နံပါတ်တွေက ဘာတွေပြလဲ။
Inkling 2 Small သည် Mixture-of-Experts (MoE) စုစုပေါင်းဘောင်ဘောင် 594 ဘီလီယံနှင့် စုံစုံတစ်ခုလျှင် 17 ဘီလီယံ active ပါရှိသော **Mixture-of-Experts (MoE) မော်ဒယ်တစ်ခုဖြစ်သည်။ ၎င်းသည် လုပ်ငန်းဆောင်တာပေါ် မူတည်၍ မြန်နှုန်းအတွက် သုံးစွဲသူများအား တုံ့ပြန်မှုအတိမ်အနက်ကို ခွင့်ပြုပေးသည့် ရုပ်ပုံထည့်သွင်းမှုများနှင့် ပြောင်းလဲနိုင်သော အားထုတ်မှုများကို ပံ့ပိုးပေးသည်။
ကုမ္ပဏီမှ Inkling 2 Small က 31 ရမှတ်ဖြင့် ဖော်ပြထားသည့် Artificial Analysis Intelligence Index မှ ထွက်ပေါ်လာသော ခေါင်းစဉ်ဖြင့် တိုင်ကြားချက်သည် ၎င်း၏ယခင်မော်ဒယ်များ၏ ရမှတ်များထက် များစွာသာလွန်ကြောင်း ဖော်ပြသည်။ Thinking Machines သည် ပိုမိုထိရောက်သောကြိုတင်လေ့ကျင့်မှုနှင့် ကြီးမားပြီး ပေါင်းစည်းထားသည့် အားဖြည့်သင်ကြားမှုအစီအစဥ်အပါအဝင် လေ့ကျင့်မှု၏ "ခြေလှမ်းတိုင်းတွင်" တိုးတက်မှုများအတွက် အကျိုးကျေးဇူးကို ရည်ညွှန်းပါသည်။
ကြေငြာချက်တွင် ထုတ်ပြန်ထားသော ကုဒ်စံသတ်မှတ်ချက်များတွင်၊ Inkling 2 Small သည် GLM-5.3-Flash၊ DeepSeek-V4.1-Flash-1017၊ Muse Spark နှင့် Kimi K3 ပါဝင်သော နယ်ပယ်တစ်ခုနှင့် ပတ်သက်၍ ခိုင်မာသော်လည်း တူညီသော ဦးဆောင်ရလဒ်များကို ဖော်ပြခဲ့သည်။ ၎င်းသည် SWEBench Pro v2 (Hard) တွင် 86.3% ရမှတ်—- Kimi K3 ၏ 88.2% ပြီးနောက် ဒုတိယအမြင့်ဆုံးရမှတ် — နှင့် Muse Spark 77.0% ဖြင့် DeepSWE v1.1 တွင် 72.1% ရခဲ့သည်။ FrontierCode v2.0 တွင် ၎င်းသည် 25.4% သို့ရောက်ရှိပြီး Muse Spark ၏ 28.5% နှင့် ဒုတိယရရှိပြီး Vibe Code Bench v1.1 တွင် **81.6% တင်ခဲ့သည်။
Long-Horizon အေးဂျင့်အလုပ်အတွက် လေ့ကျင့်သင်ကြားထားသည်။
မော်ဒယ်၏ အေးဂျင့်စွမ်းရည်များသည် ရာနှင့်ချီသော ရှည်လျားသော မိုးကုတ်စက်ဝိုင်း ကုဒ်ရေးနည်းများ တွင် အားဖြည့်သင်ကြားခြင်းမှ ဆင်းသက်လာကာ အေးဂျင့်ကြိုးကြိုးမျိုးစုံနှင့် ဆက်စပ်ပေါင်းစပ်မှုဗျူဟာများကို ဖြတ်ကျော်လုပ်ဆောင်နိုင်သည်ဟု ကုမ္ပဏီမှ ပြောကြားခဲ့သည်။ မှတ်သားဖွယ်၊ Thinking Machines များသည် ရိုးရှင်းသော ယူနစ်စမ်းသပ်မှုဆုများထက် ကျော်လွန်သွားသည်- လေ့ကျင့်ရေး လုပ်ငန်းများစွာတွင် agent RL grader ပါ၀င်ပြီး နောက်ဆုံးကုဒ်ကို ကျော်သွားခြင်းရှိမရှိကိုသာမက၊ မော်ဒယ်က ပြဿနာတစ်ခု မည်သို့ချဉ်းကပ်လာသည်ကို အကဲဖြတ်သည့် agent RL grader ပါဝင်သည်။
