Vad siffrorna visar
Inkling 2 Small är en Mixture-of-Experts (MoE)-modell med totalt 594 miljarder parametrar och 17 miljarder aktiva per slutledning – en design som håller beräkningskostnaderna hanterbara trots modellens storlek. Den stöder bildinmatning och varierande ansträngning, vilket låter användarna byta svarsdjup mot hastighet beroende på uppgiften.
Rubrikpåståendet kommer från Artificial Analysis Intelligence Index, där företaget säger att Inkling 2 Small fick 31, vilket det beskriver som långt överträffat poängen för sina tidigare modeller. Thinking Machines tillskriver vinsten till förbättringar "i varje steg" av träningen, inklusive effektivare förträning och en stor, enhetlig förstärkningsutbildning.
På riktmärken för kodning som publicerades i tillkännagivandet, publicerade Inkling 2 Small starka men inte enhetligt ledande resultat mot ett fält som inkluderar GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark och Kimi K3. Den fick 86,3 % på SWEBench Pro v2 (Hard) — näst högst i jämförelsen, bakom Kimi K3:s 88,2 % — och 72,1 % på DeepSWE v1.1, där Muse Spark ledde med 77,0 %. På FrontierCode v2.0 nådde den 25,4%, näst efter Muse Sparks 28,5%, och den publicerade 81,6% på Vibe Code Bench v1.1.
Utbildad för agentarbete med lång horisont
Företaget säger att modellens agentiska förmågor kommer från förstärkningsinlärning på hundratusentals kodningsuppgifter med lång horisont, som körs över flera agenter och strategier för kontextkomprimering. Notera att Thinking Machines gick bortom enkla enhetstestbelöningar: många träningsuppgifter inkluderade en agent RL-klassare som utvärderade hur modellen närmade sig ett problem, inte bara om den slutliga koden gick igenom.
Teamet testade också tidiga checkpoints i naturen och körde dem på OpenCode under kodnamnet "Fledge-Alpha" för att mäta verkliga prestanda. Enligt tillkännagivandet är resultatet en modell som följer instruktioner bättre än sin föregångare, överväger förändringar noggrant och verifierar sitt eget arbete utan att bli tillfrågad.
Vision, datoranvändning och interaktiva demonstrationer
Inkling 2 Small utökar familjen bortom text. Företaget lyfter fram demos där modellen använde Three.js för att bygga en fullständig stadssimulator från grunden — genererar varje byggnad, textur och bil procedurmässigt utan förgjorda tillgångar — och skrev en fungerande PC-emulator i Python som startar en riktig Linuxkärna, som kan visas i webbläsaren. En annan demo visar modellen som genererar och reviderar scener i Blender, inklusive en handritad dal med animerade origami-kranar.
Dessa demos understryker releasens pitch: en modell som kan inkludera visuell feedback och iterativt förfina vad den bygger – webbplatser, spel, 3D-designer – snarare än att producera en enda bild.
The Open-Weights Path
Den iscensatta utgåvan följer det tillvägagångssätt som Thinking Machines beskrev i sin tidigare "säker väg till öppna vikter"-uppsats. Inkling 2 Small är tillgänglig idag genom Tinker, där användare kan prova den på lekplatsen och använda den för finjustering och provtagning. Kontrollpunkter kommer att bli nedladdningsbara när vikterna släpps under Apache 2.0, planerade till nästa vecka efter att externa säkerhetstester och red-teaming avslutats.
Strategin återspeglar företagets första generation: det ursprungliga flaggskeppet Inkling och det mindre Inkling-Small, en modell med öppen vikt på 276 miljarder parametrar som släpptes tidigare i år och som väckte stor uppmärksamhet för att matcha flaggskeppsprestanda till en bråkdel av storleken. Med Inkling 2 Small fördubblas labbet på samma effektivitet-första uppsats – större total kapacitet, litet aktivt fotavtryck.
Varför det är viktigt
Amerikanska laboratorier har historiskt sett släpat efter kinesiska konkurrenter när det gäller att frakta öppna vikter som klarar av gränser, ett gap som har minskat i takt med att Z.ai, DeepSeek, Tencent och Moonshot landar vecka efter vecka. Thinking Machines är nu den mest framträdande aktören i USA, och en andra generationens utgåva så kort efter den första tyder på att labbet itererar snabbare än många förväntade sig.
Förbehållen är själva riktmärket jämförelser. Thinking Machines valde jämförelserna och märkte de "högsta rapporterade" poängen i varje rad - och i flera av dessa rader kom Inkling 2 Small på andra plats, inte först. Utgivningen av Apache 2.0 nästa vecka kommer att bli det riktiga testet: när utvecklare kan ladda ner och undersöka vikterna oberoende, ger marknadsföringen vika för mätning. För närvarande positionerar tillkännagivandet Inkling 2 Small som ett bevis på att startupens modellproduktsvänghjul snurrar - och att gränsen med öppna vikter nu har en genuint transpacific-tävling.
Ligg före AI
Nya modeller med öppen vikt landar varje vecka från laboratorier på tre kontinenter. Håll dig uppdaterad med varje release genom vår AI-industribevakning.
Läs mer AI-nyheter →
