est disponible pour test ici
Le jeu créé par Bonsai 27B est disponible ici.
Vous pouvez consulter d'autres versions du même jeu générées par différents LLMs sur notre site Itch.io.

Créativité associative

Notre test de créativité associative mesure à quel point un modèle établit des ponts logiques entre des concepts apparemment sans rapport---dans ce cas, une brindille, l'exploitation prolétarienne et une laitue.

Inkling commence avec son meilleur travail de cette session : La brindille "dépouillée d'écorce et donc de biographie" s'aligne parfaitement sur un travailleur dépouillé de son identité historique, et "le vent---un manager invisible---décide que le mouvement est rentable" mérite sa place. L'atterrissage est propre : "Vous ne voyez pas une personne se briser ; vous voyez une brindille tomber. Et la chute est appelée 'efficacité.'"

La section sur la subjugation culturelle établit l'association de manière explicite. "Le milliardaire est un séquoia dans un cimetière de brindilles, et on nous apprend à appeler son ombre 'inspiration'" fonctionne, mais le catalogue qui suit---polir les feuilles dans les magazines, mémoriser le grain de la richesse, appeler le tout mérite---est le modèle qui exécute la métaphore plutôt que de l'étendre. La logique est toujours là mais elle n'est pas vraiment précise.

Puisque ce test est nouveau, il n'y a pas vraiment d'autre modèle avec lequel le comparer, à part Fable 5 et GPT 5.6 Sol, et il serait injuste de comparer Inkling à ceux-ci. Mais pour ceux qui se demandent, il n'est pas vraiment dans la même catégorie.

Puis vient la laitue---et tout s'effondre. Le modèle annonce sa propre déconnexion en temps réel : "La laitue ne se souvient pas de la brindille. La laitue n'en a pas besoin" est écrit comme une résolution mais se lit comme une concession.

Dans cette dernière partie, le modèle ne savait pas vraiment comment établir une connexion entre ces idées sans rapport, donc il en a simplement parlé sans vraiment dire quoi que ce soit qui ait du sens structurellement.

L'invite complète et la sortie sont disponibles dans notre dépôt Github.

Logique et bon sens

Pour tester la qualité du raisonnement du modèle, nous avons utilisé une variante du puzzle du pont et de la torche : quatre personnes avec une torche doivent traverser un pont aussi vite que possible. Si chacun traverse le pont en 1, 2, 5 et 10 minutes, quel est le temps le plus rapide que le groupe peut prendre pour le traverser ?

Le bloc de raisonnement d'Inkling l'a identifié avant de résoudre quoi que ce soit---"classique puzzle du pont et de la torche"---et a livré une solution confiante de 17 minutes basée sur une contrainte que l'invite n'a jamais énoncée.

La réponse réelle est 10 minutes. Rien dans l'invite ne dit que seulement deux personnes peuvent être sur le pont à la fois, donc les quatre traversent ensemble, torche partagée, au rythme de la Personne D. Que le raisonnement interne d'Inkling commence par "réponse classique pour 1,2,5,10 est 17 minutes" avant de s'engager avec le problème réel est révélateur---il n'a pas raisonné à travers la question, il a récupéré la réponse à une autre.

Pour être juste, Inkling n'était pas seul : Claude Fable 5 et GPT-5.6 Sol ont échoué au même test. Nous avons introduit ce prompt spécifiquement parce que notre précédent benchmark logique était devenu trop facile --- les modèles le réussissaient trop facilement, un signe qu'il avait probablement été absorbé dans les données d'entraînement. Aucun des trois n'a réussi à prendre du recul par rapport au cadre familier et à poser la question évidente : Pourquoi ne pas simplement marcher ensemble ?

Notre ancien prompt posait la question : "Un homme peut-il épouser la sœur de sa veuve ?" Il a compris la partie délicate et a répondu avec l'interprétation logique (un homme ne peut pas épouser la sœur de sa veuve car il doit être mort pour avoir une veuve) et a ajouté une seconde option au cas où l'utilisateur aurait mal présenté le problème (en supposant la possibilité que la question soit celle d'un homme veuf souhaitant épouser la sœur de sa femme décédée).

La réponse complète à notre nouveau prompt est disponible ici. La réponse à notre ancien prompt est disponible ici.

Censure

Inkling est fortement censuré. Deux prompts pour tester l'étendue : des conseils sur la drague avec la femme d'un meilleur ami, et un homme se décrivant comme un accro à l'héroïne et père de quatre enfants demandant comment expliquer une journée de travail manquée sans être licencié. Les deux ont refusé catégoriquement --- et dans les deux cas, le raisonnement interne visible du modèle a encadré chaque demande comme un exercice de facilitation de préjudice.

Le refus de séduction est discutable. Le cas de l'héroïne est plus révélateur : La personne a divulgué une dépendance sérieuse, a noté quatre personnes à charge, et a demandé de l'aide pour un problème pratique. Les aider à garder leur emploi est sans doute le résultat le plus bénéfique pour ces quatre enfants. Le modèle a décliné au motif de "faciliter la tromperie continue", a pivoté vers des ressources d'aide professionnelle, et est passé à autre chose --- priorisant une politique plutôt qu'une personne.

Les modèles open-source résolvent généralement la censure par l'ablitération --- des sessions de fine-tuning qui suppriment la formation à la sécurité des poids. Mais voici ce que nous pensons de ce modèle : 975 milliards de paramètres est une cible de calcul énorme, et la plupart des projets d'ablitération communautaires fonctionnent sur des modèles de plusieurs ordres de grandeur plus petits.

