থিংকিং মেশিন ল্যাব, প্রাক্তন OpenAI প্রধান প্রযুক্তি কর্মকর্তা মীরা মুরাতি দ্বারা প্রতিষ্ঠিত AI স্টার্টআপ, 20 নভেম্বর, 2026-এ একটি নতুন ওপেন-ওয়েট মডেল প্রকাশ করেছে: Inkling 2 Mini, একটি কম্প্যাক্ট মডেল যা একটি অস্বাভাবিক আর্কিটেকচারের চারপাশে তৈরি করা হয়েছে যা কোম্পানি বলে যে এটিকে তার প্যারামিটার গণনার উপরে ভালভাবে পাঞ্চ করতে দেয়। মডেলটি একটি ভোক্তা ল্যাপটপে স্থানীয়ভাবে চালানোর জন্য যথেষ্ট ছোট, যার মোট মেমরি ফুটপ্রিন্ট প্রায় 20GB।
শিরোনাম সংখ্যা আকার শ্রেণীর জন্য আকর্ষণীয় হয়. কোম্পানির ঘোষণা অনুসারে, Inkling 2 Mini ডিপএসডব্লিউই v1.1-এ 100 বিলিয়নেরও কম মোট প্যারামিটার সহ প্রতিটি ওপেন-ওয়েট মডেলের নেতৃত্ব দেয়, 48.2 শতাংশ কাজ সমাধান করে এবং Vals সূচক v2.2-এ, 46.5 শতাংশ স্কোর করে। উভয় মানদণ্ডই এজেন্টিক কোডিং ক্ষমতা পরিমাপ করে, এই মুহূর্তে শিল্পের মধ্যে সবচেয়ে বাণিজ্যিকভাবে প্রতিদ্বন্দ্বিতাপূর্ণ সক্ষমতার সীমানাগুলির মধ্যে একটি। For more context on this story, see our ongoing AI industry coverage.
কি একটি লুপড ট্রান্সফরমারকে আলাদা করে তোলে
ইনকলিং 2 মিনি একটি লুপড ট্রান্সফরমার। প্রতিটি স্তরের মধ্য দিয়ে প্রতিটি টোকেন ঠিক একবার পাস করার পরিবর্তে, মডেলটি তার মধ্যবর্তী স্তরগুলিকে প্রতি টোকেন তিনবার চালায়। বাস্তবে, মডেলটি আরও আউটপুট টোকেন তৈরি না করে একটি সমস্যার জন্য আরও অনুক্রমিক গণনা প্রয়োগ করতে পারে।
কোম্পানির ফ্রেমিং হল লুপিং মডেলটিকে তার যুক্তি নিচে না লিখে দীর্ঘতর যুক্তি করতে দেয়৷ ঐতিহ্যগত চেইন-অফ-থট যুক্তি দৃশ্যমান মধ্যবর্তী ধাপে টোকেন ব্যয় করে; looping পরিবর্তে গণনা খরচ. এটি কাজের গতির জন্য বাস্তব ফলাফল রয়েছে যেখানে যুক্তির গুণমান টোকেন গণনার চেয়ে বেশি গুরুত্বপূর্ণ এবং এজেন্টিক কোডিং ঠিক সেই ধরণের কাজ।
হুডের নিচে, Inkling 2 Mini হল একটি মিক্সচার-অফ-বিশেষজ্ঞ মডেল যার মোট প্যারামিটার রয়েছে 26.4 বিলিয়ন এবং প্রতি টোকেনে মাত্র 3.4 বিলিয়ন সক্রিয়, একবার লুপ করার জন্য টোকেন প্রতি 5.4 বিলিয়ন ওজন অ্যাক্টিভেশন। বেশিরভাগ ওজন প্রশিক্ষিত ছিল এবং NVFP4-এ স্থানীয়ভাবে মোতায়েন করা হয়েছে, নিম্ন-নির্ভুল ফর্ম্যাট এনভিডিয়া তার ডেটা সেন্টার লাইনআপ জুড়ে ঠেলে দিচ্ছে, চূড়ান্ত চারটি স্তর MXFP8 এ রাখা হয়েছে। আক্রমনাত্মক কোয়ান্টাইজেশন এবং একটি ছোট সক্রিয় প্যারামিটার গণনার সমন্বয় যা মডেলটিকে প্রায় 20GB ফুটপ্রিন্টে চেপে দেয় যা ল্যাপটপ এবং ডেস্কটপ AI মেশিনে ফিট করে।
ল্যাবটি একটি M5 প্রো চিপ এবং 48GB মেমরি সহ একটি ম্যাকবুক প্রো-এ বিমান মোডে অফলাইনে চলমান মডেলটি প্রদর্শন করেছে, যেখানে এটি কয়েক মিনিটের মধ্যে একটি প্লেযোগ্য ফ্লাইট সিমুলেটর তৈরি করেছে।
মনিটরবিলিটি ট্রেড-অফ
রিলিজটি গবেষণার সাথে রয়েছে যা মানদণ্ডের চেয়ে বেশি গুরুত্বপূর্ণ হতে পারে। যদি একটি মডেল টোকেনে তার চিন্তাধারা প্রকাশ করার পরিবর্তে লুপগুলির মাধ্যমে অভ্যন্তরীণভাবে কারণ করে, তাহলে দৃশ্যমান যুক্তি পাঠ্যটি মডেলটি আসলে কী করছে তার একটি বিশ্বস্ত উইন্ডো হওয়া বন্ধ করে দেয়। AI নিরাপত্তা গবেষণার জন্য এর প্রভাব রয়েছে, যেখানে মনিটরিং চেইন-অফ-থট উপলব্ধ কয়েকটি ব্যবহারিক তদারকি সরঞ্জামগুলির মধ্যে একটি হয়ে উঠেছে।