အဖွဲ့သည် လက်တွေ့ကမ္ဘာ၏ စွမ်းဆောင်ရည်ကို တိုင်းတာရန်အတွက် ကုဒ်အမည်ဖြင့် "Fledge-Alpha" ဟု အမည်ပေးထားသည့် OpenCode တွင် ၎င်းတို့ကို အစောပိုင်း စစ်ဆေးရေးဂိတ်များကို စမ်းသပ်စစ်ဆေးခဲ့သည်။ ကြေညာချက်အရ၊ ရလဒ်သည် ယခင်ယခင်က ညွှန်ကြားချက်များထက် ပိုမိုကောင်းမွန်သော မော်ဒယ်လ်တစ်ခုဖြစ်ပြီး အပြောင်းအလဲများကို ဂရုတစိုက်စဉ်းစားကာ မမေးဘဲ ၎င်း၏ကိုယ်ပိုင်အလုပ်ကို အတည်ပြုခြင်း ဖြစ်သည်။
အမြင်၊ ကွန်ပြူတာအသုံးပြုမှုနှင့် အပြန်အလှန်အကျိုးပြုသော သရုပ်ပြများ
Inkling 2 Small သည် စာသားထက် မိသားစုကို တိုးချဲ့သည်။ မော်ဒယ်သည် Three.js ကို အစမှစတင်၍ မြို့လုံးဆိုင်ရာ Simulator တစ်ခုကို တည်ဆောက်ရန် Three.js ကို အသုံးပြုခဲ့သည့် သရုပ်ပြများကို မီးမောင်းထိုးပြပြီး အဆောက်အဦ၊ အသွေးအသားနှင့် ကားတိုင်းကို ကြိုတင်ဖန်တီးထားခြင်းဖြစ်သည်—နှင့် ဘရောက်ဆာတွင် ကြည့်ရှုနိုင်သော တကယ့် Linux kernel ကို စတင်အသုံးပြုနိုင်သည့် Python တွင် အလုပ်လုပ်နိုင်သော PC emulator ကို ရေးသားခဲ့သည်။ အခြားသရုပ်ပြသည် ကာတွန်းအော်ရီဂါမီကရိန်းများဖြင့် လက်ဆွဲချိုင့်တစ်ခုအပါအဝင် Blender တွင် မော်ဒယ်ဖန်တီးခြင်းနှင့် ပြန်လည်ပြင်ဆင်သည့် မြင်ကွင်းများကို ပြသသည်။
အဆိုပါ သရုပ်ပြများသည် ထုတ်ဝေမှု၏ အစေးရှင်းကို အလေးပေးဖော်ပြသည်- မြင်သာထင်သာသော တုံ့ပြန်ချက်များကို ပေါင်းစပ်ကာ ၎င်းကို ဖန်တီးသည့်အရာ—ဝဘ်ဆိုဒ်များ၊ ဂိမ်းများ၊ 3D ဒီဇိုင်းများ——တစ်ချက်တည်း အထွက်နှုန်းကို ထုတ်လုပ်မည့်အစား၊ ၎င်းကို ဖန်တီးသည့်ပုံစံကို ထပ်ခါတလဲလဲ ပြန်လည်ပြင်ဆင်နိုင်သည်။
Open-Weights လမ်းကြောင်း
အဆင့်လိုက်ထုတ်လွှတ်မှုသည် ၎င်း၏အစောပိုင်း "အလေးဖွင့်ရန် ဘေးကင်းသောလမ်းကြောင်း" အက်ဆေးတွင် Thinking Machines မှ ချမှတ်ထားသော ချဉ်းကပ်မှုကို လိုက်နာသည်။ Inkling 2 Small ကို Tinker မှတစ်ဆင့် ယနေ့တွင် ရနိုင်ပါသည်၊ အသုံးပြုသူများသည် ၎င်းကို ကစားကွင်းတွင် စမ်းသုံးနိုင်ပြီး ချိန်ညှိခြင်းနှင့် နမူနာယူခြင်းအတွက် အသုံးပြုနိုင်သည်။ ပြင်ပဘေးကင်းမှုစမ်းသပ်ခြင်းနှင့် အနီရောင်အဖွဲ့ဖွဲ့ခြင်း နိဂုံးချုပ်ပြီးနောက် လာမည့်အပတ်အတွက် စီစဉ်ထားသော Apache 2.0** အောက်တွင် အလေးချိန်များကို ထုတ်ပြန်သည့်အခါ စစ်ဆေးရေးဂိတ်များသည် ဒေါင်းလုဒ်လုပ်နိုင်ပါမည်။
