Thinking Machines Lab، AI سٹارٹ اپ جسے OpenAI کی سابق چیف ٹیکنالوجی آفیسر میرا مورتی نے قائم کیا تھا، نے 20 نومبر 2026 کو اوپن ویٹ کا ایک نیا ماڈل جاری کیا: Inkling 2 Mini، ایک کمپیکٹ ماڈل جو ایک غیر معمولی فن تعمیر کے ارد گرد بنایا گیا ہے جس کے بارے میں کمپنی کا کہنا ہے کہ اسے اس کے پیرامیٹر کی گنتی سے اوپر تک پہنچنے دیتا ہے۔ یہ ماڈل اتنا چھوٹا ہے کہ مقامی طور پر صارفین کے لیپ ٹاپ پر چل سکتا ہے، جس کی کل میموری تقریباً 20GB ہے۔
شہ سرخی کے نمبر سائز کی کلاس کے لیے نمایاں ہیں۔ کمپنی کے اعلان کے مطابق، Inkling 2 Mini DeepSWE v1.1 پر 100 بلین سے کم کل پیرامیٹرز کے ساتھ ہر اوپن ویٹ ماڈل کی قیادت کرتی ہے، 48.2 فیصد کاموں کو حل کرتی ہے، اور Vals Index v2.2 پر، 46.5 فیصد اسکور کرتی ہے۔ دونوں بینچ مارک ایجنٹ کوڈنگ کی قابلیت کی پیمائش کرتے ہیں، جو اس وقت صنعت میں سب سے زیادہ تجارتی طور پر مقابلہ کرنے والی صلاحیت کے محاذوں میں سے ایک ہے۔ For more context on this story, see our ongoing more AI stories.
ایک لوپڈ ٹرانسفارمر کو کیا مختلف بناتا ہے۔
انکلنگ 2 منی ایک لوپڈ ٹرانسفارمر ہے۔ ہر ٹوکن کو ہر پرت سے بالکل ایک بار گزرنے کے بجائے، ماڈل اپنی درمیانی تہوں کو فی ٹوکن تین بار چلاتا ہے۔ درحقیقت، ماڈل زیادہ آؤٹ پٹ ٹوکن بنائے بغیر کسی مسئلے پر زیادہ ترتیب وار حساب لگا سکتا ہے۔
کمپنی کی فریمنگ یہ ہے کہ لوپنگ ماڈل کو اس کی دلیل لکھے بغیر زیادہ دیر تک استدلال کرنے کی اجازت دیتی ہے۔ روایتی سلسلہ فکری استدلال نظر آنے والے درمیانی مراحل پر ٹوکن خرچ کرتا ہے۔ لوپنگ اس کے بجائے کمپیوٹ خرچ کرتی ہے۔ اس کے کاموں میں رفتار کے حقیقی نتائج ہوتے ہیں جہاں استدلال کا معیار ٹوکن گنتی سے زیادہ اہمیت رکھتا ہے، اور ایجنٹ کوڈنگ بالکل اسی قسم کا کام ہے۔
ہڈ کے نیچے، Inkling 2 Mini ایک مکسچر آف ایکسپرٹس ماڈل ہے جس میں 26.4 بلین کل پیرامیٹرز ہیں اور صرف 3.4 بلین ایکٹو فی ٹوکن، 5.4 بلین ویٹ ایکٹیویشن فی ٹوکن کے ساتھ ایک بار لوپنگ کا حساب ہے۔ زیادہ تر وزن کو تربیت دی گئی تھی اور مقامی طور پر NVFP4 میں تعینات کیے گئے ہیں، کم درستگی والی شکل Nvidia اپنے ڈیٹا سینٹر لائن اپ کو آگے بڑھا رہی ہے، جس کی آخری چار تہوں کو MXFP8 میں رکھا گیا ہے۔ جارحانہ کوانٹائزیشن اور ایک چھوٹی فعال پیرامیٹر گنتی کا امتزاج ماڈل کو تقریباً 20 جی بی فٹ پرنٹ میں نچوڑ دیتا ہے جو لیپ ٹاپ اور ڈیسک ٹاپ AI مشینوں پر فٹ بیٹھتا ہے۔
لیب نے M5 پرو چپ اور 48GB میموری کے ساتھ MacBook Pro پر، ہوائی جہاز کے موڈ میں آف لائن چلنے والے ماڈل کا مظاہرہ کیا، جہاں اس نے چند منٹوں میں چلنے کے قابل فلائٹ سمیلیٹر بنایا۔
مانیٹرنگ ٹریڈ آف
ریلیز تحقیق کے ساتھ ہے جو بینچ مارکس سے زیادہ اہمیت رکھتی ہے۔ اگر کوئی ماڈل ٹوکنز میں اپنی سوچ کی زنجیر کا اظہار کرنے کے بجائے داخلی طور پر لوپس کے ذریعے استدلال کرتا ہے، تو نظر آنے والا استدلال متن اس بات کی وفادار ونڈو بن کر رک جاتا ہے کہ ماڈل اصل میں کیا کر رہا ہے۔ اس کے AI حفاظتی تحقیق پر مضمرات ہیں، جہاں مانیٹرنگ چین آف تھاٹ دستیاب نگرانی کے چند عملی ٹولز میں سے ایک بن گیا ہے۔