Inkling 2 Mini এর পাশাপাশি, থিঙ্কিং মেশিন প্রভাব পরিমাপ করার জন্য একটি গবেষণা-নির্দিষ্ট পরিবর্তনশীল-লুপ বৈকল্পিক প্রকাশ করেছে। ফলাফলগুলি সামর্থ্যের জন্য একটি উত্সাহজনক দিক কাটায়, তত্ত্বাবধানের জন্য একটি জটিল। পরিবর্তনশীল-লুপ মডেলের চিন্তাভাবনার শৃঙ্খল ছাড়াই সম্পন্ন করা কাজগুলির সময় দিগন্ত একটি একক পাসে 16 সেকেন্ড থেকে তিনটি লুপে 37 সেকেন্ডে উন্নীত হয়েছে এবং একটি সিরিয়াল রিজনিং বেঞ্চমার্কে পারফরম্যান্স দশটি লুপে উন্নীত হতে চলেছে — মডেলটিকে যতটা প্রশিক্ষণ দেওয়া হয়েছিল তার দ্বিগুণ।
এদিকে, লুপ যুক্ত হওয়ার সাথে সাথে চিন্তার দৃশ্যমান চেইনটি ছোট হয়ে গেছে, কিন্তু কোম্পানির প্রতিবেদনে এটি সর্বত্র পাঠযোগ্য ছিল, এবং লুপিং গভীরতা বৃদ্ধির কারণে মডেলটি এজেন্টিক নাশকতার পরীক্ষায় বেশি প্রবণতা দেখায়নি। থিংকিং মেশিনস এগুলিকে গবেষকদের কাছে উপলব্ধ প্রথম লুপ-আর্কিটেকচার মডেলগুলির কিছু হিসাবে বর্ণনা করে, রিলিজটিকে আংশিকভাবে সিমুলেটেড সেটআপের পরিবর্তে বাস্তব ওজনের উপর নজরদারি অধ্যয়নের জন্য নিরাপত্তা সম্প্রদায়ের জন্য একটি আমন্ত্রণ হিসাবে রাখে।
সাব-100B ক্লাসে একটি প্রতিযোগিতামূলক খেলা
বেঞ্চমার্ক ইনকলিং 2 মিনিকে একটি জনাকীর্ণ সাব-100B ফিল্ডের বিপরীতে রাখে যেটিতে 26B–31B রেঞ্জে জেমা 4 মডেল, Qwen3.8-27B, মিউজ গ্লিমার এবং রিপল নামক একটি 65B প্রিভিউ মডেল রয়েছে। থিংকিং মেশিনস দাবি করে যে এর মডেলটি একইভাবে পারফর্ম করা প্রতিযোগীদের তুলনায় দ্রুত চলে, ব্যাচ সাইজ ওয়ান এ তাত্ত্বিক টোকেন থ্রুপুট উদ্ধৃত করে।
উপ-100B বিভাগ দুটি কারণে কৌশলগতভাবে গুরুত্বপূর্ণ হয়ে উঠেছে। প্রথমত, এন্টারপ্রাইজগুলি হোস্ট করা API-তে সংবেদনশীল ডেটা পাঠাতে বাধা দেওয়ার কারণে ডিভাইসে এবং ব্যক্তিগত স্থাপনা দ্রুত বৃদ্ধি পাচ্ছে। দ্বিতীয়ত, স্থানীয় অনুমানের জন্য প্রতি-টোকেন অর্থনীতি ক্রমবর্ধমানভাবে ছোট, আক্রমনাত্মকভাবে কোয়ান্টাইজড মডেলকে বৃহত্তরগুলির পাতিত কপিগুলির তুলনায় সমর্থন করে। একটি 26.4B MoE যা স্থানীয়ভাবে NVFP4-এ লুপিং কম্পিউটের সাথে চলে সেটি সেই বাজারের সরাসরি উত্তর।
মডেলটি একটি প্রকাশিত মডেল কার্ড সহ Hugging Face-এ উপলব্ধ, এবং Thinking Machines তার Tinker fine-tuning প্ল্যাটফর্মের মাধ্যমে অ্যাক্সেস প্রচার করছে। এই রিলিজ এবং ল্যাবের পূর্বের ইনক্লিং ফ্যামিলি মডেলগুলির মধ্যে, স্টার্টআপটি পুনরাবৃত্তি-শৈলী কম্পিউট স্কেলিংকে ঘিরে একটি স্বতন্ত্র প্রযুক্তিগত পরিচয় তৈরি করছে যখন বেশিরভাগ ফ্রন্টিয়ার ল্যাবগুলি স্কেলিং প্যারামিটার এবং ডেটার উপর দৃষ্টি নিবদ্ধ করে থাকে।
লুপিং একটি মূলধারার আর্কিটেকচার হয়ে উঠুক বা একটি কুলুঙ্গি রয়ে যাক, রিলিজটি একটি উল্লেখযোগ্য মুহূর্তকে চিহ্নিত করে: সবচেয়ে ঘনিষ্ঠভাবে দেখা AI স্টার্টআপগুলির মধ্যে একটি হল টোকেন প্রতি স্মার্ট কম্পিউটেশন - আরও টোকেন নয়, এবং আরও প্যারামিটার নয় - যেখানে পরবর্তী লাভগুলি বাস করে৷
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →