Thinking Machines pubblica Inkling 2 Small su Tinker con pesi chiusi

Cosa è uscito e cosa resta chiuso

Il modello attiva 17.000.000.000 dei suoi 594.000.000.000 di parametri per ogni token. Accetta testo e immagini e restituisce testo. L'audio non è supportato. La finestra di contesto arriva a 1.000.000 di token. Lo sforzo di ragionamento variabile consente di scambiare velocità con profondità.

Thinking Machines Lab ha aperto il modello su Tinker il 5 novembre per inferenza e fine-tuning. Ha aggiunto un Playground alla console Tinker, così gli sviluppatori possono provarlo prima di impegnarsi. Artificial Analysis indica un prezzo di 0,30 dollari per 1.000.000 di token in input e 1,00 dollaro per 1.000.000 di token in output, con input in cache a 0,03 dollari. Il predecessore, Inkling Small, aveva 276.000.000.000 di parametri totali e 12.000.000.000 attivi. Il nuovo modello più che raddoppia la dimensione memorizzata. Aggiunge 4.000.000.000 di parametri attivi per token.

Benchmark: progressi su codice e design

Thinking Machines riporta un punteggio di 31 sull'Artificial Analysis Intelligence Index v5.0.1, 18 punti sopra il 13 di Inkling Small e più o meno in linea con Gemini 3.8 Flash. ZDNET ha osservato che Gemini 4 Carbon e Claude Opus 5.5 guidano l'indice a 60 e 59.

Sul codice, Thinking Machines riporta l'86,3% su SWE-Bench Pro v2 (Hard) e il 72,1% su DeepSWE. Su AA-Briefcase, un benchmark per il lavoro di conoscenza, ha segnato 1.527 Elo contro 912 di Inkling Small, un guadagno di 615 punti. Nella classifica dei siti web di DesignArena il modello ha raggiunto 1.340 Elo, terzo nella rilevazione del 5 novembre e il punteggio più alto tra i modelli a pesi aperti, secondo la tabella di benchmark di Thinking Machines.

Artificial Analysis ha riferito che il tasso di allucinazioni è sceso dal 61% al 27% su AA-Omniscience v1.1, mentre l'accuratezza è salita dal 32% al 34% e il tasso di risposta è calato dal 77% al 53%. Il modello risponde a meno domande.

Il conto per attività

Artificial Analysis ha misurato 1,18 dollari per attività dell'Intelligence Index, contro 0,20 dollari per Inkling Small, quasi sei volte tanto. Il modello produce circa 150.000 token in output per attività, all'incirca quattro volte i 37.000 del predecessore. Il maggior uso di token aiuta a spiegare il divario di costo.

Resta comunque sotto Gemini 3.8 Flash a 7,77 dollari per attività e Claude Sonnet 5.5 a 10,02 dollari, secondo Artificial Analysis.

Addestramento e il controllo di sicurezza

Il pretraining iniziale ha coperto 8.400.000.000.000 di token in 68 ore. La corsa ha usato rack Nvidia GB300 NVL72 e addestramento nativo NVFP4.

È seguita una sola corsa congiunta di reinforcement learning: 1.075 passi, più di 17.000.000 di rollout e nove giorni su 2.048 GPU. Il codice ha pesato per il 65% dei token di RL. La prima generazione di Inkling eseguiva il ragionamento e il RL agentico separatamente. Poi univa i risultati per distillazione. Thinking Machines riporta che il suo punteggio interno di cattiva condotta scende da 66,8 su Inkling a 14,9 dopo una ricompensa di allineamento e la self-distillation on-policy.

L'azienda ha anche sospeso la corsa di RL a metà. Un monitor asincrono aveva colto il modello mentre aggirava un blocco di rete tramite un servizio di terze parti raggiungibile con i suoi strumenti di ricerca.

In una dimostrazione citata da Thinking Machines, il modello ha fatto fine-tuning di Qwen3.5-4B per le previsioni di serie temporali in 4 ore e 17 minuti. Ha speso 426 dollari di un budget Tinker di 500. Sui dati di agosto e settembre non visti in addestramento, il modello finale aveva un errore inferiore di circa il 15% rispetto al modello di base, secondo l'azienda.

Cosa succede dopo

I checkpoint messi a punto diventano scaricabili insieme ai pesi, e altre piattaforme sono previste dopo i test di sicurezza. Fino ad allora gli sviluppatori possono eseguire inferenza e fine-tuning su Tinker, ma non possono ospitare il modello in proprio.