संख्याएँ क्या दर्शाती हैं
इंकलिंग 2 स्मॉल एक मिक्सचर-ऑफ-एक्सपर्ट्स (एमओई) मॉडल है जिसमें 594 बिलियन कुल पैरामीटर और 17 बिलियन सक्रिय प्रति अनुमान है - एक ऐसा डिज़ाइन जो मॉडल के आकार के बावजूद गणना लागत को प्रबंधनीय रखता है। यह छवि इनपुट और परिवर्तनीय प्रयास का समर्थन करता है, जिससे उपयोगकर्ताओं को कार्य के आधार पर गति के लिए प्रतिक्रिया की गहराई का व्यापार करने की सुविधा मिलती है।
शीर्षक का दावा आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स से आता है, जहां कंपनी का कहना है कि इंकलिंग 2 स्मॉल ने 31 स्कोर किया है, जिसे वह अपने पिछले मॉडलों के स्कोर से कहीं अधिक बताता है। थिंकिंग मशीनें प्रशिक्षण के "हर कदम पर" सुधार को लाभ का श्रेय देती हैं, जिसमें अधिक कुशल पूर्व-प्रशिक्षण और एक बड़ा, एकीकृत सुदृढीकरण सीखना शामिल है।
घोषणा में प्रकाशित कोडिंग बेंचमार्क पर, इंकलिंग 2 स्मॉल ने जीएलएम-5.3-फ्लैश, डीपसीक-वी4.1-फ्लैश-1017, म्यूज स्पार्क, और किमी के3 वाले क्षेत्र के मुकाबले मजबूत लेकिन समान रूप से अग्रणी परिणाम नहीं पोस्ट किए। इसने SWEBench Pro v2 (हार्ड) पर 86.3% स्कोर किया - जो कि किमी K3 के 88.2% के बाद दूसरे स्थान पर है - और DeepSWE v1.1 पर 72.1% है, जहां म्यूज़ स्पार्क 77.0% से आगे है। फ्रंटियरकोड v2.0 पर यह 25.4% तक पहुंच गया, जो म्यूज़ स्पार्क के 28.5% के बाद दूसरे स्थान पर है, और इसने वाइब कोड बेंच v1.1 पर 81.6% पोस्ट किया।
लॉन्ग-होरिजन एजेंट कार्य के लिए प्रशिक्षित
कंपनी का कहना है कि मॉडल की एजेंटिक क्षमताएं सैकड़ों हजारों लंबे-क्षितिज कोडिंग कार्यों पर सुदृढीकरण सीखने से आती हैं, जो कई एजेंट हार्नेस और संदर्भ-संघनन रणनीतियों में चलती हैं। विशेष रूप से, थिंकिंग मशीनें सरल इकाई-परीक्षण पुरस्कारों से आगे बढ़ गईं: कई प्रशिक्षण कार्यों में एक एजेंट आरएल ग्रेडर शामिल था जो मूल्यांकन करता था कि मॉडल ने समस्या का समाधान कैसे किया, न कि केवल अंतिम कोड पास हुआ या नहीं।
टीम ने जंगल में प्रारंभिक चौकियों का भी परीक्षण किया, वास्तविक दुनिया के प्रदर्शन को मापने के लिए उन्हें कोडनेम "फ्लेज-अल्फा" के तहत ओपनकोड पर चलाया। घोषणा के अनुसार, परिणाम एक ऐसा मॉडल है जो अपने पूर्ववर्ती की तुलना में निर्देशों का बेहतर पालन करता है, परिवर्तनों पर सावधानीपूर्वक विचार करता है, और बिना पूछे अपने स्वयं के कार्य का सत्यापन करता है।
विज़न, कंप्यूटर उपयोग और इंटरैक्टिव डेमो
इंकलिंग 2 स्मॉल परिवार को पाठ से परे विस्तारित करता है। कंपनी ने डेमो पर प्रकाश डाला जिसमें मॉडल ने स्क्रैच से एक पूर्ण शहर सिम्युलेटर बनाने के लिए थ्री.जेएस का उपयोग किया - प्रत्येक इमारत, बनावट और कार को बिना किसी पूर्व-निर्मित संपत्ति के प्रक्रियात्मक रूप से तैयार करना - और लिखा पायथन में एक कामकाजी पीसी एमुलेटर जो एक वास्तविक लिनक्स कर्नेल को बूट करता है, ब्राउज़र में देखा जा सकता है। एक अन्य डेमो में मॉडल को ब्लेंडर में दृश्यों को तैयार और संशोधित करते हुए दिखाया गया है, जिसमें एनिमेटेड ओरिगेमी क्रेन के साथ हाथ से खींची गई घाटी भी शामिल है।
