La voie la plus courte vers un modèle local sérieux sur un Mac exigeait autrefois une pile de choix. Quel fichier, quel moteur, quels réglages. Inkling 2 Mini ramène tout cela à une seule commande, car Ollama a ajouté le modèle pour Apple silicon dans sa série de versions actuelle, et le téléchargement fait environ 20 Go. Le hic est le seuil matériel. Ce modèle ne convient pas à tous les Mac capables d ouvrir un terminal.
Thinking Machines a construit Inkling 2 Mini comme un transformeur en boucle. Il compte 24 couches, et les 12 couches du milieu tournent trois fois pour chaque jeton avec des poids partagés. Le modèle stocké reste petit pendant que le travail de raisonnement par jeton grandit. Le laboratoire affirme que ce compromis sert bien le codage avec agents, et ses scores publiés appuient cette affirmation dans les limites de tests de laboratoire. Votre Mac doit tout de même tenir le point de contrôle complet, plus le contexte et la mémoire de travail, ce qui explique le seuil.
Ce que vous allez construire ou apprendre
Vous terminerez avec Inkling 2 Mini en marche sur votre Mac dans Ollama, prêt pour la discussion au terminal et pour les outils locaux qui parlent à l API de Ollama. Vous saurez aussi comment prouver que le modèle est chargé sur votre machine, comment plafonner sa sortie pour éviter les raisonnements en cercle, et quand arrêter pour prendre la voie GGUF. Notre tutoriel compagnon sur installer Inkling 2 Mini avec llama.cpp GGUF couvre cette autre voie au complet.
Le modèle accepte du texte et des images en entrée et produit du texte. Il stocke 26,4 milliards de paramètres avec 3,4 milliards actifs à un passage standard, pour 5,4 milliards effectifs une fois les passages en boucle comptés. La fiche du modèle donne une fenêtre de contexte pouvant aller à 1 million de jetons. Traitez ce chiffre comme un plafond du modèle, pas comme une promesse pour un Mac. Le contexte coûte de la mémoire sur votre machine, et l étape 5 le garde modeste à dessein.

Avant de commencer
Une autre attente à fixer. La prise en charge des modèles en boucle dans les moteurs locaux est nouvelle, et la fiche du modèle dit que la vitesse varie selon le moteur et le matériel. Un Mac de 32 Go est admissible, mais il ne donnera pas la sensation d un modèle hébergé sur un GPU de centre de données. Jugez le sur le travail terminé, pas sur les seuls jetons par seconde.
Étape 1 : Vérifiez que votre Mac est admissible
Action : confirmez la puce et la mémoire avant de télécharger 20 Go. Ouvrez Terminal et lancez ceci.
system_profiler SPHardwareDataType | grep -E "Chip|Memory"
Résultat attendu : la sortie nomme une puce Apple, comme une puce de série M, et une mémoire de 32 Go ou plus. Si la ligne de mémoire indique 16 Go ou 24 Go, arrêtez ici. Le modèle, plus son contexte et le système lui même, pousseront cette machine dans le fichier d échange, et la voie GGUF du tutoriel compagnon, avec son fichier 4 bits plus petit, convient mieux au matériel serré. Vérifiez aussi votre disque libre dans le Finder ou avec df -h / et gardez au moins 25 Go libres.
Étape 2 : Installez ou mettez à jour Ollama
Action : installez Ollama depuis sa page de téléchargement officielle, ou mettez à jour la copie que vous avez déjà. Le modèle est arrivé dans Ollama dans la série de versions actuelle, et une vieille version ne le connaîtra pas. Téléchargez l application macOS depuis ollama.com/download, ouvrez la, et laissez la placer la commande ollama où Terminal peut la trouver. Les lecteurs qui préfèrent le terminal peuvent utiliser le script d installation officiel à la place.
curl -fsSL https://ollama.com/install.sh | sh
Résultat attendu : l application Ollama tourne et la commande répond avec une version. Vérifiez la maintenant.
ollama --version
Si vous aviez Ollama avant aujourd hui, mettez le à jour par l application avant de continuer. Un téléchargement qui échoue avec une erreur de modèle inconnu sur un modèle tout neuf vient presque toujours d une version périmée, pas d un nom de modèle fautif.
