Thinking Machines Lab, סטארט-אפ הבינה המלאכותית שהוקמה על ידי מנהלת הטכנולוגיה הראשית לשעבר של OpenAI Mira Murati, הוציאה דגם חדש עם משקלים פתוחים ב-20 בנובמבר 2026: Inkling 2 Mini, דגם קומפקטי שנבנה סביב ארכיטקטורה יוצאת דופן שלדברי החברה מאפשרת לו להכות הרבה מעל ספירת הפרמטרים שלו. הדגם קטן מספיק להפעלה מקומית על מחשב נייד לצרכן, עם טביעת זיכרון כוללת של כ-20GB.

מספרי הכותרות בולטים עבור מחלקת המידות. על פי הודעת החברה, Inkling 2 Mini מוביל כל דגם עם משקלים פתוחים עם פחות מ-100 מיליארד פרמטרים בסך הכל ב-DeepSWE v1.1, פתרון של 48.2% מהמשימות, וב-Vals Index v2.2, עם ציון של 46.5%. שני המדדים מודדים את יכולת הקידוד הסוכן, אחד מגבולות היכולות המעורבים ביותר מבחינה מסחרית בתעשייה כרגע. For more context on this story, see our ongoing latest AI developments.

מה שמייחד שנאי בלולאה

Inkling 2 Mini הוא שנאי בלולאה. במקום להעביר כל אסימון דרך כל שכבה פעם אחת בדיוק, הדגם מריץ את השכבות האמצעיות שלו שלוש פעמים לכל אסימון. למעשה, המודל יכול להחיל חישוב רציף יותר על בעיה מבלי ליצור יותר אסימוני פלט.

המסגור של החברה הוא שהלולאה מאפשרת למודל להגיב זמן רב יותר מבלי לרשום את הנימוקים שלו. חשיבה מסורתית של שרשרת מחשבה מוציאה אסימונים על שלבי ביניים גלויים; לולאה מוציאה לחשב במקום זאת. יש לכך השלכות אמיתיות על המהירות במשימות שבהן איכות ההיגיון חשובה יותר מספירת אסימונים, וקידוד סוכן הוא בדיוק סוג זה של משימה.

מתחת למכסה המנוע, Inkling 2 Mini הוא דגם של Mixture of Experts עם 26.4 מיליארד פרמטרים בסך הכל ורק 3.4 מיליארד פעילים לכל אסימון, עם 5.4 מיליארד הפעלת משקל לכל אסימון ברגע שמתייחסים ללולאה. רוב המשקולות אומנו ונפרסות באופן מקורי ב-NVFP4, הפורמט בעל הדיוק הנמוך ש-Nvidia דחפה על פני מערך מרכזי הנתונים שלה, כאשר ארבע השכבות האחרונות נשמרות ב-MXFP8. השילוב של קוונטיזציה אגרסיבית וספירת פרמטרים פעילים קטנה הוא מה שדוחס את הדגם לטביעת רגל של בערך 20GB שמתאימה למחשבים ניידים ומכונות AI שולחניות.

המעבדה הדגימה את הדגם פועל במצב לא מקוון, במצב מטוס, ב-MacBook Pro עם שבב M5 Pro וזיכרון של 48GB, שם בנתה סימולטור טיסה שניתן לשחק תוך דקות ספורות.

הפשרה לניטור

השחרור מלווה במחקר שעשוי להיות חשוב יותר מהאמות מידה. אם מודל מנמק פנימי דרך לולאות במקום לבטא את שרשרת המחשבה שלו באסימונים, אז טקסט ההיגיון הגלוי מפסיק להיות חלון נאמן למה שהמודל עושה בפועל. יש לכך השלכות על מחקר בטיחות בינה מלאכותית, כאשר ניטור שרשרת המחשבה הפך לאחד מכלי הפיקוח המעשיים הבודדים הזמינים.

לצד Inkling 2 Mini, Thinking Machines פרסמו וריאנט של לולאה משתנה ספציפית למחקר כדי למדוד את האפקט. התוצאות חותכות לכיוון מעודד ליכולת, כיוון מסובך לפיקוח. אופק הזמן של מודל הלולאה המשתנה במשימות שהושלמו ללא כל שרשרת מחשבה השתפר מ-16 שניות במעבר בודד ל-37 שניות בשלוש לולאות, והביצועים ב-benchmark של חשיבה סדרתית המשיכו להשתפר לעשר לולאות - פי שניים ממה שהמודל אומן איתם.

בינתיים, שרשרת המחשבה הגלויה התקצרה ככל שנוספו לולאות, אך החברה מדווחת שהיא נשארה קריא לאורך כל הדרך, והמודל לא עלה במגמה גבוהה יותר בבדיקות של חבלה סוכן ככל שעומק הלולאה גדל. Thinking Machines מתאר את אלה כחלק מהמודלים הראשונים של ארכיטקטורת הלולאות הזמינים לחוקרים, וממקמים את המהדורה בחלקה כהזמנה לקהילת הבטיחות ללמוד יכולת ניטור על משקלים אמיתיים ולא על הגדרות מדומה.

מחזה תחרותי בכיתה תת-100B

המדדים מציבים את Inkling 2 Mini מול שדה צפוף של תת-100B הכולל דגמי Gemma 4 בטווח 26B–31B, Qwen3.8-27B, Muse Glimmer ודגם תצוגה מקדימה של 65B בשם Ripple. Thinking Machines טוענת שהמודל שלה גם פועל מהר יותר ממתחרים בעלי ביצועים דומים, תוך ציון תפוקת אסימון תיאורטית בגודל אצווה ראשון.

הקטע של תת-100B הפך חשוב אסטרטגית משתי סיבות. ראשית, הפריסה במכשיר ובפרטית צומחת במהירות כאשר ארגונים נמנעים מלשלוח נתונים רגישים לממשקי API מתארחים. שנית, כלכלה לכל אסימון להסקת מסקנות מקומית מעדיפה יותר ויותר מודלים קטנים ומכומתים בצורה אגרסיבית על פני עותקים מזוקקים של גדולים. MoE של 26.4B הפועל באופן מקורי ב-NVFP4 עם מחשוב לולאה הוא תשובה ישירה לשוק הזה.

הדגם זמין ב-Hugging Face עם כרטיס דגם שפורסם, ו-Thinking Machines מקדמת גישה דרך פלטפורמת הכוונון העדין שלה Tinker. בין מהדורה זו לבין המודלים המוקדמים יותר של משפחת Inkling של המעבדה, הסטארט-אפ בונה זהות טכנית מובהקת סביב קנה מידה מחשוב בסגנון הישנות בזמן שבו רוב מעבדות החזית עדיין מתמקדות בשינוי קנה מידה של פרמטרים ונתונים.

בין אם הלופינג הופך לארכיטקטורה מיינסטרים או נשאר נישה, המהדורה מסמנת רגע בולט: אחד מהסטארט-אפים הנצפים ביותר של AI מהמר שחישוב חכם יותר לכל אסימון - לא יותר אסימונים, ולא יותר פרמטרים - הוא המקום שבו הרווחים הבאים חיים.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →