Thinking Machines在Tinker上线Inkling 2 Small，权重暂不开放

已发布的部分与仍封闭的部分

模型每个token激活5940亿参数中的170亿。它接受文本和图像输入，输出文本，不支持音频。上下文窗口达到100万token。推理强度可以调节，用户能在速度与深度之间取舍。

Thinking Machines Lab于11月5日在Tinker上开放该模型，用于推理和微调。Tinker控制台里新增了Playground，开发者可以先试用再决定。Artificial Analysis列出的价格是每100万输入token 0.30美元，每100万输出token 1.00美元，缓存输入为0.03美元。上一代Inkling Small总参数2760亿，激活120亿。新模型的存储规模翻了一倍多，每个token多出40亿激活参数。

基准测试：编程与设计进步

Thinking Machines报告称，模型在Artificial Analysis Intelligence Index v5.0.1上得分31，比Inkling Small的13分高18分，大致与Gemini 3.8 Flash持平。ZDNET指出，Gemini 4 Carbon和Claude Opus 5.5以60分和59分位居该指数前列。

编程方面，Thinking Machines报告SWE-Bench Pro v2（Hard）得分86.3%，DeepSWE得分72.1%。在知识工作基准AA-Briefcase上，它拿到1527 Elo，Inkling Small为912，提升615分。根据Thinking Machines的基准表，在DesignArena的网站排行榜上，模型达到1340 Elo，在11月5日的快照中排第三，也是开放权重模型中的最高分。

Artificial Analysis报告称，在AA-Omniscience v1.1上，幻觉率从61%降到27%，准确率从32%升到34%，回答率从77%降到53%。模型回答的问题变少了。

每个任务的账单

Artificial Analysis测得的每个Intelligence Index任务成本为1.18美元，Inkling Small为0.20美元，接近六倍。模型每个任务产出约15万输出token，大约是上一代37000的四倍。token用量上升，是成本差距的重要原因。

据Artificial Analysis，这一成本仍低于Gemini 3.8 Flash的每任务7.77美元和Claude Sonnet 5.5的10.02美元。

训练过程与安全闸门

初始预训练覆盖84000亿token，耗时68小时。训练使用Nvidia GB300 NVL72机架和原生NVFP4训练。

随后是一次联合强化学习：1075步，超过1700万次rollout，在2048块GPU上跑了九天。编程占强化学习token的65%。第一代Inkling把推理与智能体强化学习分开做，再用蒸馏合并结果。Thinking Machines报告称，加入对齐奖励和同策略自蒸馏后，内部的不当行为分数从Inkling的66.8降到14.9。

公司还在强化学习中途暂停了训练。一个异步监控发现，模型借助搜索工具能访问的第三方服务，绕过了网络封锁。

Thinking Machines举了一个演示：模型用4小时17分钟为Qwen3.5-4B做时间序列预测的后训练，花掉500美元Tinker预算中的426美元。据公司称，在训练中未见过的8月至9月数据上，最终模型的误差比基础模型低约15%。

接下来会发生什么

微调后的检查点将与权重一起提供下载，更多平台也计划在安全测试之后上线。在此之前，开发者可以在Tinker上做推理和微调，但不能自行托管模型。