Étape 3 : Lancez le modèle
Action : démarrez le modèle avec une seule commande. Le premier lancement le télécharge, alors laissez la machine branchée et donnez du temps au téléchargement.
ollama run inkling-2-mini
Résultat attendu : après le téléchargement, une invite de discussion s ouvre dans le terminal. Posez lui une question vérifiable, comme lui demander de résumer un paragraphe que vous collez ou d expliquer un court bout de votre propre code. Un bon résumé d un texte que vous avez fourni est un premier test juste. Ce modèle est plus faible en rappel factuel que son grand frère, selon sa propre fiche, alors un quiz de culture générale vous en dit moins que vous pensez. Tapez /bye pour quitter la discussion quand vous avez fini.
Pour télécharger sans discuter, utilisez ollama pull inkling-2-mini à la place, et démarrez la discussion plus tard avec la même commande de lancement.
Étape 4 : Essayez l entrée par image
Action : le modèle accepte les images, avec chaque dimension d image entre 40 et 4096 pixels pour les meilleurs résultats, selon la fiche du modèle. Dans la discussion Ollama, incluez le chemin d un fichier image dans votre message et posez une question dessus.
ollama run inkling-2-mini "Describe this screenshot and list the buttons you can see: /path/to/screenshot.png"
Remplacez le chemin d exemple par le vrai chemin de votre image. Résultat attendu : la réponse décrit votre image, en texte. Si le modèle répond comme si aucune image n était arrivée, vérifiez le chemin en premier. Un mauvais chemin échoue en silence bien plus souvent que le côté vision.
Étape 5 : Fixez une limite de contexte et de sortie
Action : gardez deux nombres sous votre contrôle. Le contexte fixe ce que le modèle garde en tête, et chaque jeton coûte de la mémoire. Le plafond de sortie est la garde contre les boucles de raisonnement que la fiche du modèle signale. Dans une session de discussion, fixez le contexte pour cette session comme ceci.
/set parameter num_ctx 8192
Pour les appels à l API, passez les limites dans les options de la demande, comme l étape 6 le montre avec num_ctx et num_predict. Commencez à 8192 jetons de contexte pour la discussion ordinaire et l aide au code. Montez le seulement quand une tâche exige vraiment un long document ou un gros fichier, et surveillez la pression sur la mémoire dans le Moniteur d activité quand vous le faites.
Résultat attendu : une mémoire plus stable et des réponses qui se terminent au lieu de tourner en rond. Donnez plus de place au raisonnement pour le codage difficile, où les scores du laboratoire suggèrent que les passages de plus gagnent leur temps. La fiche donne 48,2 pour cent à DeepSWE v1.1, devant tout modèle à poids ouverts sous 100 milliards de paramètres dans son tableau, le tout présenté comme des résultats de laboratoire.
Étape 6 : Appelez l API locale
Action : avec Ollama en marche, appelez le modèle depuis un second terminal. C est l appel que vos propres outils feront.
curl http://localhost:11434/api/chat -d '{"model": "inkling-2-mini", "stream": false, "options": {"num_ctx": 8192, "num_predict": 512}, "messages": [{"role": "user", "content": "Name three primary colours."}]}'
Résultat attendu : une réponse JSON avec la réponse dedans, servie par votre Mac. Ollama offre aussi une adresse de base compatible avec OpenAI à http://localhost:11434/v1 pour les clients bâtis pour cette forme. Gardez le serveur sur votre propre machine. Il n a pas de connexion de compte propre, alors n exposez pas le port à l internet ouvert.
Vérification
Lancez ces trois vérifications pendant que le modèle est chargé.
ollama list
ollama ps
curl http://localhost:11434/api/tags
L appel de liste devrait montrer inkling-2-mini avec une taille d environ 20 Go. L appel ps devrait montrer le modèle chargé, avec son processeur et son contexte. L appel à l API devrait retourner votre liste de modèles en JSON. Éteignez ensuite le Wi Fi, ou activez le mode avion, et posez une autre question dans la discussion. Une réponse avec le réseau éteint est la vraie preuve de tout l exercice : le modèle, le moteur et la réponse vivent tous sur votre Mac. Le laboratoire a fait le même point en altitude, en lançant le modèle hors ligne sur un MacBook Pro M5 Pro de 48 Go pendant qu il bâtissait un petit simulateur de vol, présenté comme un récit de laboratoire.
