Inkling : un modèle multimodal à poids ouverts de 975 milliards de paramètres avec raisonn
Un modèle transformeur à mélange d’experts, à poids ouverts et doté de 975 milliards de paramètres, permet d’ajuster en temps réel l’effort de raisonnement. Baptisé Inkling, ce nouveau modèle se présente comme une base personnalisable pour les développeurs souhaitant l’adapter à des tâches de niche sans repartir de zéro. Ses poids sont entièrement ouverts et ajustables sur la plateforme Tinker du laboratoire, tandis que son architecture combine un décodeur à 66 couches avec un noyau d’alimentation par mélange d’experts (MoE) sparse, activant seulement six experts routés plus deux experts partagés par jeton.
Conçu pour des entrées multimodales et une fenêtre d’un million de jetons Inkling prend en charge les entrées textuelles, les images et les audios (sous forme de spectrogrammes dMel) et génère uniquement du texte UTF-8. Les images sont divisées en patches de 40×40 traités par un encodeur hMLP à quatre couches, tandis que l’audio est tokenisé via des spectrogrammes avant d’être projeté dans le même espace d’embedding que le texte. Le codage positionnel utilise un schéma relatif plutôt que RoPE, un choix que l’équipe justifie par une meilleure extrapolation. La fenêtre contextuelle s’étend jusqu’à un million de jetons, ce qui facilite les scénarios de longs documents ou de conversations prolongées.
L’effort de raisonnement devient un paramètre réglable
Contrairement aux modèles traditionnels dont le profil de calcul est fixe, Inkling expose un « effort de réflexion » ajustable, allant de 0,2 à 0,99. Lors de l’apprentissage par renforcement, l’équipe a fait varier cet effort via des invites système et des coûts par jeton, enseignant au modèle à optimiser différemment l’allocation des jetons selon les exécutions. En pratique, les développeurs peuvent définir un argument effort (avec des niveaux nommés) ou utiliser le paramètre reasoning_effort pour ajuster la latence au profit de la qualité en temps réel. Les chiffres d’efficacité suggèrent des économies réelles : selon les données du laboratoire, Inkling atteint le même score Terminal Bench 2.1 que Nemotron 3 Ultra tout en utilisant environ un tiers des jetons.
Les premiers tests externes montrent qu’Inkling rivalise avec les modèles propriétaires et open source en mode effort maximal. Sur HLE (texte uniquement), il obtient 29,7 %, contre 40,1 % pour DeepSeek V4 Pro. Il dépasse les 97 % sur AIME 2026 et 87 % sur GPQA Diamond, tandis que SWE-bench Verified atteint 77,6 %. Terminal Bench 2.1 se situe à 63,8 %, MCP Atlas à 74,1 % et SimpleQA Verified à 43,9 %. L’équipe a également présenté Inkling-Small (276 milliards de paramètres au total / 12 milliards actifs), qui, une fois ses poids publiés, égale ou dépasse son homologue plus grand sur la plupart de ces tests.
Pourquoi c’est important
La sortie des poids ouverts d’Inkling réduit les obstacles pour le fine-tuning spécifique à un domaine et élargit l’accès aux capacités multimodales de pointe. L’effort de raisonnement ajustable transforme l’inférence en un levier paramétrable plutôt qu’un profil fixe, offrant aux praticiens un moyen concret d’équilibrer coût, latence et précision. Pour les équipes développant des assistants spécialisés ou des pipelines, la combinaison des poids ouverts, d’une fenêtre d’un million de jetons et d’un calcul ajustable pourrait bouleverser l’économie du déploiement des modèles de pointe.
Source : MarkTechPost. Synthèse éditoriale assistée par IA — TechnoExpress.