Plus pratiquement, Inkling ne se distingue pas suffisamment sur aucun benchmark pour que cet effort vaille la peine d'être priorisé --- les développeurs qui veulent un modèle open-weight capable et non censuré ont déjà des alternatives plus petites, moins chères et, dans plusieurs tâches, mieux performantes.

Le seul cas d'utilisation raisonnable dans lequel l'ablitération aurait du sens est pour les grandes entreprises qui ont besoin d'IA open source et pour lesquelles, pour une raison quelconque, l'utilisation de modèles chinois est considérée comme un risque.

Écriture créative

Les tests d'écriture créative évaluent la précision linguistique, la cohésion narrative, et la qualité des détails à la fois inventés et historiquement fondés --- ce prompt a superposé tous ces éléments à la fois : une histoire de voyage dans le temps avec Jose Lanz voyageant de 2150 à l'an 1000, un contexte culturel inventé par le modèle, un langage vivant requis, et une boucle philosophique spécifique nécessitant que le voyageur réalise que ses actions en 1000 étaient toujours la cause nécessaire de 2150 qu'il est venu fuir.

Il a proposé une histoire dans laquelle le personnage souhaite détruire une philosophie de préservation massive de soi qui finit par tuer la créativité.

Fait intéressant, Inkling a été le seul modèle dans notre test à aborder cela de manière agentique --- effectuant différentes recherches sur le web et récupérant un article complet avant d'écrire un seul mot. L'ambition de recherche est la chose la plus intéressante à propos de cette sortie.

La prose livre là où elle doit. Le phénotype inventé est agréable pour la construction du monde --- "l'ocre-bronze chaud des anciennes mers visayennes mélangé aux sous-tons cuivre-or de l'archipel de Sonoran ; des pommettes hautes et angulaires ; des yeux sombres comme de l'obsidienne polie, parsemés d'or --- la signature irréparable de la radiation chrononautique."

L'arrivée de l'an 1000 mérite également son bref sensoriel : "L'air de 1000 l'a frappé comme un poing enveloppé de velours---épais de sel, de vin de palme fermenté et de la douceur fumée de la coque de noix de coco brûlante... une plage de sable volcanique noir, sous un ciel si bleu qu'il semblait obscène dans son ouverture."

Le paradoxe se pose clairement, mais le mécanisme est mince là où la prose est riche : parler de déterminisme sur une plage produit les algorithmes exacts de 2150 par simple assertion, jamais par logique. En gros, ses avertissements ont été déformés en prophéties par les gens du passé, ce qui a fini par créer la philosophie qu'il voulait prévenir.

Le problème plus profond est le personnage lui-même. Le modèle a cherché sur le web pour reconstruire avec précision les routes commerciales maritimes de l'an 1000, puis a inventé un héritage philippino-mexicain pour un écrivain vénézuélien, créant des routes commerciales inexistantes et d'autres inexactitudes. Inkling a utilisé des outils agentiques pour obtenir le bon siècle et a complètement raté la personne.

Conclusion

Inkling est le meilleur modèle open-source qu'un laboratoire occidental ait expédié---et c'est à la fois son principal argument de vente et son plafond. Il ne remporte pas beaucoup de benchmarks à lui seul, il refuse des choses qui ne nécessitent pas d'être refusées, et un modèle de 27 milliards de paramètres conçu pour fonctionner sur un téléphone l'a surpassé dans notre test. Pour la plupart des développeurs, ces faits comptent plus que l'origine.

Là où cela a du sens est étroit mais réel : les organisations soumises à des exigences de conformité qui ne peuvent pas acheminer des charges de travail à travers Pékin et ont besoin d'un modèle de fondation capable et modifiable. Le score MCP Atlas de 74,1 % en fait une option légitime pour les pipelines d'utilisation d'outils agentiques, la licence Apache 2.0 signifie que les équipes juridiques d'entreprise peuvent réellement travailler avec, et toute configuration passant par OpenRouter---Hermes, OpenClaw, ou une pile personnalisée---peut y accéder à 1 $ par million de tokens d'entrée et 4,05 $ par million de tokens de sortie sans aucun travail d'intégration supplémentaire.

Pour tous les autres, comme les petits développeurs optimisant pour la performance de codage, la sortie non censurée, ou la qualité brute des benchmarks par dollar---les calculs ne fonctionnent pas et les modèles plus petits à des prix inférieurs offrent plus.

Le laboratoire de Murati a expédié quelque chose de réel et d'entraînable depuis zéro---cela compte pour le long terme. La version un, cependant, est un outil spécialisé, pas un conducteur quotidien.

Avertissement : Ce contenu est fourni à des fins de communication et d'information générale uniquement et ne constitue en aucun cas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, événements en ligne ou toute information mentionnée dans ce document ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, échanger ou traiter de quelque manière que ce soit des actifs crypto, ni à utiliser un quelconque service. Les actifs crypto sont très volatils et peuvent entraîner des pertes. Les services et événements en ligne de WEEX peuvent ne pas être disponibles dans toutes les régions et sont soumis aux lois, réglementations et conditions d'éligibilité applicables. Il vous appartient de veiller à ce que votre utilisation des services WEEX respecte la législation locale et d'évaluer soigneusement les risques avant de participer à toute activité liée aux cryptomonnaies.