Thinking Machines Lab, startup-ul AI fondat de fostul director de tehnologie OpenAI Mira Murati, a lansat un nou model cu greutăți deschise pe 20 noiembrie 2026: Inkling 2 Mini, un model compact construit în jurul unei arhitecturi neobișnuite despre care compania spune că îi permite să ajungă cu mult peste numărul de parametri. Modelul este suficient de mic pentru a rula local pe un laptop de consum, cu o amprentă totală de memorie de aproximativ 20 GB.
Numerele din titlu sunt izbitoare pentru clasa de mărime. Potrivit anunțului companiei, Inkling 2 Mini conduce fiecare model cu greutăți deschise cu mai puțin de 100 de miliarde de parametri totali pe DeepSWE v1.1, rezolvând 48,2% din sarcini și pe Vals Index v2.2, cu un scor de 46,5%. Ambele benchmark-uri măsoară capacitatea de codificare agentică, una dintre cele mai contestate frontiere de capacitate din industrie în acest moment. For more context on this story, see our ongoing breaking AI news.
Ce face un transformator în buclă diferit
Inkling 2 Mini este un transformator cu buclă. În loc să treacă fiecare jeton prin fiecare strat exact o dată, modelul își rulează straturile mijlocii de trei ori pe jeton. De fapt, modelul poate aplica mai multe calcule secvențiale unei probleme fără a genera mai multe jetoane de ieșire.
Încadrarea companiei este aceea că looping-ul permite modelului să raționeze mai mult fără a-și nota raționamentul. Raționamentul tradițional în lanț de gândire cheltuiește jetoane pe pași intermediari vizibili; bucla cheltuiește calculează în schimb. Acest lucru are consecințe reale pentru viteza în sarcinile în care calitatea raționamentului contează mai mult decât numărul de simboluri, iar codarea agentică este exact acest tip de sarcină.
Sub capotă, Inkling 2 Mini este un model Mixture-of-Experts cu 26,4 miliarde de parametri totali și doar 3,4 miliarde activi per token, cu 5,4 miliarde de activări de greutate per token odată ce se ține cont de looping. Cele mai multe dintre greutăți au fost antrenate și sunt implementate nativ în NVFP4, formatul de precizie scăzută pe care Nvidia l-a promovat în gama centrelor de date, ultimele patru straturi păstrate în MXFP8. Combinația dintre cuantificarea agresivă și un număr mic de parametri activi este ceea ce strânge modelul într-o amprentă de aproximativ 20 GB care se potrivește pe laptopuri și mașini desktop AI.
Laboratorul a demonstrat că modelul rulează offline, în modul avion, pe un MacBook Pro cu un cip M5 Pro și 48 GB de memorie, unde a construit un simulator de zbor care poate fi jucat în câteva minute.
Compensabilitatea monitorizării
Lansarea este însoțită de cercetări care pot conta mai mult decât reperele. Dacă un model raționează intern prin bucle, mai degrabă decât să-și exprime lanțul de gândire în jetoane, atunci textul raționamentului vizibil încetează să mai fie o fereastră fidelă a ceea ce face de fapt modelul. Acest lucru are implicații pentru cercetarea în domeniul siguranței AI, unde monitorizarea lanțului de gândire a devenit unul dintre puținele instrumente practice de supraveghere disponibile.
Alături de Inkling 2 Mini, Thinking Machines a lansat o variantă de buclă variabilă specifică cercetării pentru a măsura efectul. Rezultatele se îndreaptă într-o direcție încurajatoare pentru capacitate, una complicată pentru supraveghere. Orizontul de timp al modelului cu buclă variabilă pentru sarcinile finalizate fără niciun lanț de gândire s-a îmbunătățit de la 16 secunde la o singură trecere la 37 de secunde la trei bucle, iar performanța la un etalon de raționament în serie a continuat să se îmbunătățească până la zece bucle - de două ori mai multe decât modelul a fost antrenat.
Între timp, lanțul de gândire vizibil s-a scurtat pe măsură ce au fost adăugate bucle, dar compania raportează că a rămas lizibil pe tot parcursul, iar modelul nu a avut o tendință mai ridicată la testele de sabotaj agentic, pe măsură ce adâncimea buclei a crescut. Thinking Machines le descrie ca fiind unele dintre primele modele cu arhitectură în buclă disponibile cercetătorilor, poziționând lansarea parțial ca o invitație pentru comunitatea de siguranță să studieze monitorizarea pe greutăți reale, mai degrabă decât pe setări simulate.
O piesă competitivă în clasa Sub-100B
Criteriile de referință plasează Inkling 2 Mini față de un câmp aglomerat sub 100B care include modele Gemma 4 din gama 26B–31B, Qwen3.8-27B, Muse Glimmer și un model de previzualizare 65B numit Ripple. Thinking Machines susține că modelul său funcționează, de asemenea, mai rapid decât concurenții cu performanțe similare, invocând debitul teoretic de token la dimensiunea unui lot.
Segmentul sub-100B a devenit important din punct de vedere strategic din două motive. În primul rând, implementarea pe dispozitiv și cea privată crește rapid, deoarece întreprinderile se opun la trimiterea de date sensibile către API-urile găzduite. În al doilea rând, economia per-token pentru inferența locală favorizează din ce în ce mai mult modelele mici, cuantificate agresiv, față de copiile distilate ale celor mari. Un MoE de 26,4 miliarde care rulează nativ în NVFP4 cu calcul în buclă este un răspuns direct la această piață.
Modelul este disponibil pe Hugging Face cu un card de model publicat, iar Thinking Machines promovează accesul prin intermediul platformei sale de reglare fină Tinker. Între această lansare și modelele anterioare ale familiei Inkling ale laboratorului, startup-ul își construiește o identitate tehnică distinctă în jurul scalării de calcul în stil recurență într-un moment în care majoritatea laboratoarelor de frontieră rămân concentrate pe parametrii și date de scalare.
Indiferent dacă looping-ul devine o arhitectură mainstream sau rămâne o nișă, lansarea marchează un moment notabil: unul dintre cele mai urmărite startup-uri AI pariază că calculul mai inteligent per token - nu mai multe token-uri și nu mai mulți parametri - este locul în care următorul câștig.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →