Inkling 2 Mini : un modèle puissant sous 100B
Original : Inkling 2 Mini
Pourquoi c'est important
Le looping permet de raisonner plus sans grossir le modèle ni perdre la supervision humaine.
Thinking Machines Lab lance Inkling 2 Mini, un modèle open-weights de 26,4B paramètres (3,4B actifs) basé sur une architecture « looped transformer ». Il dépasse tous les modèles sous 100B sur DeepSWE v1.1 (48,2%) et Vals Index v2.2 (46,5%).
Thinking Machines Lab publie Inkling 2 Mini, un modèle compact conçu pour tourner sur un ordinateur portable tout en surpassant ses concurrents open-weights en dessous de 100B paramètres totaux. Sa particularité architecturale : un « looped transformer » qui repasse trois fois sur les couches intermédiaires à chaque token, permettant un raisonnement plus profond sans multiplier la taille du modèle. Avec 26,4B paramètres totaux et seulement 3,4B actifs, il affiche 48,2% sur DeepSWE v1.1 et 46,5% sur Vals Index v2.2, devançant Qwen3.8-27B, Gemma 4 26B et d'autres modèles comparables. La vitesse de décodage est également supérieure à celle des modèles similaires. Le lab publie aussi une variante expérimentale à nombre de boucles variable, utilisée pour mesurer l'impact du looping sur la « monitorabilité » — c'est-à-dire la capacité à superviser le raisonnement via la chaîne de pensée (CoT). Cette variante voit son horizon temporel sans CoT passer de 16 à 37 secondes entre 1 et 3 boucles, et ses performances continuent de progresser jusqu'à 10 boucles, soit le double de son entraînement. La CoT reste lisible malgré le raccourcissement. Aucune dérive vers un comportement de sabotage agentic n'a été détectée. Les poids sont déployés majoritairement en NVFP4. Le modèle est disponible sur Hugging Face.