Dépannage
| Problème | Cause probable | Correctif |
|---|---|---|
| Modèle inconnu ou le téléchargement échoue d emblée | La version de Ollama précède la prise en charge de Inkling 2 Mini | Mettez Ollama à jour par l application ou le script de l étape 2, puis relancez la même commande |
| Le Mac ralentit au ralenti pendant la discussion | Une machine de 32 Go échange en mémoire car le contexte est trop haut ou d autres applications lourdes sont ouvertes | Baissez num_ctx comme à l étape 5, fermez les applications lourdes, et vérifiez la pression sur la mémoire dans le Moniteur d activité |
| Le téléchargement cale ou repart | La connexion est tombée pendant un téléchargement d environ 20 Go | Relancez ollama pull inkling-2-mini; Ollama reprend et vérifie ce qu il détient déjà |
| Les réponses divaguent ou se répètent en débogage | La boucle de raisonnement que la fiche du modèle signale | Plafonnez num_predict dans les appels à l API, fixez des limites de tours claires dans tout agent, et demandez un court plan avant le code |
| Les questions sur image donnent des réponses en texte seul | Le chemin d image dans le message est fautif, ou l image sort des repères de taille | Vérifiez le chemin, utilisez une image avec chaque côté entre 40 et 4096 pixels, et demandez de nouveau |
| L appel à l API reçoit un refus de connexion | L application Ollama ne tourne pas | Ouvrez l application Ollama, attendez un moment, et répétez l appel |
Prochaines étapes
Vivez avec la discussion une journée avant de brancher quoi que ce soit dessus. Les résumés, les brouillons et les explications de code sont le bon premier travail. Quand vous serez prêt à brancher un agent de codage, Ollama liste des voies de lancement pour les outils d agents contre les modèles locaux, et la règle de l avertissement plus haut tient toujours : bac à sable en premier, confirmation activée, et plafond ferme sur les tours.
Si la version Ollama vous semble un jour une boîte noire, le tutoriel GGUF avec llama.cpp compagnon vous donne le même modèle avec chaque réglage visible. Dans les deux cas, les poids sur votre disque sont à vous sous Apache 2.0, et aucun changement de compte ni page de prix ne peut vous retirer un modèle local. Cette permanence est l attrait discret de cette sortie, et elle vaut bien les 20 Go.
Commandes et faits sur le modèle vérifiés contre la fiche officielle de Inkling 2 Mini, le billet de sortie de Thinking Machines, et la documentation et les comptes rendus de sortie de Ollama, le 21 novembre 2026. Cette procédure a été vérifiée contre ces documents et n a pas été exécutée de bout en bout sur un Mac pour cet article.
Sources
- Thinking Machines Lab, fiche du modèle Inkling 2 Mini sur Hugging Face. Cibles matérielles pour Apple silicon, architecture, limite de contexte, date de sortie, licence Apache 2.0, repères de taille d image, limites et notes de sécurité.
- Thinking Machines Lab, Introducing Inkling 2 Mini, 20 novembre 2026. Conception en boucle, affirmations de scores et récit de vol hors ligne, le tout présenté comme des affirmations du laboratoire.
- Ollama, site officiel et documentation à ollama.com. Le téléchargement macOS, le script d installation, et les commandes run, pull, list et ps, plus la forme de l API locale.
- Comptes rendus de sortie de Ollama, 21 novembre 2026. Prise en charge de Inkling 2 Mini sur Apple silicon avec la commande
ollama run inkling-2-miniet un téléchargement d environ 20 Go. - Crédit image : les deux images sont des illustrations de style maison Dirty Static, générées pour cet article.
FIN DE LA TRANSMISSION
Restez curieux. Remettez tout en question.


