Inkling 2 Small: Thinking Machines-in ən yaxşı modeli

Thinking Machines Lab Inkling 2 Small modelini təqdim edib. Bu, şirkətin ikinci nəsil ilk modelidir və təqdim edildiyi vaxt Artificial Analysis Intelligence Index-də Çin xaricində hazırlanmış ən güclü açıq çəkili model olub. O, agentik kodlaşdırmanı, görüntü anlama qabiliyyətini və Apache 2.0 lisenziyası ilə təqdim edilən çəkiləri 1M tokenlik kontekst pəncərəsi ilə birləşdirir. Real iş üçün model seçənlər üçün əsas üstünlüyü inandırıcı ilk cavab verib dayanmaq əvəzinə dəyişikliklər etməsi, nəticələri yoxlaması və işə davam etməsidir.
Inkling 2 Small nədir?
OpenAI-nin keçmiş texniki direktoru Mira Murati tərəfindən qurulan Thinking Machines Lab, Inkling 2 Small modelini 5 noyabr 2026-cı ildə Tinker və Tinker Playground vasitəsilə elan edib. Modelin açıq çəkiləri isə 12 noyabrda Hugging Face-də Apache 2.0 lisenziyası ilə yayımlanıb.
Adına baxmayaraq, bu, serverdə yerləşdirmək üçün kiçik model deyil. Inkling 2 Small cəmi 594 milyard parametrə və token başına təxminən 17 milyard aktiv parametrə malik seyrək Mixture-of-Experts modelidir. Hər token üçün 384 ekspertdən səkkizini seçir.
Kontekst pəncərəsi 1.048.576 token tutumuna malikdir və bu, uzun sənədlər və geniş kod konteksti üçün imkan yaradır. Girişə mətn və şəkillər daxil ola bilər; ilk Inkling-dən fərqli olaraq, bu model audio qəbul etmir.
Tərtibatçılar həmçinin reasoning_effort parametrini none ilə max arasında dəyişərək düşünmə dərinliyini xərclə balanslaşdıra bilərlər. Praktikada bu, sadə suallar üçün ucuz və sürətli cavablar, daha çətin problemlər üçün isə dərin işləmə deməkdir.
Inkling 2 Small testləri: ən böyük irəliləyişlər
Əsas nəticə Artificial Analysis Intelligence Index v5.0.1-də 31 baldır; əvvəlki Inkling Small 13 bal toplamışdı. Bu nəticə onu həmin qiymətləndirmədə Çin xaricində hazırlanmış bütün açıq modellərdən üstün tutur və yüksək düşünmə səviyyəsində Gemini 3.8 Flash ilə müqayisə edilə bilən səviyyəyə çatdırır.
Bir neçə nəticə bu irəliləyişi daha aydın göstərir:
| Test | Inkling 2 Small nəticəsi | Əhəmiyyəti |
|---|---|---|
| SWE-Bench Pro v2 (Hard) | 86.3% | Çətin kodlaşdırma tapşırıqlarında güclü nəticə |
| ARC-AGI-2 | 81.7% | ARC Prize-a görə, açıq çəkili modellər arasında ən yaxşı nəticə |
| AA Intelligence Index v5.0.1 | 31, əvvəlki nəticə 13 | Nəsillər arasında əhəmiyyətli irəliləyiş |
| AA-Briefcase | 1527 Elo, əvvəlki nəticə 912 | Uzun biznes tapşırıqlarında daha yaxşı nəticə |
| AA-Omniscience v1.1 | Hallüsinasiyaların payı 27%, əvvəl 61% | Daha seçici cavabvermə hallüsinasiyaları azaldıb |
Elektron cədvəllər, təqdimatlar və qeydləri əhatə edən AA-Briefcase-də onun 1527 Elo nəticəsi Claude Sonnet 5.5-in orta düşünmə səviyyəsindəki 1439 balını və Gemini 3.8 Flash-ın yüksək səviyyədəki 1203 balını da üstələyir.
Hallüsinasiyalarla bağlı nəticəni ehtiyatla şərh etmək lazımdır. Azalma əsasən fakt səhvlərinin aradan qaldırılması ilə deyil, modelin daha seçici cavab verməsi ilə əldə olunub. Bu, irəliləyişdir, lakin vacib iddialar yenə də yoxlanmalıdır.
Inkling 2 Small praktikada hansı işlər üçün uyğundur?
