1X2.TV — Prévisions football IA
Prédictions de matchs et conseils de paris propulsés par l'IA
Prévisions boursières IA
Prévisions et analyses du marché boursier propulsées par l'IA

Test d'Inkling : le modèle à poids ouverts qui défie GPT-5 et Claude

Inkling est un modèle à poids ouverts de 975 milliards de paramètres développé par Thinking Machines Lab. Nous testons ses capacités multimodales, ses tarifs et sa comparaison avec GPT-5 et Claude.

Équipe AI Tools Hub
|
Inkling Review: The Open-Weights Model Challenging GPT-5 and Claude
Notre projet

1X2.TV — Prévisions football IA

Prédictions de matchs de football, conseils de paris et analyses approfondies propulsés par l'IA. Alimenté par des algorithmes d'apprentissage automatique analysant plus de 50 000 matchs.

Obtenir les prédictions

Test d'Inkling : le modèle à poids ouverts qui défie GPT-5 et Claude

Le paysage des modèles à poids ouverts a évolué à un rythme effréné tout au long de 2026. Du Nemotron 3 Ultra de Google à Claude 4 d'Anthropic et GPT-5 d'OpenAI, les modèles propriétaires ont dominé l'actualité. Mais si vous suivez la communauté open source, vous avez probablement remarqué un nouveau concurrent qui gagne discrètement en popularité : Inkling, le premier modèle à poids ouverts de Thinking Machines Lab, sorti le 15 juillet 2026.

Inkling ne cherche pas à être le modèle le plus performant sur tous les benchmarks. Il se positionne plutôt comme une base hautement performante, efficace et personnalisable pour les développeurs qui souhaitent un accès ouvert à un puissant modèle multimodal. Avec 975 milliards de paramètres au total (41 milliards actifs), une fenêtre de contexte d'un million de jetons et une prise en charge native du texte, des images et de l'audio, Inkling constitue un argument convaincant pour les modèles à poids ouverts dans les écosystèmes d'entreprise et de développement.

Dans ce test, nous examinerons en détail les capacités d'Inkling, ses tarifs et ses comparaisons avec les grands acteurs — afin que vous puissiez décider s'il s'agit du bon modèle pour votre cas d'usage.

Qu'est-ce qu'Inkling ?

Inkling est un modèle Mixture-of-Experts (MoE) de Thinking Machines Lab, publié sous licence Apache 2.0. Ce choix de licence est important : il signifie que vous pouvez utiliser Inkling commercialement sans craindre des conditions restrictives, ce qui en fait une option attrayante pour les entreprises de toutes tailles.

L'architecture du modèle est particulièrement intéressante. Avec 975 milliards de paramètres au total mais seulement 41 milliards actifs lors de l'inférence, Inkling offre des performances solides tout en maîtrisant les coûts de calcul. Cette conception MoE signifie que le modèle n'active qu'un sous-ensemble de ses paramètres pour chaque entrée, ce qui entraîne des temps d'inférence plus rapides par rapport aux modèles denses de taille similaire.

Inkling est multimodal par conception, ce qui signifie qu'il peut traiter et raisonner nativement sur le texte, les images et l'audio — sans modèles séparés ni pipelines complexes nécessaires. Pour les développeurs qui souhaitent affiner le modèle sur leurs propres données, Thinking Machines Lab l'a rendu disponible sur Tinker, leur plateforme de personnalisation de modèles.

Quelles sont les performances d'Inkling ?

Soyons honnêtes d’emblée : Inkling n’est pas le modèle généraliste le plus performant disponible aujourd’hui, qu’il soit ouvert ou fermé. Mais il est certainement assez solide pour se défendre, et il affiche quelques exploits notables.

Selon Artificial Analysis, le score d’index d’Inkling de 41 le place devant Nemotron 3 Ultra (38) et Gemma, ce qui en fait l’un des modèles ouverts les plus performants disponibles. Il reste toutefois légèrement en retrait par rapport à GLM 5.2, largement considéré comme le meilleur modèle de raisonnement à poids ouverts de l’ensemble de référence — se distinguant particulièrement dans les tâches de codage pur.

Pour le raisonnement multimodal, Inkling se comporte très bien. Sa capacité à traiter simultanément le texte, les images et l’audio lui permet de gérer des tâches complexes comme l’analyse d’un graphique, l’explication d’un schéma ou le résumé d’une transcription vidéo — le tout en une seule passe. C’est particulièrement précieux pour les applications d’entreprise où les données arrivent dans plusieurs formats.