မဟာဗျူဟာသည် ကုမ္ပဏီ၏ပထမမျိုးဆက်ကို ပဲ့တင်ထပ်နေသည်- မူရင်း Inkling flagship နှင့် 276 billion-parmeter open-weight model တို့သည် ယခုနှစ်အစောပိုင်းက ထုတ်ပြန်ခဲ့သော အရွယ်အစားအပိုင်းအစတွင် flagship စွမ်းဆောင်ရည်နှင့် လိုက်ဖက်ညီသော flagship စွမ်းဆောင်ရည်အတွက် သိသာထင်ရှားသော အာရုံစိုက်မှုကို ဖြစ်ပေါ်စေသည့် သေးငယ်သော Inkling-Small၊ Inkling 2 Small ဖြင့်၊ ဓာတ်ခွဲခန်းသည် တူညီသော ထိရောက်မှု-ပထမအစီအစဥ်တွင် နှစ်ဆတိုးလာသည် — စုစုပေါင်းစွမ်းရည်ပိုကြီးကာ သေးငယ်သော တက်ကြွသောခြေရာကို ရယူသည်။
##ဘာကြောင့်အရေးကြီးတာလဲ။
အမေရိကန်ဓာတ်ခွဲခန်းများသည် Z.ai၊ DeepSeek၊ Tencent နှင့် Moonshot တို့မှ တစ်ပတ်ပြီးတစ်ရက် ထုတ်လွှင့်မှုများကြောင့် ကွာဟချက်ကျဉ်းမြောင်းသွားသည့် နယ်နိမိတ်အလေးများကို တင်ပို့နိုင်သည့် တရုတ်ပြိုင်ဘက်များကို သမိုင်းကြောင်းအတိုင်း လိုက်သွားခဲ့သည်။ Thinking Machines သည် ယခုအခါတွင် အထင်ရှားဆုံး US မှ ဝင်ရောက်လာသူဖြစ်ပြီး ၎င်း၏ပထမဆုံးအကြိမ်အဖြစ် ဓာတ်ခွဲခန်းသည် မျှော်လင့်ထားသည်ထက် ပိုမိုမြန်ဆန်စွာ ပြန်လည်လည်ပတ်နေပြီဖြစ်ရာ ဒုတိယမျိုးဆက်ကို ထုတ်ဝေလိုက်ပါသည်။
သတိပေးချက်များသည် ၎င်းတို့ကိုယ်တိုင် စံနှိုင်းယှဥ်ပြိုင်မှုများဖြစ်သည်။ Thinking Machines များသည် နှိုင်းယှဉ်မှုများကို ရွေးချယ်ပြီး အတန်းတစ်ခုစီရှိ "အမြင့်ဆုံး အစီရင်ခံချက်" ရမှတ်များကို တံဆိပ်တပ်ခဲ့သည် — နှင့် ထိုအတန်းများထဲမှ အချို့တွင် Inkling 2 Small သည် ပထမမဟုတ်ဘဲ ဒုတိယဖြစ်သည်။ Apache 2.0 သည် လာမည့်အပတ်တွင် ထွက်ရှိလာမည့် တကယ့်စမ်းသပ်မှုဖြစ်လာလိမ့်မည်- developer များသည် အလေးချိန်များကို လွတ်လပ်စွာဒေါင်းလုဒ်လုပ်ပြီး စစ်ဆေးနိုင်သည်နှင့်၊ စျေးကွက်ရှာဖွေရေးသည် တိုင်းတာရန်နည်းလမ်းကိုပေးသည်။ ယခုအချိန်တွင်၊ ကြေငြာချက်တွင် စတင်တည်ထောင်သူ၏ မော်ဒယ်-ထုတ်ကုန် flywheel လှည့်လာနေကြောင်း အထောက်အထားအဖြစ် Inkling 2 Small ကို ကြေငြာထားသည် — နှင့် open-weights နယ်နိမိတ်သည် ယခုအခါ အမှန်တကယ် ပွင့်လင်းမြင်သာသော ပြိုင်ပွဲတစ်ခုရှိနေပြီဖြစ်သည်။
AI ထက်သာလွန်နေပါစေ။
တိုက်ကြီးသုံးတိုက်ရှိ ဓာတ်ခွဲခန်းများမှ အပတ်စဉ် အလေးချိန်အဖွင့်မော်ဒယ်အသစ်များ ဆင်းသက်လျက်ရှိသည်။ ကျွန်ုပ်တို့၏ AI လုပ်ငန်းလွှမ်းခြုံမှု မှတစ်ဆင့် ထုတ်ပြန်မှုတိုင်းကို ဆက်လက်လုပ်ဆောင်ပါ။
AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →
