עיצוב של תערובת של מומחים
על פי TestingCatalog AI News, Inkling-Small הוא שנאי Mixture-of-Experts (MoE) המכיל 276 מיליארד פרמטרים בסך הכל, עם 12 מיליארד פעילים במהלך כל הסקה נתונה. הארכיטקטורה הזו - שבה רק חלק קטן מהדגם "מתעורר" עבור כל אסימון - היא אותו טריק יעילות שהפך דגמים סיניים בעלי משקל פתוח כמו DeepSeek לזול כל כך להפעלה. Thinking Machines אישרה כי המשקולות המלאות מתפרסמות ב-Hugging Face.
המודל מגיע גם עם חלון הקשר של עד מיליון אסימונים ומה שהמעבדה מכנה "מאמץ חשיבה משתנה", הנע בין מינימלי ל-"xhigh", המאפשר למפתחים להחליף לחשב עבור ביצועים בהתאם למשימה. כוונון עדין זמין דרך פלטפורמת Tinker של החברה, וצ'אט טקסט, תמונה ושמע נגישים ב-Tinker Playground.
מאומן על מערכות NVIDIA GB300
Thinking Machines מסרה כי Inkling-Small הוכשרה על מערכות NVIDIA GB300 NVL72 ומשתמשת ב"פחות מחשוב" בהשוואה לדגם Inkling המקורי, שהושק ב-15 ביולי 2026. הדגם הראשון הזה - מכוסה על ידי WIRED ו-TechCrunch כשחרור הבכורה של Thinking Machines - ביסס את המעבדה כמתחרה כמעט רצינית בן לילה.
הדרך ל-Inkling-Small חושפת אסטרטגיית יעילות מכוונת. המעבדה החלה לעבוד על הדגם הקטן יותר רק לאחר אימון אינקלינג, תוך שימוש בחדר הנשימה כדי לשנות את תמהיל הנתונים לפני האימון ואת המתכון של לימוד מכונה. מחסום קודם לכן הוכשר לאחר הכשרה חלקית באמצעות זיקוק לפי מדיניות, כאשר Inkling שימשה כמורה, ואחריה בערך שבועיים של למידה מוגברת של חיזוק קידוד סוכן.
איפה זה מנצח - ואיפה זה לא
התוצאות של המתכון הזה בולטות. Thinking Machines טוענת ש-Inkling-Small עוקפת את אינקלינג המקורית בהיגיון ובאמות מידה של קידוד סוכן, בעוד ש-Inkling נשאר חזק יותר בסיקור ידע ובעובדות. בטקסט בלבד הבחינה האחרונה של האנושות, הערכה קשה הידועה לשמצה, המודל הקטן יותר קיבל ציון של 31.6%, לעומת 29.7% עבור Inkling - שיפור אמיתי למרות הירידה הדרמטית בפרמטרים הפעילים.
הפשרה ברורה: Inkling-Small הוא הקודן והחושב החד יותר, בעוד שאחיו הגדול שומר על בסיס הידע הרחב יותר. עבור מפתחים, זו תכונה, לא באג - זה אומר לבחור את הכלי המתאים לעבודה במקום לשלם עבור דגם ענק אחד בכל משימה.
שחקן אמריקאי בשדה משקל פתוח בראשות סין
אולי ההשלכה הגדולה ביותר היא גיאופוליטית. כפי שציינו CNBC ואחרים, דגמי גבולות בעלי משקל פתוח הפכו לנקודת הבזק בין ארה"ב לסין, כאשר מעבדות סיניות כמו DeepSeek ו-Qwen של עליבאבא מחלקות דגמים רבי עוצמה ומפחיתות את התמחור המערבי. Forkast מסגר את המהדורה של Inkling-Small בצורה בוטה: "לתחרות המשקולות הפתוחות יש כעת משתתף בארה"ב.
עד כה, הדגמים המובילים במשקל פתוח הגיעו כמעט אך ורק מסין, מה שהעלה חשש בוושינגטון שמעבדות אמריקאיות מוותרות על קטגוריה שלמה של השוק. Thinking Machines - סטארט-אפ אמריקאי ממומן היטב בראשות אחת הדמויות הבולטות ב-AI - משנה את החשבון הזה. על ידי שחרור משקלים מלאים ב-Huging Face ותמיכה בכוונון עדין פתוח, המעבדה עושה משחק ישיר עבור קהילת המפתחים שדגמי משקל פתוח סיניים טיפחו.
נבנה עבור מפתחים, לא רק בנצ'מרקים
Thinking Machines שילבה את המהדורה עם כלי עבודה המכוונים באופן ישיר למפתחים. מעבר למשקלים הפתוחים של Hugging Face, Databricks אישרה שמשפחת Inkling זמינה בפלטפורמה שלה, ו-Tinker Playground תומך בצ'אט מולטי-מודאלי של טקסט, תמונה ואודיו מהקופסה. ההגדרה המשתנה של "מאמץ חשיבה" - ממינימום ל-"xhigh" - מיועדת לפשרות הנדסיות אמיתיות: הפעל בזול כאשר משימה פשוטה, השקיעו יותר מחשוב כאשר בעיה דורשת חשיבה מעמיקה יותר. הגמישות הזו חשובה לסטארט-אפים שצופים בחשבונות ההסקה שלהם, שרבים מהם כבר עברו לחלופות זולות יותר בעלות משקל פתוח במקום לשלם תעריפי API מובחרים.
מגמת היעילות בכל התעשייה
Inkling-Small מתאים גם לדפוס רחב יותר. בכל רחבי התעשייה, חוד החנית עובר מדגמים מונוליטיים גדולים יותר לכיוון מערכות קטנות וחכמות יותר, שמתנפלות על משקלן. מדגמי מלחמת המחירים של DeepSeek ועד לארכיטקטורות דחוסות, המסר עקבי: ספירת פרמטרים גולמית חשובה פחות ממידת היעילות של מודל מנצל את הקיבולת שלו.
עבור מחשבי חשיבה, ההימור על יעילות על פני גודל הוא כעת עמוק בשני דגמים - ואמות המידה המוקדמות מצביעות על כך שהאסטרטגיה עובדת. עם Inkling-Small זמין להורדה וכיוונון עדין היום, מפתחים יכולים לבדוק את הטענה הזו בעצמם.
הישאר לפני AI
דגמים חדשים במשקל פתוח נוחתים מדי שבוע, והתחרות רק הולכת ומתעצמת. התעדכן בכל מהדורה באמצעות סיקור תעשיית הבינה המלאכותית.
קרא עוד חדשות AI →
