អ្វីដែលលេខបង្ហាញ
Inkling 2 Small គឺជាគំរូ Mixture-of-Experts (MoE) ដែលមានប៉ារ៉ាម៉ែត្រសរុបចំនួន 594 ពាន់លាន និង 17 ពាន់លានសកម្ម ក្នុងមួយការសន្និដ្ឋាន — ការរចនាដែលរក្សាការចំណាយលើការគណនាដែលអាចគ្រប់គ្រងបានទោះបីជាទំហំរបស់ម៉ូដែលក៏ដោយ។ វាគាំទ្រការបញ្ចូលរូបភាព និងការខិតខំប្រឹងប្រែងអថេរ ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ធ្វើពាណិជ្ជកម្មជម្រៅនៃការឆ្លើយតបសម្រាប់ល្បឿនអាស្រ័យលើកិច្ចការ។
ការអះអាងចំណងជើងបានមកពី សន្ទស្សន៍វិភាគសិប្បនិម្មិត ដែលក្រុមហ៊ុននិយាយថា Inkling 2 Small ទទួលបានពិន្ទុ 31 ដែលវាពិពណ៌នាថាលើសពីពិន្ទុនៃម៉ូដែលមុនរបស់វា។ Thinking Machines សន្មតថាទទួលបានពីការកែលម្អ "នៅគ្រប់ជំហាន" នៃការបណ្តុះបណ្តាល រួមទាំងការបណ្តុះបណ្តាលមុនដែលមានប្រសិទ្ធភាពជាងមុន និងការរត់ការរៀនពង្រឹងការបង្រួបបង្រួមដ៏ធំមួយ។
នៅលើការសរសេរកូដគោលដែលបានបោះពុម្ពផ្សាយនៅក្នុងសេចក្តីប្រកាសនោះ Inkling 2 Small បានបង្ហោះលទ្ធផលខ្លាំងប៉ុន្តែមិនស្មើភាពគ្នាប្រឆាំងនឹងវាលដែលរួមមាន GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark និង Kimi K3។ វាទទួលបានពិន្ទុ 86.3% នៅលើ SWEBench Pro v2 (Hard) ដែលជាកម្រិតខ្ពស់បំផុតទីពីរនៅក្នុងការប្រៀបធៀប នៅពីក្រោយ Kimi K3's 88.2% — និង 72.1% នៅលើ DeepSWE v1.1 ដែល Muse Spark នាំមុខនៅ 77.0% ។ នៅលើ FrontierCode v2.0 វាបានឈានដល់ 25.4% ទីពីរគឺ 28.5% របស់ Muse Spark ហើយវាបានបង្ហោះ 81.6% នៅលើ Vibe Code Bench v1.1។
ត្រូវបានបណ្តុះបណ្តាលសម្រាប់ការងារភ្នាក់ងារ Long-Horizon
ក្រុមហ៊ុននិយាយថា សមត្ថភាពភ្នាក់ងាររបស់ម៉ូដែលនេះបានមកពីការពង្រឹងការរៀនសូត្រលើ កិច្ចការសរសេរកូដរយៈពេលវែងរាប់រយរាប់ពាន់ ដំណើរការលើខ្សែភ្នាក់ងារជាច្រើន និងយុទ្ធសាស្ត្របង្រួមបរិបទ។ គួរកត់សម្គាល់ថាម៉ាស៊ីនគិតបានផ្លាស់ប្តូរលើសពីរង្វាន់តេស្តឯកតាសាមញ្ញ៖ កិច្ចការបណ្តុះបណ្តាលជាច្រើនរួមមាន ភ្នាក់ងារ RL grader ដែលបានវាយតម្លៃ របៀបដែល គំរូបានជួបបញ្ហា មិនមែនត្រឹមតែថាតើលេខកូដចុងក្រោយបានឆ្លងកាត់នោះទេ។
ក្រុមការងារក៏បានសាកល្បងចំណុចត្រួតពិនិត្យដំបូងៗនៅក្នុងព្រៃ ដោយដំណើរការពួកវានៅលើ OpenCode ក្រោមឈ្មោះកូដ "Fledge-Alpha" ដើម្បីវាស់ស្ទង់ការអនុវត្តជាក់ស្តែង។ យោងតាមការប្រកាស លទ្ធផលគឺជាគំរូដែលធ្វើតាមការណែនាំប្រសើរជាងអ្នកកាន់តំណែងមុន ពិចារណាការផ្លាស់ប្តូរដោយប្រុងប្រយ័ត្ន និង ផ្ទៀងផ្ទាត់ការងាររបស់ខ្លួនដោយមិនចាំបាច់សួរ ។
ចក្ខុវិស័យ ការប្រើប្រាស់កុំព្យូទ័រ និងការបង្ហាញអន្តរកម្ម
Inkling 2 Small ពង្រីកគ្រួសារលើសពីអត្ថបទ។ ក្រុមហ៊ុនបានរំលេចការបង្ហាញដែលគំរូបានប្រើ Three.js ដើម្បីបង្កើតកម្មវិធីត្រាប់តាមទីក្រុងពេញលេញពីទទេ - បង្កើតរាល់អគារ វាយនភាព និងរថយន្តតាមនីតិវិធី ដោយគ្មានទ្រព្យសកម្មដែលបានបង្កើតជាមុន - ហើយបានសរសេរ កម្មវិធីត្រាប់តាមកុំព្យូទ័រដែលកំពុងដំណើរការនៅក្នុង Python ដែលដំណើរការខឺណែលលីនុចពិតប្រាកដ ដែលអាចមើលបាននៅក្នុងកម្មវិធីរុករកតាមអ៊ីនធឺណិត។ ការបង្ហាញមួយទៀតបង្ហាញពីគំរូបង្កើត និងកែប្រែឈុតឆាកនៅក្នុង Blender រួមទាំងជ្រលងភ្នំដែលគូរដោយដៃជាមួយនឹងសត្វក្រៀល origami ដែលមានចលនា។
