Thinking Machines Lab, kampuni iliyoanzishwa ya AI iliyoanzishwa na aliyekuwa afisa mkuu wa teknolojia ya OpenAI Mira Murati, ilitoa modeli mpya ya uzani huria mnamo Novemba 20, 2026: Inkling 2 Mini, kielelezo cha kompakt kilichojengwa karibu na usanifu usio wa kawaida ambao kampuni inasema huiruhusu kupiga vizuri zaidi ya hesabu ya vigezo vyake. Muundo huo ni mdogo vya kutosha kutumika ndani ya kompyuta ya mkononi ya watumiaji, yenye kumbukumbu ya jumla ya takriban 20GB.
Nambari za kichwa zinavutia kwa darasa la ukubwa. Kulingana na tangazo la kampuni hiyo, Inkling 2 Mini inaongoza kwa kila modeli ya uzani wazi ikiwa na jumla ya vigezo chini ya bilioni 100 kwenye DeepSWE v1.1, kusuluhisha asilimia 48.2 ya majukumu, na kwa Vals Index v2.2, ikipata asilimia 46.5. Vigezo vyote viwili vinapima uwezo wa uandishi wa usimbaji, mojawapo ya mipaka ya uwezo inayoshindaniwa zaidi kibiashara katika tasnia hivi sasa. For more context on this story, see our ongoing AI industry coverage.
Kinachofanya Transfoma Iliyofungwa Kuwa Tofauti
Inkling 2 Mini ni kibadilishaji cha kitanzi. Badala ya kupitisha kila ishara kupitia kila safu mara moja, mfano huendesha tabaka zake za kati mara tatu kwa ishara. Kwa kweli, modeli inaweza kutumia hesabu ya mfuatano zaidi kwa tatizo bila kutoa tokeni zaidi za matokeo.
Muundo wa kampuni ni kwamba kitanzi huruhusu mtindo kufikiria tena bila kuandika hoja zake. Mawazo ya kimapokeo ya msururu wa mawazo hutumia ishara kwenye hatua zinazoonekana za kati; looping hutumia compute badala yake. Hiyo ina matokeo halisi kwa kasi ya kazi ambapo ubora wa hoja ni muhimu zaidi kuliko hesabu ya ishara, na uwekaji wa misimbo ya kiajenti ndiyo kazi ya aina hiyo.
Chini ya kofia, Inkling 2 Mini ni muundo wa Mchanganyiko-wa-Wataalam na vigezo vya jumla vya bilioni 26.4 na amilifu bilioni 3.4 tu kwa tokeni, na kuwezesha uzani wa bilioni 5.4 kwa tokeni mara tu kitanzi kinapohesabiwa. Vipimo vingi vilifunzwa na kutumwa asili katika NVFP4, umbizo la usahihi wa chini la Nvidia imekuwa ikisukuma safu yake ya kituo cha data, na tabaka nne za mwisho zikiwa katika MXFP8. Mchanganyiko wa ukadiriaji mkali na hesabu ndogo ya vigezo amilifu ndiyo inayobana kielelezo kuwa alama ya takriban 20GB ambayo inafaa kwenye kompyuta za mkononi na mashine za AI za eneo-kazi.
Maabara ilionyesha modeli inayoendeshwa nje ya mtandao, katika hali ya ndegeni, kwenye MacBook Pro yenye chipu ya M5 Pro na kumbukumbu ya GB 48, ambapo ilitengeneza kiigaji cha ndege kinachoweza kuchezwa kwa dakika chache.
Biashara ya Ufuatiliaji
Utoaji huo unaambatana na utafiti ambao unaweza kuwa muhimu zaidi kuliko vigezo. Ikiwa mfano unasababu ndani kwa njia ya vitanzi badala ya kuelezea mlolongo wake wa mawazo katika ishara, basi maandishi yanayoonekana yanaacha kuwa dirisha aminifu katika kile ambacho kielelezo kinafanya. Hiyo ina maana kwa utafiti wa usalama wa AI, ambapo ufuatiliaji wa mawazo umekuwa mojawapo ya zana chache za uangalizi zinazopatikana.
Kando ya Inkling 2 Mini, Mashine za Kufikiria zilitoa lahaja mahususi ya kitanzi cha kutofautisha ili kupima athari. Matokeo yamepunguza mwelekeo wa kutia moyo kwa uwezo, unaotatiza uangalizi. Muda wa muda wa muundo wa kitanzi unaobadilika kwenye kazi zilizokamilishwa bila msururu wowote wa mawazo uliboreshwa kutoka sekunde 16 kwa pasi moja hadi sekunde 37 kwa mizunguko mitatu, na utendakazi kwenye kigezo cha hoja za mfululizo uliendelea kuboreshwa hadi mizunguko kumi - mara mbili ya idadi ya mtindo uliofunzwa nayo.
Wakati huo huo, msururu wa mawazo unaoonekana ulikua mfupi kadri vitanzi vilipoongezwa, lakini kampuni inaripoti kuwa iliendelea kusomeka kote, na modeli hiyo haikuelekezea juu juu ya majaribio ya hujuma ya mawakala huku kina cha kitanzi kilipoongezeka. Mashine za Kufikiri hufafanua hizi kama baadhi ya miundo ya kwanza ya usanifu-kitanzi inayopatikana kwa watafiti, ikiweka toleo hilo kwa sehemu kama mwaliko kwa jumuiya ya usalama kujifunza ufuatiliaji wa uzani halisi badala ya usanidi ulioiga.
Mchezo wa Ushindani katika Daraja la Sub-100B
Vigezo huweka Inkling 2 Mini dhidi ya sehemu ndogo ya 100B iliyosongamana inayojumuisha miundo ya Gemma 4 katika safu ya 26B–31B, Qwen3.8-27B, Muse Glimmer, na modeli ya hakikisho ya 65B inayoitwa Ripple. Thinking Machines inadai mtindo wake pia unaendesha kasi zaidi kuliko washindani wanaofanya kazi vivyo hivyo, ikitoa mfano wa matokeo ya ishara katika kundi la kwanza.
Sehemu ndogo ya 100B imekuwa muhimu kimkakati kwa sababu mbili. Kwanza, utumaji kwenye kifaa na kwa faragha unakua kwa kasi huku makampuni yanapositasita katika kutuma data nyeti kwa API zinazopangishwa. Pili, uchumi wa kila ishara kwa makisio ya ndani unazidi kupendelea miundo midogo, iliyopimwa kwa uchokozi zaidi ya nakala zilizochapwa za kubwa. 26.4B MoE ambayo inaendeshwa asili katika NVFP4 na looping compute ni jibu la moja kwa moja kwa soko hilo.
Muundo huo unapatikana kwenye Hugging Face na kadi ya kielelezo iliyochapishwa, na Mashine ya Kufikiri inakuza ufikiaji kupitia jukwaa lake la kurekebisha laini la Tinker. Kati ya toleo hili na miundo ya awali ya familia ya Inkling ya maabara, uanzishaji unajenga utambulisho mahususi wa kiufundi kuhusu uongezaji wa mbinu ya kujirudia-rudia wakati ambapo maabara nyingi za mipakani husalia zikilenga vigezo vya kuongeza data na data.
Iwe looping inakuwa usanifu mkuu au inabaki kuwa niche, toleo linaashiria wakati muhimu: mojawapo ya vianzishaji vya AI vinavyotazamwa sana ni kuweka dau kuwa ukokotoaji nadhifu kwa kila tokeni - sio ishara zaidi, na si vigezo zaidi - ndipo faida inayofuata itapatikana.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →