Thinking Machines: Inkling Small

Thinking Machines : Inkling Small est un modèle multimodal à mélange d'experts à poids ouverts de Thinking Machines Lab. Il compte 12B de paramètres actifs sur 276B au total, et il est positionné comme le membre plus petit et plus efficace de la famille Inkling. La date de publication par le fournisseur est le 2026-07-30. Comme les poids sont ouverts, les équipes qui ont besoin d'inspecter, d'auto-héberger ou d'affiner un modèle disposent de cette option, tandis que le point de terminaison hébergé sur api14 est disponible pour ceux qui préfèrent ne pas gérer eux-mêmes l'infrastructure.

Le modèle accepte des entrées texte, image et audio et renvoie du texte. Sa fenêtre de contexte est de 524288 jetons, et la sortie maximale est de 262144 jetons, il peut donc ingérer de très gros documents, de longs enregistrements ou des ensembles d'images accompagnés d'un prompt et produire malgré tout une longue réponse en un seul appel. La conception en mélange d'experts signifie qu'une fraction seulement des paramètres totaux est active par jeton, ce qui est la principale raison pour laquelle un modèle de cette taille peut être servi avec une latence et un débit raisonnables. Le comportement de raisonnement est exposé via l'API, vous pouvez donc décider de la quantité de délibération interne souhaitée avant la réponse finale.

Ces capacités renvoient à un ensemble d'usages assez spécifique. Le travail sur contexte long est l'application évidente : résumer ou interroger de grandes bases de code, des ensembles de contrats, des corpus de recherche ou des historiques de tickets de support qui ne tiendraient pas dans une fenêtre plus petite. L'entrée multimodale le rend utile pour les tâches qui mélangent les formats, comme extraire des données structurées de documents numérisés contenant des images intégrées, transcrire puis raisonner sur de l'audio, ou répondre à des questions sur une capture d'écran accompagnée d'un brief écrit. La prise en charge de l'appel d'outils et du raisonnement convient aux flux de travail de type agent, où le modèle doit décider quelle fonction invoquer puis expliquer son résultat.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "thinkingmachines/inkling-small". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k et top_p. Si vous avez déjà du code écrit pour la structure des complétions de chat OpenAI, passer à ce modèle consiste surtout à changer la chaîne de modèle et, si vous voulez une sortie de raisonnement, à définir include_reasoning ou reasoning_effort.

C'est un modèle à sortie texte, donc tout ce qui nécessite des images, de l'audio ou de la vidéo générés est hors périmètre ici. Le plafond de sortie de 262144 jetons est généreux mais reste fini, ce qui compte pour les tâches de génération très longues. Si votre charge de travail est petite, sensible à la latence et purement textuelle, un modèle plus léger peut être moins coûteux à exécuter, et si vous avez besoin de modalités de sortie au-delà du texte, vous aurez besoin d'un autre modèle.