Inkling 2 Mini کے ساتھ ساتھ، Thinking Machines نے اثر کی پیمائش کے لیے تحقیق کے لیے مخصوص متغیر-لوپ ویرینٹ جاری کیا۔ نتائج قابلیت کے لیے ایک حوصلہ افزا سمت میں کاٹتے ہیں، نگرانی کے لیے ایک پیچیدہ۔ متغیر-لوپ ماڈل کا بغیر کسی سلسلہ فکر کے مکمل ہونے والے کاموں پر وقت کا افق ایک ہی پاس میں 16 سیکنڈ سے تین لوپس پر 37 سیکنڈ تک بہتر ہو گیا، اور سیریل ریجننگ بینچ مارک پر کارکردگی دس لوپس تک بہتر ہوتی رہی — جس سے ماڈل کو تربیت دی گئی تھی اس سے دوگنا۔
دریں اثنا، سوچ کا نظر آنے والا سلسلہ مختصر ہوتا گیا جیسے جیسے لوپس شامل کیے گئے، لیکن کمپنی کی رپورٹ کے مطابق یہ پوری طرح قابل مطالعہ رہا، اور ماڈل تخریب کاری کے ٹیسٹوں پر زیادہ رجحان نہیں رکھتا تھا کیونکہ لوپ کی گہرائی میں اضافہ ہوا تھا۔ تھنکنگ مشینز ان کو محققین کے لیے دستیاب کچھ پہلے لوپڈ آرکیٹیکچر ماڈلز کے طور پر بیان کرتی ہے، ریلیز کو جزوی طور پر حفاظتی برادری کے لیے ایک دعوت کے طور پر پیش کرتی ہے کہ وہ نقلی سیٹ اپ کے بجائے حقیقی وزن پر نگرانی کا مطالعہ کرے۔
ذیلی 100B کلاس میں ایک مسابقتی کھیل
بینچ مارکس Inkling 2 Mini کو پرہجوم ذیلی 100B فیلڈ کے خلاف رکھتا ہے جس میں 26B–31B رینج میں Gemma 4 ماڈلز، Qwen3.8-27B، Muse Glimmer، اور Ripple نامی 65B پیش نظارہ ماڈل شامل ہیں۔ تھنکنگ مشینوں کا دعویٰ ہے کہ اس کا ماڈل بیچ سائز ون پر نظریاتی ٹوکن تھرو پٹ کا حوالہ دیتے ہوئے، اسی طرح کارکردگی دکھانے والے حریفوں سے بھی زیادہ تیزی سے چلتا ہے۔
ذیلی 100B طبقہ دو وجوہات کی بنا پر حکمت عملی کے لحاظ سے اہم ہو گیا ہے۔ سب سے پہلے، آن ڈیوائس اور پرائیویٹ تعیناتی تیزی سے بڑھ رہی ہے کیونکہ انٹرپرائزز میزبان APIs کو حساس ڈیٹا بھیجنے سے باز رہتے ہیں۔ دوسرا، مقامی قیاس کے لیے فی ٹوکن معاشیات تیزی سے چھوٹے، جارحانہ طور پر کوانٹائزڈ ماڈلز کو بڑی تعداد کی ڈسٹل کاپیوں پر ترجیح دیتی ہے۔ ایک 26.4B MoE جو مقامی طور پر NVFP4 میں لوپنگ کمپیوٹ کے ساتھ چلتا ہے اس مارکیٹ کا براہ راست جواب ہے۔
ماڈل ایک شائع شدہ ماڈل کارڈ کے ساتھ Hugging Face پر دستیاب ہے، اور Thinking Machines اپنے ٹنکر فائن ٹیوننگ پلیٹ فارم کے ذریعے رسائی کو فروغ دے رہی ہے۔ اس ریلیز اور لیب کے پہلے کے انکلنگ فیملی ماڈلز کے درمیان، سٹارٹ اپ ایک ایسے وقت میں ریکرنس طرز کی کمپیوٹ اسکیلنگ کے ارد گرد ایک الگ تکنیکی شناخت بنا رہا ہے جب زیادہ تر فرنٹیئر لیبز اسکیلنگ کے پیرامیٹرز اور ڈیٹا پر مرکوز رہتی ہیں۔
چاہے لوپنگ ایک مرکزی دھارے کا فن تعمیر بن جائے یا ایک جگہ بنی رہے، ریلیز ایک قابل ذکر لمحہ کی نشاندہی کرتی ہے: سب سے زیادہ قریب سے دیکھے جانے والے AI اسٹارٹ اپس میں سے ایک یہ شرط لگا رہا ہے کہ فی ٹوکن زیادہ سمارٹ کمپیوٹیشن - زیادہ ٹوکن نہیں، اور زیادہ پیرامیٹرز نہیں - وہ جگہ ہے جہاں اگلے فوائد زندہ رہتے ہیں۔
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →