Thinking Machines Lab, a startup de IA fundada pela ex-diretora de tecnologia da OpenAI Mira Murati, lançou um novo modelo de peso aberto em 20 de novembro de 2026: Inkling 2 Mini, um modelo compacto construído em torno de uma arquitetura incomum que, segundo a empresa, permite atingir bem acima de sua contagem de parâmetros. O modelo é pequeno o suficiente para ser executado localmente em um laptop de consumo, com um consumo total de memória de aproximadamente 20 GB.

Os números das manchetes são impressionantes para a classe de tamanho. De acordo com o anúncio da empresa, o Inkling 2 Mini lidera todos os modelos de peso aberto com menos de 100 bilhões de parâmetros totais no DeepSWE v1.1, resolvendo 48,2% das tarefas, e no Vals Index v2.2, pontuando 46,5%. Ambos os benchmarks medem a capacidade de codificação de agentes, uma das fronteiras de capacidade mais contestadas comercialmente no setor no momento. Para mais contexto sobre esta história, confira nossa últimos desenvolvimentos em IA.

O que torna um transformador em loop diferente

Inkling 2 Mini é um transformador em loop. Em vez de passar cada token por cada camada exatamente uma vez, o modelo executa suas camadas intermediárias três vezes por token. Na verdade, o modelo pode aplicar mais computação sequencial a um problema sem gerar mais tokens de saída.

O enquadramento da empresa é que o loop permite que o modelo raciocine por mais tempo sem anotar seu raciocínio. O raciocínio tradicional de cadeia de pensamento gasta tokens em etapas intermediárias visíveis; em vez disso, o loop gasta computação. Isso tem consequências reais para a velocidade em tarefas onde a qualidade do raciocínio é mais importante do que a contagem de tokens, e a codificação agente é exatamente esse tipo de tarefa.

Nos bastidores, o Inkling 2 Mini é um modelo de mistura de especialistas com 26,4 bilhões de parâmetros totais e apenas 3,4 bilhões de ativos por token, com 5,4 bilhões de ativações de peso por token, uma vez contabilizado o loop. A maioria dos pesos foi treinada e implantada nativamente no NVFP4, o formato de baixa precisão que a Nvidia vem promovendo em sua linha de data centers, com as quatro camadas finais mantidas no MXFP8. A combinação de quantização agressiva e uma pequena contagem de parâmetros ativos é o que comprime o modelo em um espaço de aproximadamente 20 GB que cabe em laptops e máquinas desktop de IA.

O laboratório demonstrou o modelo rodando offline, em modo avião, em um MacBook Pro com chip M5 Pro e 48 GB de memória, onde construiu um simulador de vôo jogável em poucos minutos.

A compensação da monitorabilidade

O lançamento é acompanhado de pesquisas que podem ser mais importantes do que os benchmarks. Se um modelo raciocina internamente através de loops em vez de expressar sua cadeia de pensamento em tokens, então o texto de raciocínio visível deixa de ser uma janela fiel para o que o modelo está realmente fazendo. Isto tem implicações para a investigação em segurança da IA, onde a monitorização da cadeia de pensamento se tornou uma das poucas ferramentas práticas de supervisão disponíveis.

Juntamente com o Inkling 2 Mini, a Thinking Machines lançou uma variante de loop variável específica para pesquisa para medir o efeito. Os resultados apontam numa direção encorajadora para a capacidade, mas complicada para a supervisão. O horizonte de tempo do modelo de loop variável em tarefas concluídas sem qualquer cadeia de pensamento melhorou de 16 segundos em uma única passagem para 37 segundos em três loops, e o desempenho em um benchmark de raciocínio serial continuou melhorando para dez loops – o dobro do número com o qual o modelo foi treinado.

Enquanto isso, a cadeia de pensamento visível ficou mais curta à medida que os loops foram adicionados, mas a empresa relata que ela permaneceu legível o tempo todo, e o modelo não apresentou tendência superior em testes de sabotagem de agente à medida que a profundidade do loop aumentou. A Thinking Machines os descreve como alguns dos primeiros modelos de arquitetura em loop disponíveis para os pesquisadores, posicionando o lançamento em parte como um convite para a comunidade de segurança estudar a monitorabilidade em pesos reais, em vez de configurações simuladas.

Um jogo competitivo na classe Sub-100B

Os benchmarks colocam o Inkling 2 Mini em um campo lotado abaixo de 100B que inclui modelos Gemma 4 na faixa 26B-31B, Qwen3.8-27B, Muse Glimmer e um modelo de visualização 65B chamado Ripple. A Thinking Machines afirma que seu modelo também funciona mais rápido do que concorrentes com desempenho semelhante, citando o rendimento teórico do token no tamanho de lote um.

O segmento sub-100B tornou-se estrategicamente importante por duas razões. Primeiro, a implantação privada e no dispositivo está crescendo rapidamente à medida que as empresas se recusam a enviar dados confidenciais para APIs hospedadas. Em segundo lugar, a economia por token para inferência local favorece cada vez mais modelos pequenos e agressivamente quantizados em vez de cópias destiladas de modelos grandes. Um MoE de 26,4B que roda nativamente em NVFP4 com computação em loop é uma resposta direta a esse mercado.

O modelo está disponível no Hugging Face com um cartão de modelo publicado, e a Thinking Machines está promovendo o acesso por meio de sua plataforma de ajuste fino Tinker. Entre este lançamento e os modelos anteriores da família Inkling do laboratório, a startup está construindo uma identidade técnica distinta em torno do escalonamento de computação no estilo de recorrência, em um momento em que a maioria dos laboratórios de fronteira permanece focada no escalonamento de parâmetros e dados.

Quer o looping se torne uma arquitetura convencional ou continue sendo um nicho, o lançamento marca um momento notável: uma das startups de IA mais observadas de perto está apostando que a computação mais inteligente por token – e não mais tokens, e não mais parâmetros – é onde residem os próximos ganhos.

---

Fique à Frente da IA

As últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.

Ler mais notícias de IA →