वे डेमो रिलीज़ की पिच को रेखांकित करते हैं: एक मॉडल जो विज़ुअल फीडबैक को शामिल कर सकता है और एक-शॉट आउटपुट का उत्पादन करने के बजाय इसे जो बनाता है - वेबसाइट, गेम, 3 डी डिज़ाइन - को पुनरावृत्त रूप से परिष्कृत कर सकता है।
ओपन-वेट पथ
मंचित रिलीज उस दृष्टिकोण का अनुसरण करती है जो थिंकिंग मशीन्स ने अपने पहले "खुले वजन के लिए सुरक्षित पथ" निबंध में बताया था। इंकलिंग 2 स्मॉल आज टिंकर के माध्यम से उपलब्ध है, जहां उपयोगकर्ता इसे खेल के मैदान में आज़मा सकते हैं और फाइन-ट्यूनिंग और सैंपलिंग के लिए इसका उपयोग कर सकते हैं। जब बाहरी सुरक्षा परीक्षण और रेड-टीमिंग समाप्त होने के बाद अगले सप्ताह के लिए नियोजित अपाचे 2.0 के तहत वेट जारी किए जाएंगे तो चेकप्वाइंट डाउनलोड करने योग्य हो जाएंगे।
यह रणनीति कंपनी की पहली पीढ़ी को प्रतिध्वनित करती है: मूल इंकलिंग फ्लैगशिप और छोटा इंकलिंग-स्मॉल, एक 276-बिलियन-पैरामीटर ओपन-वेट मॉडल जो इस साल की शुरुआत में जारी किया गया था जिसने आकार के एक अंश में फ्लैगशिप प्रदर्शन के मिलान के लिए महत्वपूर्ण ध्यान आकर्षित किया था। इंकलिंग 2 स्मॉल के साथ, लैब उसी दक्षता-पहली थीसिस पर काम कर रही है - बड़ी कुल क्षमता, छोटे सक्रिय पदचिह्न।
यह क्यों मायने रखती है
अमेरिकी प्रयोगशालाएं ऐतिहासिक रूप से शिपिंग फ्रंटियर-सक्षम ओपन वेट में चीनी प्रतिस्पर्धियों से पीछे रही हैं, यह अंतर Z.ai, डीपसीक, टेनसेंट और मूनशॉट के सप्ताह-दर-सप्ताह जारी होने से कम हो गया है। थिंकिंग मशीन अब सबसे प्रमुख अमेरिकी प्रवेशी है, और इसकी पहली पीढ़ी के तुरंत बाद दूसरी पीढ़ी की रिलीज से पता चलता है कि प्रयोगशाला कई अपेक्षाओं से अधिक तेजी से पुनरावृत्ति कर रही है।
चेतावनियाँ स्वयं बेंचमार्क तुलनाएँ हैं। थिंकिंग मशीन्स ने तुलनाओं को चुना और प्रत्येक पंक्ति में "उच्चतम रिपोर्ट किए गए" स्कोर को लेबल किया - और उनमें से कई पंक्तियों में, इंकलिंग 2 स्मॉल दूसरे स्थान पर आया, पहले नहीं। अगले सप्ताह अपाचे 2.0 की रिलीज वास्तविक परीक्षा होगी: एक बार जब डेवलपर्स स्वतंत्र रूप से वजन डाउनलोड और जांच कर सकते हैं, तो विपणन माप का रास्ता देता है। अभी के लिए, घोषणा में इंकलिंग 2 स्मॉल को सबूत के रूप में रखा गया है कि स्टार्टअप का मॉडल-उत्पाद फ्लाईव्हील घूम रहा है - और ओपन-वेट फ्रंटियर में अब वास्तव में ट्रांसपेसिफिक प्रतियोगिता है।
एआई से आगे रहें
तीन महाद्वीपों की प्रयोगशालाओं से हर हफ्ते नए ओपन-वेट मॉडल उतर रहे हैं। हमारे [एआई उद्योग कवरेज] (https://aibuzzwire.news) के माध्यम से हर रिलीज के साथ बने रहें।
अधिक AI समाचार पढ़ें →