ការបង្ហាញទាំងនោះគូសបញ្ជាក់ចំណុចនៃការចេញផ្សាយ៖ គំរូដែលអាចបញ្ចូលមតិកែលម្អដែលមើលឃើញ និងកែលម្អឡើងវិញនូវអ្វីដែលវាបង្កើត — គេហទំព័រ ហ្គេម ការរចនា 3D — ជាជាងផលិតលទ្ធផលតែមួយ។
ផ្លូវបើកទម្ងន់
ការចេញផ្សាយជាដំណាក់កាលធ្វើតាមវិធីសាស្រ្ត Thinking Machines ដែលបានដាក់ចេញនៅក្នុងអត្ថបទ "ផ្លូវសុវត្ថិភាពដើម្បីបើកទម្ងន់" មុនរបស់វា។ Inkling 2 Small មានលក់ ថ្ងៃនេះតាមរយៈ Tinker ដែលអ្នកប្រើប្រាស់អាចសាកល្បងវានៅក្នុងសួនកុមារ ហើយប្រើវាសម្រាប់ការកែសម្រួល និងយកគំរូតាម។ ចំណុចត្រួតពិនិត្យនឹងអាចទាញយកបាន នៅពេលដែលទម្ងន់ត្រូវបានចេញផ្សាយក្រោម Apache 2.0 ដែលគ្រោងទុកសម្រាប់សប្តាហ៍ក្រោយ បន្ទាប់ពីការធ្វើតេស្តសុវត្ថិភាពខាងក្រៅ និងការបញ្ចប់ក្រុមក្រហម។
យុទ្ធសាស្រ្តនេះបានឆ្លុះបញ្ចាំងពីជំនាន់ទីមួយរបស់ក្រុមហ៊ុន៖ ស្មាតហ្វូន Inkling ដើម និង Inkling-Small តូចជាង ដែលជាម៉ូដែលទម្ងន់បើកចំហ 276 ពាន់លានដែលបានចេញផ្សាយកាលពីដើមឆ្នាំនេះ ដែលទាក់ទាញការយកចិត្តទុកដាក់យ៉ាងសំខាន់សម្រាប់ការផ្គូផ្គងដំណើរការស្មាតហ្វូននៅប្រភាគនៃទំហំ។ ជាមួយនឹង Inkling 2 Small មន្ទីរពិសោធន៍កំពុងធ្លាក់ចុះទ្វេដងលើប្រសិទ្ធភាពដូចគ្នា - និក្ខេបបទដំបូង - សមត្ថភាពសរុបធំជាង ស្នាមជើងសកម្មតូចៗ។
ហេតុអ្វីវាសំខាន់
មន្ទីរពិសោធន៍អាមេរិកបានតាមពីក្រោយគូប្រជែងរបស់ចិនជាប្រវត្តិសាស្ត្រក្នុងការដឹកជញ្ជូនទម្ងន់បើកចំហដែលមានសមត្ថភាពព្រំដែន ដែលជាគម្លាតដែលបានរួមតូចនៅពេលការចេញផ្សាយពី Z.ai, DeepSeek, Tencent និង Moonshot ពីមួយសប្តាហ៍ទៅមួយសប្តាហ៍។ ឥឡូវនេះ Thinking Machines គឺជាក្រុមហ៊ុនឈានមុខគេបំផុតរបស់សហរដ្ឋអាមេរិក ហើយការចេញផ្សាយជំនាន់ទី 2 ភ្លាមៗបន្ទាប់ពីដំបូងរបស់វាបង្ហាញថាមន្ទីរពិសោធន៍កំពុងដំណើរការឡើងវិញលឿនជាងការរំពឹងទុក។
ការព្រមានគឺជាការប្រៀបធៀបគំរូខ្លួនឯង។ Thinking Machines បានជ្រើសរើសការប្រៀបធៀប ហើយដាក់ស្លាកពិន្ទុ "ខ្ពស់បំផុតដែលបានរាយការណ៍" នៅក្នុងជួរនីមួយៗ ហើយនៅក្នុងជួរជាច្រើននោះ Inkling 2 Small បានមកទីពីរ មិនមែនទីមួយទេ។ ការចេញផ្សាយកម្មវិធី Apache 2.0 នៅសប្តាហ៍ក្រោយនឹងក្លាយជាការសាកល្បងពិតប្រាកដ៖ នៅពេលដែលអ្នកអភិវឌ្ឍន៍អាចទាញយក និងស៊ើបអង្កេតទម្ងន់ដោយឯករាជ្យ ទីផ្សារផ្តល់មធ្យោបាយដល់ការវាស់វែង។ សម្រាប់ពេលនេះ ការប្រកាសដាក់ Inkling 2 Small ជាភស្តុតាងដែលថា flywheel ម៉ូដែលផលិតផលចាប់ផ្តើមដំណើរការ ហើយថាព្រំដែនចំហរឥឡូវនេះមានការប្រកួតប្រជែងយ៉ាងពិតប្រាកដ។
នាំមុខ AI
ម៉ូដែលទម្ងន់បើកចំហថ្មីកំពុងចុះចតជារៀងរាល់សប្តាហ៍ពីមន្ទីរពិសោធន៍នៅលើទ្វីបចំនួនបី។ តាមដានរាល់ការចេញផ្សាយតាមរយៈ [ការគ្របដណ្តប់ឧស្សាហកម្ម AI] (https://aibuzzwire.news) របស់យើង។
អានព័ត៌មាន AI បន្ថែម →
