Thinking Machines Lab, AI-startupen som grundades av den tidigare teknikchefen för OpenAI, Mira Murati, släppte en ny modell med öppen vikt den 20 november 2026: Inkling 2 Mini, en kompakt modell byggd kring en ovanlig arkitektur som företaget säger låter den slå långt över sin parameterräkning. Modellen är tillräckligt liten för att köras lokalt på en bärbar dator, med ett totalt minnesutrymme på cirka 20 GB.

Rubriksiffrorna är slående för storleksklassen. Enligt företagets tillkännagivande leder Inkling 2 Mini varje modell med öppen vikt med mindre än 100 miljarder totala parametrar på DeepSWE v1.1, som löser 48,2 procent av uppgifterna, och på Vals Index v2.2, med 46,5 procent. Båda riktmärkena mäter agentisk kodningsförmåga, en av de mest kommersiellt omtvistade kapacitetsgränserna i branschen just nu. For more context on this story, see our ongoing AI industry coverage.

Vad gör en loopad transformator annorlunda

Inkling 2 Mini är en slingtransformator. Istället för att skicka varje token genom varje lager exakt en gång, kör modellen sina mellanlager tre gånger per token. I själva verket kan modellen tillämpa mer sekventiell beräkning på ett problem utan att generera fler utdatatokens.

Företagets inramning är att looping gör att modellen kan resonera längre utan att skriva ner sitt resonemang. Traditionell tankekedja spenderar tokens på synliga mellansteg; looping spenderar beräkna istället. Det har verkliga konsekvenser för hastigheten på uppgifter där resonemangskvalitet är viktigare än tokenantal, och agentkodning är precis den typen av uppgift.

Under huven är Inkling 2 Mini en blandning av experter-modell med totalt 26,4 miljarder parametrar och bara 3,4 miljarder aktiva per token, med 5,4 miljarder viktaktiveringar per token när looping har tagits med i beräkningen. De flesta av vikterna tränades och distribueras inbyggt i NVFP4, lågprecisionsformatet Nvidia har drivit över sin datacenterlinje, med de fyra sista lagren kvar i MXFP8. Kombinationen av aggressiv kvantisering och ett litet antal aktiva parametrar är det som pressar modellen till ett ungefär 20 GB fotavtryck som passar på bärbara datorer och stationära AI-maskiner.

Labbet demonstrerade modellen som körs offline, i flygplansläge, på en MacBook Pro med ett M5 Pro-chip och 48 GB minne, där den byggde en spelbar flygsimulator på några minuter.

Avvägningen mot övervakningsbarhet

Utgivningen åtföljs av forskning som kan ha större betydelse än riktmärkena. Om en modell resonerar internt genom loopar snarare än att uttrycka sin tankekedja i tokens, så slutar den synliga resonemangstexten att vara ett troget fönster till vad modellen faktiskt gör. Det har konsekvenser för AI-säkerhetsforskning, där övervakning av tankekedjan har blivit ett av de få praktiska tillsynsverktygen som finns tillgängliga.

Vid sidan av Inkling 2 Mini släppte Thinking Machines en forskningsspecifik variant med variabel loop för att mäta effekten. Resultaten går i en uppmuntrande riktning för förmåga, en komplicerad riktning för tillsyn. Variabel-loopmodellens tidshorisont på uppgifter som genomfördes utan någon tankekedja förbättrades från 16 sekunder vid ett enda pass till 37 sekunder vid tre loopar, och prestandan på ett seriellt resonemangsriktmärke fortsatte att förbättras till tio loopar – dubbelt så många som modellen tränades med.

Samtidigt blev den synliga tankekedjan kortare när slingor lades till, men företaget rapporterar att den förblev läsbar hela tiden, och modellen utvecklades inte högre i tester av agentiskt sabotage när slingdjupet ökade. Thinking Machines beskriver dessa som några av de första modellerna med loop-arkitektur som är tillgängliga för forskare, och positionerar releasen delvis som en inbjudan till säkerhetsgemenskapen att studera övervakningsbarhet på verkliga vikter snarare än simulerade inställningar.

Ett tävlingsspel i klassen Sub-100B

Riktmärkena placerar Inkling 2 Mini mot ett fullsatt sub-100B-fält som inkluderar Gemma 4-modeller i 26B–31B-serien, Qwen3.8-27B, Muse Glimmer och en 65B förhandsvisningsmodell som heter Ripple. Thinking Machines hävdar att dess modell också kör snabbare än konkurrenter med liknande prestanda, med hänvisning till teoretisk token-genomströmning vid batchstorlek ett.

Sub-100B-segmentet har blivit strategiskt viktigt av två anledningar. För det första växer driftsättningen på enheten och den privata snabbt eftersom företag undviker att skicka känslig data till värdbaserade API:er. För det andra gynnar per-token ekonomi för lokal slutledning alltmer små, aggressivt kvantiserade modeller framför destillerade kopior av stora. En 26.4B MoE som körs inbyggt i NVFP4 med looping compute är ett direkt svar på den marknaden.

Modellen är tillgänglig på Hugging Face med ett publicerat modellkort, och Thinking Machines marknadsför åtkomst genom sin Tinker-finjusteringsplattform. Mellan den här utgåvan och labbets tidigare Inkling-familjemodeller bygger startupen en distinkt teknisk identitet kring beräkningsskalning i recurrence-stil vid en tidpunkt då de flesta frontier-labb är fokuserade på skalningsparametrar och data.

Oavsett om looping blir en mainstream-arkitektur eller förblir en nisch, markerar releasen ett anmärkningsvärt ögonblick: en av de mest sedda AI-startuperna satsar på att smartare beräkning per token – inte fler tokens och inte fler parametrar – är där nästa vinster live.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →