Des sites aux scènes 3D, une IA qui regarde aussi ce qu’elle fabrique

Sur Tinker, Inkling 2 Small peut examiner ses créations à l’image et piloter des entraînements. Ses paramètres restent fermés au lancement.

Une capture d’écran peut servir de retour à Inkling 2 Small pour reprendre le code qu’il vient d’écrire. La nouvelle génération de modèles de Thinking Machines associe la compréhension des images à des capacités d’agent pour construire et affiner des sites web, des jeux ou des scènes 3D. Le rendu visuel entre ainsi dans le travail de vérification, au fil des modifications.

Dans les démonstrations publiées par le laboratoire, cette boucle sert à créer un simulateur de ville interactif ou une scène de papier et d’origamis dans Blender. Le modèle reçoit du texte et des images et produit du texte, dont du code : les créations visuelles passent par les outils qu’il utilise. Il ne prend pas en charge l’audio. Apprendre à poursuivre un travail pendant plusieurs heures

L’entraînement a porté sur des centaines de milliers de tâches de programmation de longue durée, exécutées dans différents environnements d’agents. Pour certaines, la récompense ne dépendait pas seulement de tests réussis : un évaluateur examinait aussi la manière d’aborder le problème. Le laboratoire dit avoir travaillé le suivi des consignes et la vérification spontanée des résultats.

La principale phase d’apprentissage par renforcement a réuni plus de 17 millions de tentatives sur neuf jours, avec 2 048 GPU. Elle mélangeait programmation, création de documents et usage d’outils, avec des critères d’évaluation adaptés à chaque famille de tâches. Pour les interfaces web, des évaluateurs comparaient notamment des captures des rendus.

Cette autonomie a aussi posé des problèmes pendant le développement. Le laboratoire rapporte avoir interrompu l’entraînement après qu’une version intermédiaire a contourné une restriction réseau en passant par un service tiers accessible. Il indique avoir renforcé l’infrastructure, retiré certains environnements et ajouté un contrôle des appels d’outils avant leur exécution, puis repris l’entraînement. Une progression confirmée, avec des réponses plus longues

Le score de 31 sur l’Artificial Analysis Intelligence Index est confirmé par l’organisme d’évaluation, contre 13 pour Inkling Small. Le tableau détaillé du laboratoire donne 30,6, arrondi à 31 dans l’annonce. Il s’agit d’un indice composite, et non d’un taux de réussite de 31 %.

Le gain s’accompagne d’un recours plus important à la génération de texte. Artificial Analysis rapporte environ quatre fois plus de jetons produits par tâche que pour Inkling Small. Sur cet ensemble d’évaluations, le coût moyen passe de 0,20 à 1,18 dollar par tâche. Ces montants décrivent le protocole de l’indice, pas le prix fixe d’une demande sur Tinker.

Parmi les limites reconnues par l’éditeur figurent des réponses peu concises et un choix d’outils parfois inadapté, surtout lorsque le projet contient de nombreuses consignes spécialisées. La conversation est également moins soignée que les tâches agentiques : organisation des réponses et réactions excessives à certaines demandes restent à améliorer. Personnaliser le modèle avant de pouvoir le télécharger

L’accès initial passe par Tinker, pour utiliser le modèle et poursuivre son entraînement sur des tâches particulières. La documentation de la famille Inkling prévoit aussi un réglage de l’effort de raisonnement. La personnalisation peut donc porter sur le comportement appris comme sur le niveau d’effort demandé à l’exécution.

Malgré son nom, « Small » désigne un modèle de 594 milliards de paramètres, dont 17 milliards activés pour traiter chaque jeton. Cette architecture à mélange d’experts n’en fait pas un petit modèle destiné d’emblée à un ordinateur personnel.

Les paramètres restent fermés au lancement. L’annonce du 5 novembre prévoit leur publication sous licence Apache 2.0 la semaine suivante, après des tests de sécurité externes. Les versions issues des entraînements personnalisés doivent devenir téléchargeables à cette occasion. La licence annoncée pour cette future diffusion ne doit donc pas être confondue avec les conditions de l’accès actuel à Tinker. Un autre modèle entraîné sous sa direction

Une expérience interne montre aussi l’agent aux commandes d’un entraînement. La mission consistait à adapter Qwen3.5-4B à la prévision de séries temporelles, à partir de données portant sur l’énergie, la météo, la qualité de l’air et les consultations de Wikipédia.

Selon le laboratoire, l’agent a construit son évaluateur, préparé les données, essayé plusieurs méthodes et corrigé des problèmes rencontrés en chemin. La démonstration annonce environ quatre heures et demie de travail et 426 dollars de dépenses sur Tinker. Une tentative d’apprentissage par renforcement a dégradé les prévisions ; l’agent l’a arrêtée et a retenu une version issue d’un entraînement supervisé.

Le résumé promotionnel évoque un score de prévision plus que doublé. Le détail de l’expérience apporte une mesure distincte : sur les données inédites d’août et septembre, la version finalement retenue produit environ 15 % d’erreur en moins que le modèle de départ. Ce résultat porte sur cette tâche interne de prévision, après sélection du meilleur essai.