La fenêtre de contexte de 1 million de jetons est une autre caractéristique phare. À titre de comparatif, la plupart des modèles de l’horizon 2026 offrent entre 128K et 256K jetons. Une fenêtre de 1M signifie que vous pouvez soumettre à Inkling des livres entiers, de longues bases de code ou des ensembles de documents volumineux sans découpage ni résumé. C’est un avantage majeur pour des applications comme la revue de documents juridiques, l’analyse de documentation technique et la génération de contenu long.

Inkling face aux grands acteurs

Comment Inkling se compare-t-il aux modèles fermés qui dominent la conversation ? Décortiquons cela.

Inkling face à GPT-5

GPT-5 reste l’un des modèles les plus performants disponibles, notamment pour les tâches généralistes et le raisonnement. Il bénéficie de l’infrastructure massive d’OpenAI et de mises à jour continues. Toutefois, GPT-5 est un modèle fermé à poids propriétaires, ce qui signifie que vous êtes verrouillé dans l’écosystème et les tarifs d’OpenAI.

Inkling, en revanche, offre des poids ouverts et une liberté commerciale. Pour les équipes qui souhaitent affiner le modèle sur des données propriétaires ou le déployer sur leur propre infrastructure, l’approche à poids ouverts d’Inkling est un avantage significatif. GPT-5 peut avoir un léger avantage en performances brutes, mais l’efficacité et le potentiel de personnalisation d’Inkling le rendent compétitif pour de nombreux cas d’usage.

Inkling face à Claude

Claude (la dernière génération d’Anthropic) est reconnu pour son excellent raisonnement, sa gestion des longs contextes et ses performances élevées sur les tâches de codage et d’analyse. Les points forts de Claude résident dans sa clarté et sa précision, notamment pour les tâches de raisonnement complexes.

Inkling rivalise bien avec Claude sur les tâches multimodales et offre un avantage similaire en termes de fenêtre de contexte. Cependant, l’écosystème et les outils de Claude sont plus matures, et ses tarifs sont compétitifs. L’avantage d’Inkling réside dans sa flexibilité en poids ouverts et la possibilité de l’exécuter sur votre propre matériel, ce qui peut réduire les coûts pour les utilisateurs à fort volume.

Inkling contre GLM 5.2

GLM 5.2 est actuellement le meilleur modèle de raisonnement à poids ouverts, se distinguant particulièrement sur les benchmarks de codage. Si votre principal cas d’usage est la génération et l’analyse de code, GLM 5.2 pourrait être le meilleur choix. Toutefois, les capacités multimodales d’Inkling lui donnent un avantage pour les applications devant traiter des images et de l’audio en plus du texte.

Tarifs et accessibilité

L’un des principaux atouts d’Inkling est sa stratégie tarifaire. En tant que modèle à poids ouverts, vous disposez de plusieurs options :

  • Auto-hébergé : Exécutez Inkling sur votre propre infrastructure avec la licence Apache 2.0. C’est idéal pour les entreprises disposant déjà de ressources de calcul.
  • API Cloud : Accédez à Inkling via l’API de Thinking Machines Lab, avec des tarifs qui évoluent selon l’utilisation.
  • Plateforme Tinker : Affinez Inkling sur vos propres données via Tinker, avec des tarifs dépendant de la complexité de vos besoins en affinement.

À titre de comparatif, les tarifs de l’API de GPT-5 sont compétitifs mais peuvent vite s’accumuler pour les utilisateurs à fort volume. Les tarifs de Claude sont structurés de manière similaire. Le modèle à poids ouverts d’Inkling signifie qu’une fois les poids obtenus, vous pouvez les utiliser indéfiniment sans frais par jeton, ce qui constitue un avantage coût significatif pour les déploiements à grande échelle.

Points forts et points faibles d’Inkling

Points forts

  • Poids ouverts : Utilisation commerciale sous Apache 2.0, sans dépendance au fournisseur
  • Multimodal : Prise en charge native du texte, des images et de l’audio
  • Grande fenêtre de contexte : 1 million de jetons pour les contenus longs
  • Architecture MoE efficace : 41 milliards de paramètres actifs sur 975 milliards au total
  • Prêt pour l’affinement : Disponible sur Tinker pour la personnalisation
  • Bons classements des modèles ouverts : Score d’index de 41, devant Nemotron 3 Ultra

Points faibles

  • Pas le plus fort globalement : En retrait par rapport à GLM 5.2 sur les benchmarks de raisonnement pur
  • Modèle plus récent : Une maturité de l’écosystème moindre par rapport à GPT-5 et Claude
  • Support tiers limité : Moins d’intégrations et d’outils disponibles
  • Nécessite plus de puissance de calcul : La taille plus importante du modèle implique des besoins d’infrastructure plus élevés

Qui devrait utiliser Inkling ?

