Eski OpenAI Baş Teknoloji Sorumlusu Mira Murati tarafından kurulan startup Thinking Machines Lab, model ailesinin ikinci nesli olan Inkling 2 Small'u 5 Kasım'da tanıttı ve şirketin eylemli kodlama, vizyon, bilgi çalışması ve muhakemede önemli bir sıçrama sağladığını söylediği sürüm. Model, şirketin Tinker platformunda kapalı ağırlıklarla piyasaya sürülecek ve harici güvenlik testi ve kırmızı ekip oluşturma tamamlandıktan sonra gelecek hafta Apache 2.0 lisansı kapsamında tam açık ağırlık sözü verilecek. Sürümlerle dolu bir hafta içinde en yakından izlenen model lansmanlarından biri ve her gün en son yapay zeka gelişmelerimizi takip ettiğimiz bir açık ağırlık yarışına giriyor.

Sayılar Neyi Gösteriyor

Inkling 2 Small, 594 milyar toplam parametreye ve çıkarım başına 17 milyar aktif'e sahip bir Uzmanların Karması (MoE) modelidir; modelin boyutuna rağmen bilgi işlem maliyetlerini yönetilebilir tutan bir tasarımdır. Görüntü girişlerini ve değişken eforu destekleyerek kullanıcıların göreve bağlı olarak tepki derinliğini hıza tercih etmesine olanak tanır.

Başlıktaki iddia, şirketin Inkling 2 Small'un 31 puan aldığını söylediği Yapay Analiz İstihbarat Endeksi'nden geliyor ve bu puanın önceki modellerin puanlarını çok aştığını belirtiyor. Thinking Machines, kazanımı, daha verimli ön eğitim ve geniş, birleşik takviyeli öğrenme çalışması da dahil olmak üzere eğitimin "her adımındaki" iyileştirmelere bağlıyor.

Duyuruda yayınlanan kodlama kıyaslamalarında Inkling 2 Small, GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark ve Kimi K3'ü içeren bir alana karşı güçlü ancak aynı düzeyde lider olmayan sonuçlar yayınladı. SWEBench Pro v2 (Hard)'da %86,3 puan aldı (karşılaştırmada Kimi K3'ün %88,2'sinden sonra ikinci en yüksek puan) ve Muse Spark'ın %77,0 ile DeepSWE v1.1'de %72,1 puan aldı. FrontierCode v2.0'da %25,4'e ulaşarak Muse Spark'ın %28,5'inden sonra ikinci oldu ve Vibe Code Bench v1.1'de %81,6'ya ulaştı.

Uzun Ufuk Temsilciliği Çalışması için Eğitimli

Şirket, modelin aracılık yeteneklerinin yüzbinlerce uzun ufuklu kodlama görevi üzerindeki takviyeli öğrenmeden geldiğini, çoklu aracı koşum takımı ve bağlam sıkıştırma stratejileriyle yürütüldüğünü söylüyor. Düşünme Makineleri, dikkate değer bir şekilde, basit birim testi ödüllerinin ötesine geçti: birçok eğitim görevi, yalnızca son kodun geçip geçmediğini değil, modelin bir soruna nasıl yaklaştığını değerlendiren bir ajans RL notlayıcısını içeriyordu.

Ekip ayrıca, gerçek dünyadaki performansı ölçmek için erken kontrol noktalarını vahşi ortamda test etti ve bunları "Fledge-Alpha" kod adı altında OpenCode'da çalıştırdı. Duyuruya göre sonuç, talimatları selefine göre daha iyi takip eden, değişiklikleri dikkatle değerlendiren ve kendi çalışmasını sorulmadan doğrulayan bir model oldu.

Görme, Bilgisayar Kullanımı ve İnteraktif Demolar

Inkling 2 Small, aileyi metnin ötesine taşıyor. Şirket, modelin Three.js kullanarak sıfırdan tam bir şehir simülatörü oluşturduğu - her binayı, dokuyu ve arabayı önceden hazırlanmış varlıklar olmadan prosedürel olarak ürettiği - ve Python'da gerçek bir Linux çekirdeğini başlatan, tarayıcıda görüntülenebilen çalışan bir bilgisayar emülatörü yazdığı demoları öne çıkarıyor. Başka bir demo, modelin Blender'da animasyonlu origami turnalarıyla elle çizilmiş bir vadi de dahil olmak üzere sahneler oluşturmasını ve revize etmesini gösteriyor.

Bu demolar, sürümün sunumunu vurguluyor: görsel geri bildirimleri birleştirebilen ve tek seferlik çıktı üretmek yerine oluşturduğu şeyleri (web siteleri, oyunlar, 3D tasarımlar) tekrar tekrar geliştirebilen bir model.

Açık Ağırlık Yolu

Aşamalı sürüm, Thinking Machines'in daha önceki "ağırlıkları açmanın güvenli yolu" makalesinde ortaya koyduğu yaklaşımı takip ediyor. Inkling 2 Small bugün Tinker aracılığıyla satışa sunuldu; burada kullanıcılar oyun alanında deneyebilir ve ince ayar ve örnekleme için kullanabilirler. Apache 2.0 kapsamında ağırlıklar yayınlandığında, kontrol noktaları indirilebilir hale gelecektir; harici güvenlik testleri ve kırmızı takım oluşturmanın tamamlanmasının ardından gelecek hafta planlanmaktadır.

Strateji, şirketin ilk neslini yansıtıyor: orijinal Inkling amiral gemisi ve bu yılın başlarında piyasaya sürülen ve amiral gemisi performansını çok küçük bir boyutta eşleştirmesi nedeniyle büyük ilgi gören 276 milyar parametreli açık ağırlık modeli olan daha küçük Inkling-Small. Inkling 2 Small ile laboratuvar aynı verimlilik önceliği tezini iki katına çıkarıyor: daha büyük toplam kapasite, daha küçük aktif ayak izi.

Neden Önemlidir

Amerikan laboratuvarları, Çin rakiplerini tarihsel olarak sınır ötesi kapasiteye sahip açık ağırlıkların nakliyesinde takip etti; Z.ai, DeepSeek, Tencent ve Moonshot'tan gelen sürümler her hafta geldikçe bu fark daraldı. Thinking Machines şu anda ABD'nin en önde gelen katılımcısı ve ilkinden bu kadar kısa bir süre sonra ikinci nesil bir sürüm, laboratuvarın beklenenden daha hızlı bir şekilde yinelendiğini gösteriyor.

Uyarılar, kıyaslama karşılaştırmalarının kendisidir. Thinking Machines karşılaştırmaları seçti ve her satırda "rapor edilen en yüksek" puanları etiketledi - ve bu satırların birçoğunda Inkling 2 Small birinci değil ikinci oldu. Gelecek haftaki Apache 2.0 sürümü gerçek bir test olacak: geliştiriciler ağırlıkları bağımsız olarak indirip inceleyebildiklerinde, pazarlama yerini ölçüme bırakıyor. Şimdilik duyuru, Inkling 2 Small'u girişimin model ürün volanının döndüğünün ve açık ağırlık sınırının artık gerçekten pasifik ötesi bir rekabete sahip olduğunun kanıtı olarak konumlandırıyor.

Yapay Zekanın Önünde Kalın

Her hafta üç kıtadaki laboratuvarlardan yeni açık ağırlıklı modeller çıkıyor. AI sektörü kapsamımız aracılığıyla her sürümü takip edin.

Daha fazla AI haberini okuyun →