Thinking Machines fait tenir son modèle agentique dans un Mac de bureau

— AGENTS

Le nouveau modèle Inkling 2 Mini tourne en local sur un Mac doté de 32 Go de mémoire, grâce à une architecture qui repasse plusieurs fois dans les mêmes couches au lieu d'en empiler de nouvelles. Les scores publiés varient selon les tâches de code et les outils utilisés, ce qui invite à lire les courbes de performance avec prudence.

Thinking Machines fait tenir son modèle agentique dans un Mac de bureau

Un modèle d'intelligence artificielle capable de tourner sur un ordinateur de bureau plutôt que sur un serveur distant change la question du contrôle des coûts. Thinking Machines publie Inkling 2 Mini avec cette promesse précise : un Mac Apple silicon doté de 32 Go de mémoire suffit à le faire fonctionner, poids compris dans une vingtaine de giga-octets. L'astuce tient dans son architecture, qui repasse plusieurs fois par les mêmes couches centrales avant de produire chaque mot, au lieu d'empiler de nouvelles couches qu'il faudrait stocker en mémoire.

Ce modèle vise en priorité les tâches de code et d'automatisation, avec des scores qui dépassent certains concurrents sur des bancs d'essai de résolution de problèmes logiciels, et qui reculent sur d'autres portant sur l'exécution de commandes en terminal. Ce sont des équipes techniques et des laboratoires de recherche qui manipuleront ces poids via Hugging Face ou l'outil Tinker, pas des studios de création. Mais la manœuvre compte pour quiconque dépend déjà d'outils d'intelligence artificielle embarqués dans ses logiciels de travail : un modèle qui tient dans la mémoire d'un ordinateur personnel annonce une génération d'assistants capables de tourner sans connexion permanente à un serveur, avec un coût d'accès qui baisse d'autant.

La promesse de légèreté mérite d'être prise avec un recul de métier plutôt qu'avec les chiffres du fabricant. Un calcul interne réduit ne débouche pas forcément sur une réponse plus courte : sur un test comparatif indépendant, le modèle produit environ 38 % de tokens en plus qu'un concurrent à score équivalent, même si le besoin de calcul reste estimé nettement inférieur. Les graphiques de vitesse publiés décrivent un plafond théorique, sans mesure du débit réel sur chaque machine compatible.

La question la plus intéressante touche à la surveillance du raisonnement. Quand le modèle repasse plusieurs fois par les mêmes couches avant de répondre, une partie du travail se déroule avant même que la chaîne de réflexion écrite n'apparaisse à l'écran. Les premiers essais des chercheurs ne montrent pas de tendance claire à une dissimulation accrue des actions problématiques quand les boucles augmentent, mais l'étude reste présentée comme préliminaire, menée sur un entraînement limité à trois passages.

Pour les métiers créatifs, rien d'exploitable directement cette semaine. Ce qui se prépare, en revanche, c'est un rapport de force où les modèles capables de tourner sur une machine personnelle pèseront de plus en plus sur le prix des abonnements aux outils cloud que les studios utilisent déjà.

Sources

Umiros Média