Inkling est particulièrement adapté pour :

  1. Les entreprises qui souhaitent déployer des modèles d’IA sur leur propre infrastructure et maîtriser leurs données
  2. Les développeurs qui ont besoin de capacités multimodales sans gérer plusieurs modèles
  3. Les équipes qui souhaitent affiner des modèles sur des données propriétaires
  4. Les organisations soucieuses des coûts qui peuvent bénéficier d’une licence à poids ouverts
  5. Les applications qui traitent de longs documents ou nécessitent de grandes fenêtres de contexte

Si vous recherchez le modèle le plus performant pour une tâche spécifique (comme le codage), vous préférerez peut-être GLM 5.2. Si vous souhaitez l’écosystème et les outils les plus matures, GPT-5 ou Claude sont de meilleurs choix. Mais si vous valorisez la flexibilité, la personnalisation et une licence ouverte, Inkling est une option convaincante.

Débuter avec Inkling

Thinking Machines Lab a rendu le démarrage avec Inkling relativement simple. Vous pouvez :

  1. Télécharger les poids depuis leur dépôt GitHub
  2. Déployer sur votre infrastructure à l’aide des scripts fournis
  3. Affiner sur Tinker pour des applications personnalisées
  4. Utiliser l’API pour une intégration rapide

Le modèle est disponible sur les principales plateformes cloud et peut être déployé sur site, vous offrant ainsi une flexibilité dans son utilisation.

FAQ

Inkling est-il gratuit ? Inkling est un modèle à poids ouverts sous licence Apache 2.0, vous pouvez donc l’utiliser commercialement sans frais de licence. Cependant, si vous utilisez l’API ou la plateforme Tinker de Thinking Machines Lab, des coûts d’utilisation s’appliquent.

Comment Inkling se compare-t-il à GPT-5 ? GPT-5 est légèrement supérieur en termes de performances brutes, mais Inkling offre des poids ouverts, des capacités multimodales et une fenêtre de contexte plus grande. Pour les équipes qui souhaitent affiner le modèle ou le déployer sur leur propre infrastructure, Inkling est compétitif.

Quelle est la fenêtre de contexte d’Inkling ? Inkling dispose d’une fenêtre de contexte d’un million de jetons, ce qui est nettement plus grand que la plupart des modèles du paysage 2026.

Puis-je affiner Inkling ? Oui, Inkling est disponible sur Tinker pour un affinage sur vos propres données.

Inkling est-il bon pour le codage ? Inkling se distingue sur les tâches de codage, bien que GLM 5.2 conserve actuellement l'avantage sur les benchmarks de codage pur.

Réflexions finales

Inkling est un concurrent solide dans l'espace des modèles à poids ouverts, offrant une combinaison convaincante de capacités multimodales, d'une grande fenêtre de contexte et d'une architecture MoE efficace. Bien qu'il ne soit pas le modèle le plus performant sur tous les benchmarks, sa licence ouverte et son potentiel de personnalisation en font une option attrayante pour les entreprises et les développeurs qui recherchent flexibilité et contrôle.

Pour les équipes prêtes à s'affranchir de l'écosystème des modèles fermés et qui souhaitent un modèle capable d'évoluer avec leurs besoins, Inkling mérite une attention sérieuse. À mesure que Thinking Machines Lab continue de développer Inkling comme fondation de sa famille de modèles, nous pouvons nous attendre à voir encore plus d'améliorations et de capacités dans les mois à venir.

Divulgation : Ce test contient des liens d'affiliation. Si vous effectuez un achat via nos liens, nous pouvons percevoir une commission sans frais supplémentaires pour vous.

Notre projet

Prédictions boursières IA — Analyse de marché intelligente

Prévisions boursières et analyse technique alimentées par l'IA. Obtenez des prédictions quotidiennes pour les actions, les ETF et les cryptomonnaies avec des scores de confiance et des indicateurs de risque.

Voir les prévisions du jour
Pour les créateurs d'outils

Vous créez ou commercialisez un outil IA ?

Obtenez un listing, un test ou une mise en avant sur AI Tools Hub — placements sponsorisés sur 12 mois, multilingues. À partir de 49 $.

Équipe AI Tools Hub

Experts en tests d'outils IA

Notre équipe d'amoureux de l'IA et d'experts technologiques teste et évalue des centaines d'outils IA pour vous aider à trouver la solution idéale pour vos besoins. Nous fournissons une analyse honnête et approfondie basée sur une utilisation réelle.

Partager cet article : Publier Partager LinkedIn

Plus de projets alimentés par l'IA par notre équipe

Découvrez nos autres outils et prévisions alimentés par l'IA