Thinking Machines publie Inkling 2 Mini, un transformer en boucle ouvert qui tourne sur un portable

Ce modèle à mélange d'experts de 26,4 milliards de paramètres exécute ses couches intermédiaires trois fois par jeton, occupe environ 20 Go et, selon le laboratoire, domine les modèles ouverts de moins de 100 milliards sur DeepSWE v1.1 et Vals Index v2.2.
Pourquoi c’est important
La plupart des petits modèles ouverts sacrifient la qualité à la taille ; Thinking Machines réutilise ses couches intermédiaires, si bien que le modèle raisonne davantage par jeton sans rédiger de plus longues chaînes de pensée. Le laboratoire juge cela important pour la supervision et indique qu'une variante de recherche à boucles variables a gardé une chaîne de pensée lisible et n'a pas obtenu de meilleurs scores aux tests de sabotage agentique quand les boucles augmentaient. ARC Prize relève 49,3 % sur ARC-AGI-2. À suivre : les évaluations indépendantes en code et l'adoption des boucles par d'autres laboratoires pour les modèles locaux.
Faits clés
- 26,4 milliards de paramètres, 3,4 milliards actifs
- Couches intermédiaires trois fois par jeton
- Environ 20 Go, surtout en NVFP4
- DeepSWE v1.1 : 48,2 % ; Vals Index v2.2 : 46,5 %
- ARC-AGI-2 : 49,3 % (ARC Prize)
- Modèle de recherche à boucles variables publié aussi