O que os números mostram
Inkling 2 Small é um modelo de mistura de especialistas (MoE) com 594 bilhões de parâmetros totais e 17 bilhões de ativos por inferência — um design que mantém os custos de computação gerenciáveis, independentemente do tamanho do modelo. Ele suporta entradas de imagem e esforço variável, permitindo que os usuários troquem profundidade de resposta por velocidade, dependendo da tarefa.
A afirmação do título vem do Índice de Inteligência de Análise Artificial, onde a empresa afirma que o Inkling 2 Small obteve uma pontuação de 31, que descreve como superando em muito as pontuações de seus modelos anteriores. A Thinking Machines atribui o ganho a melhorias “em cada etapa” do treinamento, incluindo um pré-treinamento mais eficiente e uma grande e unificada execução de aprendizado por reforço.
Nos benchmarks de codificação publicados no anúncio, Inkling 2 Small postou resultados fortes, mas não uniformemente líderes, em um campo que inclui GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark e Kimi K3. Ele obteve 86,3% no SWEBench Pro v2 (Hard) – o segundo maior na comparação, atrás dos 88,2% do Kimi K3 – e 72,1% no DeepSWE v1.1, onde Muse Spark liderou com 77,0%. No FrontierCode v2.0 atingiu 25,4%, atrás dos 28,5% do Muse Spark, e postou 81,6% no Vibe Code Bench v1.1.
Treinado para trabalho de agente de longo horizonte
A empresa afirma que as habilidades de agente do modelo vêm do aprendizado por reforço em centenas de milhares de tarefas de codificação de longo horizonte, executadas em vários equipamentos de agentes e estratégias de compactação de contexto. Notavelmente, Thinking Machines foi além de simples recompensas de teste unitário: muitas tarefas de treinamento incluíam um avaliador RL agente que avaliava como o modelo abordava um problema, não apenas se o código final foi aprovado.
A equipe também testou os primeiros pontos de verificação, executando-os no OpenCode sob o codinome "Fledge-Alpha" para medir o desempenho no mundo real. De acordo com o anúncio, o resultado é um modelo que segue as instruções melhor que seu antecessor, considera as mudanças cuidadosamente e verifica seu próprio trabalho sem ser solicitado.
Visão, uso do computador e demonstrações interativas
Inkling 2 Small estende a família além do texto. A empresa destaca demonstrações nas quais o modelo usou Three.js para construir um simulador de cidade completo do zero – gerando cada edifício, textura e carro de forma processual, sem recursos pré-fabricados – e escreveu um emulador de PC funcional em Python que inicializa um kernel Linux real, visível no navegador. Outra demonstração mostra o modelo gerando e revisando cenas no Blender, incluindo um vale desenhado à mão com guindastes de origami animados.
Essas demonstrações sublinham o objetivo do lançamento: um modelo que pode incorporar feedback visual e refinar iterativamente o que ele constrói – sites, jogos, designs 3D – em vez de produzir resultados únicos.
O caminho dos pesos abertos
O lançamento encenado segue a abordagem que Thinking Machines apresentou em seu ensaio anterior sobre “caminho seguro para pesos abertos”. O Inkling 2 Small está disponível hoje através do Tinker, onde os usuários podem experimentá-lo no playground e usá-lo para ajuste fino e amostragem. Os pontos de verificação poderão ser baixados quando os pesos forem lançados no Apache 2.0, planejado para a próxima semana após a conclusão dos testes de segurança externos e da equipe vermelha.
A estratégia ecoa a primeira geração da empresa: o carro-chefe Inkling original e o menor Inkling-Small, um modelo aberto de 276 bilhões de parâmetros lançado no início deste ano que atraiu atenção significativa por combinar o desempenho do carro-chefe em uma fração do tamanho. Com o Inkling 2 Small, o laboratório está duplicando a mesma tese de eficiência: maior capacidade total, pequena área ativa.
Por que é importante
Os laboratórios americanos historicamente estão atrás dos concorrentes chineses no transporte de pesos abertos com capacidade de fronteira, uma lacuna que diminuiu à medida que os lançamentos de Z.ai, DeepSeek, Tencent e Moonshot chegam semana após semana. Thinking Machines é agora o participante mais proeminente dos EUA, e um lançamento de segunda geração logo após o primeiro sugere que o laboratório está iterando mais rápido do que muitos esperavam.
As advertências são as próprias comparações de benchmark. A Thinking Machines escolheu as comparações e rotulou as pontuações “mais altas relatadas” em cada linha – e em várias dessas linhas, Inkling 2 Small ficou em segundo lugar, não em primeiro. O lançamento do Apache 2.0 na próxima semana será o verdadeiro teste: assim que os desenvolvedores puderem baixar e testar os pesos de forma independente, o marketing dará lugar à medição. Por enquanto, o anúncio posiciona o Inkling 2 Small como evidência de que o volante do produto modelo da startup está girando – e que a fronteira dos pesos abertos agora tem uma competição genuinamente transpacífica.
Fique à frente da IA
Novos modelos abertos chegam todas as semanas de laboratórios em três continentes. Acompanhe cada lançamento através da nossa cobertura da indústria de IA.
Leia mais notícias sobre IA →
