Cosa mostrano i numeri
Inkling 2 Small è un modello Mixture-of-Experts (MoE) con 594 miliardi di parametri totali e 17 miliardi attivi per inferenza: un design che mantiene i costi di elaborazione gestibili nonostante le dimensioni del modello. Supporta input di immagini e sforzo variabile, consentendo agli utenti di scambiare la profondità della risposta con la velocità a seconda dell'attività.
L'affermazione principale proviene dall'Artificial Analysis Intelligence Index, in cui la società afferma che Inkling 2 Small ha ottenuto 31, che descrive come superando di gran lunga i punteggi dei suoi modelli precedenti. Thinking Machines attribuisce il guadagno ai miglioramenti "in ogni fase" dell'addestramento, tra cui un pre-addestramento più efficiente e un ampio ciclo di apprendimento di rinforzo unificato.
Nei benchmark di codifica pubblicati nell'annuncio, Inkling 2 Small ha registrato risultati forti ma non uniformemente leader rispetto a un campo che include GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark e Kimi K3. Ha ottenuto un punteggio di 86,3% su SWEBench Pro v2 (Hard) — il secondo più alto nel confronto, dietro l'88,2% di Kimi K3 — e 72,1% su DeepSWE v1.1, dove Muse Spark era in testa con il 77,0%. Su FrontierCode v2.0 ha raggiunto il 25,4%, secondo al 28,5% di Muse Spark, e ha registrato un 81,6% su Vibe Code Bench v1.1.
Addestrato per il lavoro di agente a lungo orizzonte
L'azienda afferma che le capacità degli agenti del modello derivano dall'apprendimento per rinforzo su centinaia di migliaia di attività di codifica a lungo orizzonte, attraversate da più sfruttamenti di agenti e strategie di compattazione del contesto. In particolare, Thinking Machines è andato oltre i semplici premi dei test unitari: molte attività di formazione includevano un classificatore RL agente che valutava come il modello affrontava un problema, non solo se il codice finale veniva superato.
Il team ha anche testato i primi checkpoint in natura, eseguendoli su OpenCode con il nome in codice "Fledge-Alpha" per misurare le prestazioni nel mondo reale. Secondo l'annuncio, il risultato è un modello che segue le istruzioni meglio del suo predecessore, considera attentamente i cambiamenti e verifica il proprio lavoro senza che gli venga chiesto.
Visione, utilizzo del computer e demo interattive
Inkling 2 Small estende la famiglia oltre il testo. L'azienda mette in evidenza demo in cui il modello ha utilizzato Three.js per costruire da zero un simulatore completo di città, generando ogni edificio, struttura e auto in modo procedurale senza risorse predefinite, e ha scritto un emulatore PC funzionante in Python che avvia un vero kernel Linux, visualizzabile nel browser. Un'altra demo mostra il modello che genera e rivede scene in Blender, inclusa una valle disegnata a mano con gru origami animate.
Queste demo sottolineano il tono del rilascio: un modello che può incorporare feedback visivo e perfezionare in modo iterativo ciò che costruisce - siti Web, giochi, progetti 3D - piuttosto che produrre output one-shot.
Il percorso dei pesi aperti
Il rilascio graduale segue l'approccio esposto da Thinking Machines nel suo precedente saggio "Percorso sicuro per aprire i pesi". Inkling 2 Small è disponibile oggi tramite Tinker, dove gli utenti possono provarlo nel parco giochi e utilizzarlo per la messa a punto e il campionamento. I checkpoint diventeranno scaricabili quando i pesi verranno rilasciati con Apache 2.0, previsto per la prossima settimana dopo la conclusione dei test di sicurezza esterni e del team rosso.
La strategia riecheggia la prima generazione dell'azienda: l'originale ammiraglia Inkling e la più piccola Inkling-Small, un modello a peso aperto da 276 miliardi di parametri rilasciato all'inizio di quest'anno che ha attirato molta attenzione per le prestazioni dell'ammiraglia in una frazione delle dimensioni. Con Inkling 2 Small, il laboratorio punta ancora di più sulla stessa tesi che mette l'efficienza al primo posto: capacità totale maggiore, ingombro attivo ridotto.
Perché è importante
I laboratori americani hanno storicamente seguito i concorrenti cinesi nella spedizione di pesi aperti di frontiera, un divario che si è ridotto man mano che i rilasci di Z.ai, DeepSeek, Tencent e Moonshot arrivano settimana dopo settimana. Thinking Machines è ora il più importante concorrente statunitense e il rilascio di una seconda generazione così presto dopo il primo suggerisce che il laboratorio sta procedendo più velocemente di quanto molti si aspettassero.
Gli avvertimenti sono i confronti dei benchmark stessi. Thinking Machines ha scelto i confronti e ha etichettato i punteggi "più alti riportati" in ogni riga - e in molte di quelle righe, Inkling 2 Small è arrivato secondo, non primo. Il rilascio di Apache 2.0 la prossima settimana sarà il vero test: una volta che gli sviluppatori potranno scaricare e sondare i pesi in modo indipendente, il marketing lascerà il posto alla misurazione. Per ora, l'annuncio posiziona Inkling 2 Small come prova che il volano modello-prodotto della startup sta girando e che la frontiera dei pesi aperti ora ha un contesto veramente transpacifico.
Stai al passo con l'intelligenza artificiale
Nuovi modelli a peso aperto arrivano ogni settimana dai laboratori di tre continenti. Tieniti aggiornato su ogni pubblicazione tramite la nostra copertura del settore dell'intelligenza artificiale.
Leggi altre notizie sull'AI →
