מה המספרים מראים
Inkling 2 Small הוא דגם Mixture-of-Experts (MoE) עם סך של 594 מיליארד פרמטרים ו-17 מיליארד פעילים לכל הסקה - עיצוב ששומר על עלויות מחשוב ניתנות לניהול למרות גודל הדגם. הוא תומך בקלט תמונה ובמאמץ משתנה, ומאפשר למשתמשים להחליף עומק תגובה עבור מהירות בהתאם למשימה.
הטענה הראשית מגיעה מ-מדד האינטליגנציה המלאכותית, שם החברה טוענת כי Inkling 2 Small קיבל את הציון 31, אותו היא מתארת כעולה בהרבה על הציונים של הדגמים הקודמים שלה. מחשבי מחשבים מייחסים את הרווח לשיפורים "בכל שלב" באימון, כולל אימון מקדים יעיל יותר והרצת למידה גדולה ומאוחדת של חיזוק.
על מדדי קידוד שפורסמו בהודעה, Inkling 2 Small פרסם תוצאות חזקות אך לא מובילות באופן אחיד מול תחום הכולל GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark וKimi K3. הוא קיבל ציון של 86.3% ב-SWEBench Pro v2 (Hard) - השני בגובהו בהשוואה, אחרי 88.2% של Kimi K3 - ו-72.1% ב-DeepSWE v1.1, שם הובילה Muse Spark עם 77.0%. ב-FrontierCode v2.0 הוא הגיע ל-25.4%, שני ל-28.5% של Muse Spark, והוא פרסם 81.6% ב-Vibe Code Bench v1.1.
הוכשר לעבודת סוכנים עם אופק ארוך
החברה אומרת שהיכולות הסוכניות של המודל נובעות מלמידת חיזוק על מאות אלפי משימות קידוד ארוכות אופק, על פני מספר רב של רתמות סוכנים ואסטרטגיות דחיסה של הקשר. יש לציין שמכונות חשיבה זזו מעבר לתגמולים פשוטים של מבחן יחידה: משימות הכשרה רבות כללו מדורג RL סוכן שהעריך איך המודל ניגש לבעיה, לא רק אם הקוד הסופי עבר.
הצוות גם בדק נקודות ביקורת מוקדמות בטבע, והפעיל אותן ב-OpenCode תחת שם הקוד "Fledge-Alpha" כדי למדוד ביצועים בעולם האמיתי. לפי ההודעה, התוצאה היא דגם שעוקב אחר הוראות טוב יותר מקודמו, שוקל שינויים בקפידה ומאמת את עבודתו שלו מבלי להתבקש.
חזון, שימוש במחשב והדגמות אינטראקטיביות
Inkling 2 Small מרחיב את המשפחה מעבר לטקסט. החברה מדגישה הדגמות שבהן המודל השתמש ב-Three.js לבניית סימולטור עיר מלא מאפס - יוצר כל בניין, מרקם ומכונית באופן פרוצדורה ללא נכסים מוכנים מראש - וכתב אמולטור מחשב עובד ב-Python המאתחל ליבת לינוקס אמיתית, הניתן לצפייה בדפדפן. הדגמה נוספת מציגה את הדגם יוצר ומתקן סצנות בבלנדר, כולל עמק מצוייר ביד עם עגורי אוריגמי מונפשים.
הדגמות אלו מדגישות את הפיץ' של המהדורה: מודל שיכול לשלב משוב חזותי ולשפר באופן איטרטיבי את מה שהוא בונה - אתרים, משחקים, עיצובים תלת מימדיים - במקום לייצר פלט בצילום אחד.
נתיב המשקולות הפתוח
המהדורה המבוימת עוקבת אחר הגישה שמכונות חשיבה הוצגו במאמר הקודם שלה "הדרך הבטוחה למשקולות פתוחות". Inkling 2 Small זמין היום דרך Tinker, שם המשתמשים יכולים לנסות אותו במגרש המשחקים ולהשתמש בו לכוונון עדין ודגימה. המחסומים יהיו ניתנים להורדה כאשר המשקולות ישוחררו תחת Apache 2.0, המתוכנן לשבוע הבא לאחר סיום בדיקות בטיחות חיצוניות ושיתוף פעולה אדום.
האסטרטגיה מהדהדת את הדור הראשון של החברה: ספינת הדגל המקורית של Inkling ו-Inkling-Small הקטנה יותר, דגם בעל משקל פתוח של 276 מיליארד פרמטרים שיצא מוקדם יותר השנה ומשך תשומת לב משמעותית להתאמת ביצועי הדגל בשבריר מהגודל. עם Inkling 2 Small, המעבדה מכפילה את אותה עבודת יעילות ראשונה - קיבולת כוללת גדולה יותר, טביעת רגל פעילה זעירה.
למה זה חשוב
מעבדות אמריקאיות עקבו היסטורית אחרי מתחרים סיניים במשקולות פתוחות המסוגלות לגבולות, פער שהצטמצם עם שחרורים מ-Z.ai, DeepSeek, Tencent ו-Monshot שבוע אחר שבוע. Thinking Machines היא כעת המשתתפת הבולטת ביותר בארה"ב, ומהדורה של דור שני כל כך זמן קצר לאחר הראשון שלה מעידה שהמעבדה חוזרת מהר יותר ממה שרבים ציפו.
האזהרות הן השוואות המדד עצמן. Thinking Machines בחרו את ההשוואות ותייגו את הציונים "המדווחים הגבוהים ביותר" בכל שורה - ובכמה מהשורות הללו, Inkling 2 Small הגיע למקום השני, לא ראשון. מהדורת Apache 2.0 בשבוע הבא תהיה המבחן האמיתי: ברגע שמפתחים יוכלו להוריד ולבחון את המשקולות באופן עצמאי, השיווק מפנה את מקומו למדידה. לעת עתה, ההכרזה מציבה את Inkling 2 Small כהוכחה לכך שגלגל התנופה של הדגם-מוצר של הסטארט-אפ מסתובב - ושלגבול המשקולות הפתוח יש כעת תחרות טרנספאסיטית אמיתית.
הישאר לפני AI
דגמים חדשים במשקל פתוח נוחתים מדי שבוע ממעבדות בשלוש יבשות. התעדכן בכל מהדורה באמצעות סיקור תעשיית הבינה המלאכותית.
קרא עוד חדשות AI →
