Un design de amestec de experți
Potrivit TestingCatalog AI News, Inkling-Small este un transformator Mixture-of-Experts (MoE) care conține 276 de miliarde de parametri totali, cu 12 miliarde activi în timpul oricărei inferențe date. Acea arhitectură – în care doar o mică parte a modelului „se trezește” pentru fiecare jeton – este același truc de eficiență care a făcut ca modelele chinezești deschise precum DeepSeek să fie atât de ieftine de rulat. Thinking Machines a confirmat că toate greutățile sunt lansate pe Hugging Face.
De asemenea, modelul este livrat cu o fereastră de context de până la un milion de jetoane și ceea ce laboratorul numește „efort de gândire variabil”, variind de la minim la „xhigh”, permițând dezvoltatorilor să schimbe calculul pentru performanță, în funcție de sarcină. Reglajul fin este disponibil prin platforma Tinker a companiei, iar textul, imaginea și chatul audio sunt accesibile în Tinker Playground.
Instruit pe sistemele NVIDIA GB300
Thinking Machines a spus că Inkling-Small a fost instruit pe sisteme NVIDIA GB300 NVL72 și folosește „substanțial mai puține calcule” decât modelul original Inkling, care a fost lansat pe 15 iulie 2026. Primul model – acoperit de WIRED și TechCrunch ca lansare de debut a Thinking Machines – a stabilit concurentul serios aproape ca lansare peste noapte.
Drumul către Inkling-Small dezvăluie o strategie de eficiență deliberată. Laboratorul a început să lucreze la modelul mai mic abia după antrenamentul Inkling, folosind camera de respirație pentru a-și revizui amestecul de date înainte de antrenament și rețeta de învățare automată. Un punct de control anterior de previzualizare a fost post-antrenat parțial prin distilarea conform politicii, cu Inkling servind ca profesor, urmat de aproximativ două săptămâni de învățare de întărire a codării agentice la scară.
Unde câștigă – și unde nu
Rezultatele acestei rețete sunt notabile. Thinking Machines susține că Inkling-Small depășește Inkling original în ceea ce privește criteriile de referință privind raționamentul și codificarea agentică, în timp ce Inkling rămâne mai puternic în acoperirea cunoștințelor și a faptului. La Ultimul examen al umanității, doar text, o evaluare notoriu dificilă, modelul mai mic a obținut un scor de 31,6%, comparativ cu 29,7% pentru Inkling - o îmbunătățire reală, în ciuda reducerii dramatice a parametrilor activi.
Compensația este clară: Inkling-Small este codificatorul și raționătorul mai clar, în timp ce fratele său mai mare păstrează baza de cunoștințe mai largă. Pentru dezvoltatori, aceasta este o caracteristică, nu o eroare - înseamnă să alegeți instrumentul potrivit pentru lucrare, mai degrabă decât să plătiți pentru un singur model gigant pentru fiecare sarcină.
Un jucător american într-un câmp deschis condus de China
Poate cea mai mare implicație este geopolitică. După cum au remarcat CNBC și alții, modelele de frontieră deschise au devenit un punct de foc dintre SUA și China, laboratoarele chineze precum DeepSeek și Qwen de la Alibaba oferind modele puternice și subcotând prețurile occidentale. Forkast a încadrat direct lansarea Inkling-Small: „Competiția Open-Weights are acum un participant din SUA”.
Până acum, modelele de top cu greutate deschisă au venit aproape exclusiv din China, stârnind îngrijorări la Washington că laboratoarele americane cedează o întreagă categorie de piață. Thinking Machines – un startup bine finanțat din SUA, condus de una dintre cele mai proeminente figuri din AI – schimbă acest calcul. Lansând greutăți complete pe Hugging Face și susținând reglajul fin deschis, laboratorul face o joacă directă pentru comunitatea de dezvoltatori pe care modelele chineze cu greutate deschisă au cultivat-o.
Creat pentru dezvoltatori, nu doar pentru benchmarkuri
Thinking Machines a asociat lansarea cu instrumente destinate în mod direct dezvoltatorilor. Dincolo de greutățile deschise Hugging Face, Databricks a confirmat că familia Inkling este disponibilă pe platforma sa, iar Tinker Playground acceptă text multimodal, imagini și chat audio din cutie. Setarea variabilă „efort de gândire” – de la minim la „xhigh” – este concepută pentru compromisuri inginerești reale: rulați ieftin atunci când o sarcină este simplă, cheltuiți mai mult calcul atunci când o problemă necesită un raționament mai profund. Această flexibilitate contează pentru startup-urile care își urmăresc facturile de inferență, multe dintre ele au migrat deja către alternative mai ieftine deschise, mai degrabă decât să plătească tarife API premium.
Tendința de eficiență în industrie
Inkling-Small se potrivește și unui model mai larg. În întreaga industrie, avangarda trece de la modele monolitice din ce în ce mai mari la sisteme mai mici, mai inteligente, care bat peste greutatea lor. De la modelele de război de prețuri ale DeepSeek până la arhitecturile comprimate, mesajul este consistent: numărul parametrilor bruti contează mai puțin decât cât de eficient își folosește un model capacitatea.
Pentru Thinking Machines, pariul pe eficiență în raport cu dimensiunea este acum de două modele – iar reperele timpurii sugerează că strategia funcționează. Cu Inkling-Small disponibil pentru descărcare și reglare fină astăzi, dezvoltatorii pot testa această afirmație pentru ei înșiși.
Rămâi înaintea AI
Noi modele open-weight aterizează în fiecare săptămână, iar concurența nu face decât să se intensifice. Fiți la curent cu fiecare lansare prin acoperirea industriei AI.
Citiți mai multe știri AI →
