Thinking Machines 推出 Inkling 2 Small：594B 参数 MoE 与 Apache 2.0 权重将于下周推出

Thinking Machines 的 Inkling 2 Small 在人工分析指数上得分 31，具有 594B 参数、视觉和代理编码 — Apache 2.0 权重将于下周发布。

由前 OpenAI 首席技术官 Mira Murati 创立的初创公司 Thinking Machines Lab 于 11 月 5 日推出了 Inkling 2 Small，这是其模型系列的第二代产品，该公司表示，该版本在代理编码、视觉、知识工作和推理方面实现了大幅飞跃。该模型在公司的 Tinker 平台上以封闭权重首次亮相，一旦外部安全测试和红队完成，下周将在 Apache 2.0 许可证下承诺完全开放权重。这是一周内发布的最受关注的模型发布之一，并且它参加了我们每天在最新人工智能开发中跟踪的公开重量赛。

数字表明什么

Inkling 2 Small 是一个专家混合 (MoE) 模型，总参数为 5940 亿个，每个推理有 170 亿个活跃，这种设计使得计算成本在模型规模的情况下仍处于可控状态。它支持图像输入和可变工作量，让用户根据任务以响应深度换取速度。

头条新闻来自人工分析智能指数，该公司表示 Inkling 2 Small 的得分为 31，该指数远超其之前型号的得分。 Thinking Machines 将收益归因于训练“每一步”的改进，包括更高效的预训练和大规模、统一的强化学习运行。

在公告中发布的编码基准测试中，Inkling 2 Small 在 GLM-5.3-Flash、DeepSeek-V4.1-Flash-1017、Muse Spark 和 Kimi K3 等领域中取得了强劲但并不统一的领先结果。它在 SWEBench Pro v2（硬）上得分 86.3% — 在比较中排名第二，落后于 Kimi K3 的 88.2% — 在 DeepSWE v1.1 上得分72.1%，其中 Muse Spark 以 77.0% 领先。在 FrontierCode v2.0 上，它达到了 25.4%，仅次于 Muse Spark 的 28.5%，并且在 Vibe Code Bench v1.1 上达到了 81.6%。

接受长期代理工作培训

该公司表示，该模型的代理能力来自对数十万个长期编码任务的强化学习，跨多个代理工具和上下文压缩策略运行。值得注意的是，Thinking Machines 超越了简单的单元测试奖励：许多训练任务包括一个代理 RL 评分器，它评估模型“如何”解决问题，而不仅仅是最终代码是否通过。

该团队还在野外测试了早期的检查点，在 OpenCode 上以代号 “Fledge-Alpha” 运行它们来测量实际性能。根据公告，结果是一个模型比其前身更好地遵循指令，仔细考虑变化，并在没有被询问的情况下验证自己的工作。

视觉、计算机使用和交互式演示

Inkling 2 Small 将这个系列扩展到了文本之外。该公司重点介绍了一些演示，其中模型使用 Three.js 从头开始构建一个完整的城市模拟器 — 在没有预制资产的情况下按程序生成每栋建筑、纹理和汽车 — 并编写 一个可运行的 Python PC 模拟器，可启动真正的 Linux 内核，可在浏览器中查看。另一个演示展示了模型在 Blender 中生成和修改场景，包括带有动画折纸鹤的手绘山谷。

这些演示强调了该版本的宣传：一种可以结合视觉反馈并迭代完善其构建内容（网站、游戏、3D 设计）的模型，而不是产生一次性输出。

开放重量之路

此次分阶段发布遵循 Thinking Machines 在其早期的“开放重量的安全路径”文章中提出的方法。 Inkling 2 Small 今天可通过 Tinker 购买，用户可以在 Playground 中试用它并使用它进行微调和采样。当权重在 Apache 2.0 下发布时，检查点将可供下载，计划于下周外部安全测试和红队结束后发布。

该战略与该公司的第一代产品相呼应：最初的 Inkling 旗舰产品和较小的 Inkling-Small，后者是今年早些时候发布的 2760 亿参数开放重量模型，因在尺寸的一小部分上匹配旗舰产品的性能而引起了广泛关注。借助 Inkling 2 Small，该实验室在同样的效率优先论点上加倍努力——更大的总容量、更小的活动足迹。

为什么它很重要

美国实验室在推出具有前沿能力的开放权重方面历来落后于中国竞争对手，随着 Z.ai、DeepSeek、腾讯和 Moonshot 一周又一周的发布，这一差距已经缩小。 Thinking Machines 现在是美国最著名的进入者，在第一代产品发布后不久就发布了第二代产品，这表明该实验室的迭代速度比许多人预期的要快。

需要注意的是基准比较本身。 Thinking Machines 选择了比较，并在每一行中标记了“最高报告”分数 - 在其中几行中，Inkling 2 Small 排名第二，而不是第一。下周发布的 Apache 2.0 将是真正的考验：一旦开发人员可以独立下载和探测权重，营销就会让位于测量。目前，该公告将 Inkling 2 Small 视为这家初创公司的模型产品飞轮正在转动的证据，并且开放重量级前沿现在正在进行一场真正的跨太平洋竞赛。