Thinking Machines lanserar Inkling 2 Small – men utan öppna vikter ännu

Thinking Machines presenterade Inkling 2 Small den 5 november. Modellen har 594 miljarder parametrar, varav 17 miljarder är aktiva åt gången. Den tar emot bilder och har justerbar "tankeinsats".^[1]

Modellen finns först på bolagets plattform Tinker, med stängda vikter. Bolaget uppger att de avser släppa vikterna under Apache 2.0 nästa vecka, efter att externa säkerhetstester och red-teaming är klara.^[1] Artificial Analysis, som mäter modellerna, anger att datumet för viktsläppet inte är bekräftat.^[3]

Vad bolaget påstår

Enligt The Decoder hävdar bolaget att modellen är den starkaste västliga open-weight-modellen.^[2] Artificial Analysis formulerar det med förbehåll. Om vikterna släpps blir modellen den högst rankade öppna modellen utanför Kina, enligt analysföretagets nuvarande lista.^[3]

På Artificial Analysis Intelligence Index får modellen 31 poäng, 18 mer än företrädaren Inkling Small. Det är i nivå med Googles Gemini 3.8 Flash.^[3] Störst är förbättringen på agentuppgifter, där modellen utför flerstegsarbete på egen hand. På AutomationBench-AA går resultatet från 5 till 46 procent.^[3]

Thinking Machines förklarar förbättringen med effektivare förträning och en stor, samlad körning med förstärkningsinlärning. Modellen tränades på hundratusentals långa kodningsuppgifter.^[1]

Ledande, men inte överallt

Bolagets egen jämförelse visar ingen klar etta. På FrontierCode v2.0 får Inkling 2 Small 25,4 procent, medan Deepseek-V4.1-Flash får 28,5. På SWEBench Pro v2 (Hard) leder Kimi K3 med 88,2 mot Inklings 86,3.^[1] Inkling leder däremot på flera bildtester, bland annat MMMU Pro (81,6 procent) och PerceptionBench (64,7 procent).^[1]

The Decoder påpekar att den nyare Kimi K3.1 Pro inte finns med i bolagets jämförelse.^[2] I bolagets eget test av GPU-kärnoptimering (PMPP-Hard) hamnar Inkling på femte plats av nio modeller sett till arean under kurvan. Före ligger bland andra Kimi K3.1 Pro och Deepseek V4.1 Flash.^[1]

Högre kostnad per uppgift

Förbättringen kostar tokens. Enligt Artificial Analysis skriver modellen i snitt cirka 150 000 utdatatokens per uppgift, ungefär fyra gånger fler än företrädaren. Kostnaden är 1,18 dollar per uppgift mot 0,20 för Inkling Small.^[3]

Jämfört med flera andra modeller med liknande poäng är Inkling ändå billigare. Gemini 3.8 Flash kostar 7,77 dollar per uppgift och Claude Sonnet 5.5 kostar 10,02 dollar.^[3] Tokenpriset är 0,30 dollar per miljon indatatokens och 1,00 dollar per miljon utdatatokens.^[3]

Modellen svarar också oftare "vet inte". Hallucinationsgraden sjunker från 61 till 27 procent, men det beror främst på att den försöker besvara färre frågor. Svarsfrekvensen faller från 77 till 53 procent, medan träffsäkerheten bara stiger från 32 till 34 procent.^[3]

Begränsningar

Enligt The Decoder uppger Thinking Machines att modellen ibland kommunicerar ineffektivt och inte alltid väljer rätt verktyg i stora kodbaser. Den saknar ljudstöd, är mindre optimerad för chatt och kan reagera för kraftigt på hälsofrågor.^[2]

Bakgrund: stegvis öppning

Föregångarna Inkling och Inkling-Small släpptes som open-weight-modeller.^[4] Bolaget har beskrivit en stegvis väg till öppna vikter, med säkerhetstester och hostad finjustering via Tinker innan vikterna publiceras.^[4] Inkling 2 Small följer den modellen, enligt bolaget.^[1]

Inkling-modellerna är tänkta som basmodeller för finjustering. Bolaget uppger att modellen är en del av en familj i flera storlekar och att fler varianter ska komma.^[2] Apache 2.0 är en av de mest tillåtande licenserna, vilket The Decoder ser som en fördel jämfört med Metas och Mistrals licenser.^[2]