Что показывают цифры
Inkling 2 Small — это модель смешанных экспертов (MoE) с 594 миллиардами общих параметров и 17 миллиардами активных на каждый логический вывод. Такая конструкция обеспечивает управляемость вычислительных затрат, несмотря на размер модели. Он поддерживает ввод изображений и переменное усилие, позволяя пользователям менять глубину ответа на скорость в зависимости от задачи.
Заголовок заявления исходит из Индекса искусственного анализа, в котором компания сообщает, что Inkling 2 Small набрал 31, что, по ее словам, намного превосходит оценки ее предыдущих моделей. Компания Thinking Machines объясняет этот успех улучшениями «на каждом этапе» обучения, включая более эффективное предварительное обучение и масштабное унифицированное обучение с подкреплением.
В тестах кодирования, опубликованных в объявлении, Inkling 2 Small показала хорошие, но не всегда лучшие результаты по сравнению с GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark и Kimi K3. Он набрал 86,3% в SWEBench Pro v2 (Hard) — второй результат в сравнении после 88,2% у Kimi K3 — и 72,1% в DeepSWE v1.1, где лидировал Muse Spark с результатом 77,0%. На FrontierCode v2.0 он достиг 25,4%, уступая 28,5% у Muse Spark, а на Vibe Code Bench v1.1 он составил 81,6%**.
Обучен для работы агентов с большим горизонтом
Компания заявляет, что агентные способности модели основаны на обучении с подкреплением на сотнях тысяч долгосрочных задач кодирования, выполняемых с использованием нескольких агентских средств и стратегий уплотнения контекста. Примечательно, что Thinking Machines вышла за рамки простого вознаграждения за модульные тесты: многие обучающие задачи включали в себя «агента-оценщика RL», который оценивал как модель подходит к проблеме, а не только то, прошел ли окончательный код.
Команда также протестировала первые контрольные точки в реальных условиях, запустив их на OpenCode под кодовым названием "Fledge-Alpha" для измерения реальной производительности. Согласно объявлению, в результате появилась модель, которая лучше, чем ее предшественница, следует инструкциям, тщательно учитывает изменения и проверяет свою работу без просьб.
Видение, использование компьютера и интерактивные демонстрации
Inkling 2 Small расширяет возможности семейства за пределы текста. Компания выделяет демо-версии, в которых модель использовала Three.js для создания полноценного городского симулятора с нуля — процедурно генерируя каждое здание, текстуру и автомобиль без каких-либо заранее созданных ресурсов — и написала работающий эмулятор ПК на Python, который загружает настоящее ядро Linux, доступное для просмотра в браузере. Другая демонстрация показывает, как модель генерирует и редактирует сцены в Blender, включая нарисованную от руки долину с анимированными журавликами-оригами.
Эти демо подчеркивают суть релиза: модель, которая может включать визуальную обратную связь и итеративно совершенствовать то, что она создает — веб-сайты, игры, 3D-дизайн — вместо того, чтобы производить одноразовый результат.
Путь открытых весов
Поэтапный выпуск следует подходу Thinking Machines, изложенному в более раннем эссе «Безопасный путь к открытым весам». Inkling 2 Small доступен сегодня через Tinker, где пользователи могут опробовать его на игровой площадке и использовать для тонкой настройки и выборки. Контрольные точки станут доступны для загрузки, когда веса будут выпущены в рамках Apache 2.0, что запланировано на следующую неделю после завершения внешнего тестирования безопасности и завершения красной команды.
Стратегия перекликается с первым поколением компании: оригинальным флагманом Inkling и меньшей по размеру Inkling-Small, открытой моделью с 276 миллиардами параметров, выпущенной ранее в этом году, которая привлекла значительное внимание тем, что соответствовала флагманским характеристикам при небольшом размере. Создавая Inkling 2 Small, лаборатория удвоила усилия по тому же принципу: эффективность прежде всего — большая общая емкость, небольшая активная площадь.
Почему это важно
Американские лаборатории исторически отставали от китайских конкурентов в поставке открытых весов, способных работать на границе, и этот разрыв сокращался по мере того, как неделю за неделей появлялись релизы от Z.ai, DeepSeek, Tencent и Moonshot. Thinking Machines в настоящее время является наиболее заметным участником проекта в США, и выпуск второго поколения вскоре после первого предполагает, что лаборатория работает быстрее, чем многие ожидали.
Предостережения представляют собой сами эталонные сравнения. Компания Thinking Machines выбрала сравнения и пометила «самые высокие» результаты в каждой строке — и в некоторых из этих строк Inkling 2 Small занял второе место, а не первое. Выпуск Apache 2.0 на следующей неделе станет настоящим испытанием: как только разработчики смогут загружать и проверять веса самостоятельно, маркетинг уступит место измерениям. На данный момент в заявлении Inkling 2 Small рассматривается как свидетельство того, что маховик модельного продукта стартапа вращается — и что на границе открытых весов теперь идет настоящая борьба за пределами Тихого океана.
Будьте впереди ИИ
Новые модели с открытым весом поступают каждую неделю из лабораторий на трех континентах. Следите за каждым выпуском через наш [освещение об отрасли искусственного интеллекта] (https://aibuzzwire.news).
Читать больше новостей об искусственном интеллекте →
