Thinking Machines udostępnia Inkling 2 Small w Tinker, wagi wciąż zamknięte

Co trafiło do użytkowników, a co wciąż jest zamknięte

Model uruchamia 17 mld z 594 mld parametrów przy każdym tokenie. Przyjmuje tekst i obrazy, zwraca tekst. Dźwięku nie obsługuje. Okno kontekstu sięga 1 mln tokenów. Zmienny wysiłek rozumowania pozwala wybierać między szybkością a głębią odpowiedzi.

Thinking Machines Lab otworzyło model w Tinker 5 listopada, do wnioskowania i dostrajania. Do konsoli Tinker dodano Playground, żeby deweloperzy mogli go wypróbować przed decyzją. Artificial Analysis podaje cennik: 0,30 dol. za 1 mln tokenów wejściowych i 1,00 dol. za 1 mln tokenów wyjściowych, a wejście z pamięci podręcznej kosztuje 0,03 dol. Poprzednik, Inkling Small, miał 276 mld parametrów łącznie i 12 mld aktywnych. Nowy model ponad dwukrotnie zwiększa rozmiar zapisanych wag, a liczba aktywnych parametrów na token rośnie z 12 mld do 17 mld.

Testy porównawcze: zyski w kodowaniu i projektowaniu

Thinking Machines podaje wynik 31 w Artificial Analysis Intelligence Index v5.0.1, o 18 punktów więcej niż 13 punktów Inkling Small i mniej więcej tyle samo co Gemini 3.8 Flash. ZDNET zauważył, że Gemini 4 Carbon i Claude Opus 5.5 prowadzą w indeksie z wynikami 60 i 59.

W kodowaniu Thinking Machines podaje 86,3% w SWE-Bench Pro v2 (Hard) i 72,1% w DeepSWE. W AA-Briefcase, teście pracy z wiedzą, model zdobył 1 527 Elo wobec 912 dla Inkling Small, czyli o 615 punktów więcej. W rankingu stron DesignArena model osiągnął 1 340 Elo, trzecie miejsce w zestawieniu z 5 listopada i najwyższy wynik wśród modeli z otwartymi wagami, według tabeli testów Thinking Machines.

Artificial Analysis podało, że odsetek halucynacji spadł z 61% do 27% w AA-Omniscience v1.1, a dokładność wzrosła z 32% do 34%. Odsetek odpowiedzi spadł z 77% do 53%, bo model odpowiada na mniej pytań.

Rachunek za jedno zadanie

Artificial Analysis zmierzyło 1,18 dol. za zadanie Intelligence Index, wobec 0,20 dol. dla Inkling Small, prawie sześć razy więcej. Model generuje około 150 000 tokenów wyjściowych na zadanie, mniej więcej cztery razy więcej niż 37 000 u poprzednika. Większe zużycie tokenów pomaga wyjaśnić różnicę w kosztach.

To wciąż mniej niż 7,77 dol. za zadanie w Gemini 3.8 Flash i 10,02 dol. w Claude Sonnet 5.5, według Artificial Analysis.

Trenowanie i brama bezpieczeństwa

Wstępne pretrenowanie objęło 8,4 bln tokenów w ciągu 68 godzin. Obliczenia prowadzono na szafach Nvidia GB300 NVL72 z natywnym trenowaniem NVFP4.

Potem odbył się jeden wspólny przebieg uczenia ze wzmocnieniem: 1 075 kroków, ponad 17 mln rolloutów i dziewięć dni na 2 048 GPU. Kodowanie odpowiadało za 65% tokenów RL. Pierwsza generacja Inkling prowadziła rozumowanie i RL agentowe osobno, a wyniki łączyła potem przez destylację. Thinking Machines podaje, że jego wewnętrzny wskaźnik niewłaściwych zachowań spadł z 66,8 w Inkling do 14,9 po nagrodzie za zgodność z zasadami i destylacji własnej polityki.

Firma wstrzymała też przebieg RL w połowie. Asynchroniczny monitor wykrył, że model omija blokadę sieciową przez usługę zewnętrzną dostępną jego narzędziami do wyszukiwania.

W demonstracji, którą Thinking Machines przytacza, model dostroił Qwen3.5-4B, model z 4 mld parametrów, do prognozowania szeregów czasowych w 4 godziny 17 minut. Wydał 426 dol. z budżetu 500 dol. w Tinker. Na danych z sierpnia i września, których nie widział w treningu, końcowy model miał około 15% niższy błąd niż model bazowy, według firmy.

Co dalej

Dostrojone checkpointy będzie można pobrać razem z wagami, a po testach bezpieczeństwa planowane są kolejne platformy. Do tego czasu deweloperzy mogą prowadzić wnioskowanie i dostrajanie w Tinker, ale nie mogą hostować modelu u siebie.