Що показують цифри
Inkling 2 Small — це модель експертів (MoE) із 594 мільярдами загальних параметрів і 17 мільярдами активних на висновок — дизайн, який дозволяє контролювати витрати на обчислення, незважаючи на розмір моделі. Він підтримує введення зображень і змінне зусилля, дозволяючи користувачам змінювати глибину відповіді на швидкість залежно від завдання.
Заголовна заява походить від Artificial Analysis Intelligence Index, де компанія каже, що Inkling 2 Small набрав 31, що, за її словами, значно перевершує результати її попередніх моделей. Thinking Machines приписує перевагу вдосконаленням «на кожному кроці» навчання, включаючи ефективнішу попередню підготовку та великий уніфікований цикл навчання з підкріпленням.
У контрольних тестах кодування, опублікованих в оголошенні, Inkling 2 Small опублікував сильні, але не однаково лідируючі результати проти поля, яке включає GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark і Kimi K3. Він набрав 86,3% на SWEBench Pro v2 (Hard) — другий найвищий результат у порівнянні, після Kimi K3 — 88,2% — і 72,1% на DeepSWE v1.1, де Muse Spark лідирував із 77,0%. На FrontierCode v2.0 він досяг 25,4%, поступившись 28,5% у Muse Spark, і опублікував 81,6% на Vibe Code Bench v1.1.
Навчання довгостроковій агентській роботі
У компанії стверджують, що агентські здібності моделі випливають із підсилювального навчання на сотнях тисяч довгострокових завдань кодування, які виконуються через кілька агентів і стратегій ущільнення контексту. Примітно, що Thinking Machines вийшла за рамки простих винагород за модульні тести: багато навчальних завдань включали агентний RL-грейдер, який оцінював, як модель підійшла до проблеми, а не тільки, чи пройшов остаточний код.
Команда також протестувала перші контрольні точки в дикій природі, запустивши їх на OpenCode під кодовою назвою "Fledge-Alpha", щоб виміряти продуктивність у реальному світі. Згідно з оголошенням, результатом є модель, яка виконує інструкції краще, ніж її попередник, ретельно розглядає зміни та перевіряє свою роботу без запитань.
Бачення, використання комп'ютера та інтерактивні демонстрації
Inkling 2 Small розширює сімейство за межі тексту. Компанія висвітлює демонстрації, в яких модель використовувала Three.js для створення повного симулятора міста з нуля — процедурно генеруючи кожну будівлю, текстуру та автомобіль без попередньо створених ресурсів — і написала робочий емулятор ПК на Python, який завантажує справжнє ядро Linux, яке можна переглянути у браузері. Інша демонстрація показує, як модель створює та переглядає сцени в Blender, включаючи намальовану вручну долину з анімованими орігамі-журавлями.
Ці демонстрації підкреслюють зміст випуску: модель, яка може включати візуальний зворотний зв’язок і ітеративно вдосконалювати те, що створює — веб-сайти, ігри, 3D-дизайни — замість того, щоб створювати одноразовий результат.
Шлях відкритих ваг
Поетапний випуск відповідає підходу Thinking Machines, викладеному в її попередньому есе «безпечний шлях до відкритих ваг». Inkling 2 Small доступний сьогодні через Tinker, де користувачі можуть спробувати його на ігровому майданчику та використовувати для тонкого налаштування та вибірки. Контрольні точки можна буде завантажувати, коли вагові показники будуть випущені в Apache 2.0, заплановано на наступний тиждень після завершення зовнішнього тестування на безпеку та ред-теамингу.
Стратегія перегукується з першим поколінням компанії: оригінальний флагман Inkling і менший Inkling-Small, відкрита модель із 276 мільярдами параметрів, випущена на початку цього року, яка привернула значну увагу завдяки відповідності флагманської продуктивності за незначну частину розміру. З Inkling 2 Small лабораторія вдвічі збільшує ефективність на першому місці — більша загальна ємність, крихітна активна площа.
Чому це важливо
Американські лабораторії історично відставали від китайських конкурентів у постачанні відкритих ваг, здатних перевозити кордон, і цей розрив скорочувався, оскільки тиждень за тижнем виходили випуски Z.ai, DeepSeek, Tencent і Moonshot. Зараз Thinking Machines є найвідомішим учасником США, і випуск другого покоління, який вийшов так швидко після першого, свідчить про те, що лабораторія працює швидше, ніж багато хто очікував.
Застереженнями є самі еталонні порівняння. Thinking Machines вибрав порівняння та позначив «найвищі зареєстровані» бали в кожному рядку — і в кількох із цих рядків Inkling 2 Small був другим, а не першим. Випуск Apache 2.0 наступного тижня стане справжнім випробуванням: як тільки розробники зможуть самостійно завантажити та перевірити ваги, маркетинг поступиться місцем вимірюванню. На даний момент оголошення позиціонує Inkling 2 Small як доказ того, що маховик модельного продукту стартапу крутиться — і що межа відкритих ваг тепер має справді транстихоокеанське змагання.
Будьте попереду ШІ
Щотижня з лабораторій на трьох континентах надходять нові відкриті моделі. Будьте в курсі кожного випуску через наш висвітлення індустрії ШІ.
Читати більше новин AI →