Agentik kodlaşdırma ən aydın başlanğıc nöqtəsidir. Təlimə yüz minlərlə uzun kodlaşdırma tapşırığı daxil edilib; təlim zamanı təlimatlara əməl etməyə, dəyişiklikləri qiymətləndirməyə və tamamlanmış işi yoxlamağa xüsusi diqqət yetirilib. Bu səbəbdən repozitoriya üzrə tapşırıqlar təcrid olunmuş funksiya istəməkdən daha yaxşı sınaqdır.
Şəkil girişi faydalı bir imkan da əlavə edir: vizual geribildirimlə özünü yoxlama. Agent e-ticarət saytı yarada, onun ekranda necə göründüyünü yoxlaya və öz nəticəsini qiymətləndirmək üçün həmin vizual geribildirimdən istifadə edə bilər. Bu, təqdim edilmiş şəkli təsvir etməkdən daha geniş imkandır.
Maliyyə və bilik işləri üçün AA-Briefcase nəticələri modeli təkcə bir xülasə deyil, bir neçə nəticə tələb edən tapşırıqlarda sınamağın məqsədəuyğun olduğunu göstərir. O, Finance Agent v2.1-də də 67.5% nəticə əldə edib.
Məlumat təhlili də perspektivli istifadə sahəsidir. Plotly DataAnalyticsBench-də 43 tapşırıqdan 39-nu, yəni 91%-ni həll edib; qeyri-müəyyənlik, yerinə yetirilməsi mümkün olmayan istəklər, məlumat keyfiyyəti problemləri və statistik tələlər üzrə kateqoriyalarda isə maksimum nəticə göstərib.
Tədqiqat iş axınları üçün modelin təliminə neyron şəbəkələrin incə tənzimlənməsi və GPU nüvələrinin optimallaşdırılması kimi “autoresearch” tapşırıqları daxil edilib. Bildirilən nümunələrdən birində model zaman sıralarının proqnozlaşdırılması üçün Qwen3.5-4B modelini müstəqil şəkildə incə tənzimləyib və Tinker-də 426 dollara, 4,5 saat ərzində həmin modelin nəticəsini ikiqat artırıb. Bu, konkret nümayişdir; digər təcrübələr üçün zəmanət deyil.
Apache 2.0 lisenziyası və Inkling 2 Small ekosistemi
Apache 2.0 lisenziyalı çəkilər Inkling 2 Small-ı fərdiləşdirməyə imkan verir; buraya şirkətlərin incə tənzimlənmiş versiyalara sahib olması da daxildir. Thinking Machines bildirir ki, eyni məlumat və alqoritmlərdən istifadə etməklə əvvəlki modelləri ilə müqayisədə daha sürətli incə tənzimləmə və daha yüksək keyfiyyət əldə olunur.
İlk gündən vLLM, SGLang, Together AI, Snowflake Cortex və Cloudflare Workers AI dəstəyi mövcud idi. Model OpenRouter vasitəsilə də əldə edilə bilər.
Bu miqyasda xidmət optimallaşdırmaları əhəmiyyətlidir. DSpark spekulyativ dekodlaşdırma hər addımda yeddi token proqnozlaşdırır və GB200 üzərində TP4-də istifadəçi başına saniyədə təxminən 630 tokenə qədər sürət əldə edib. SGLang NVIDIA Vera Rubin üzərində saniyədə 576 token göstərib. Bunlar konkret avadanlıqda əldə edilən nəticələrdir, universal sürət vədi deyil.
Yerli quraşdırma üçün hələ də böyük resurslar tələb olunur: dörd bitlik kvantlaşdırılmış versiya üçün təxminən 356 GB yaddaş lazımdır.
Inkling 2 Small hələ hansı sahələrdə çətinlik çəkir?
Nəticələr qeyri-bərabərdir. Inkling 2 Small Terminal-Bench 4.0-də cəmi 13.1% nəticə göstərib, Artificial Analysis isə Intelligence Index tapşırığına orta hesabla təxminən 21,5 dəqiqə sərf olunduğunu ölçüb. Buna görə də yüksək token generasiya sürətinə baxmayaraq, uzun tapşırıqlar ləng gedə bilər. Məlum məhdudiyyətlərə hallüsinasiyalar və uzun, çoxmərhələli söhbətlərdə keyfiyyətin pisləşməsi də daxildir; böyük kontekst pəncərəsi bu zəiflikləri aradan qaldırmır.
Inkling 2 Small-ı vega.chat-da sınayın
Inkling 2 Small artıq vega.chat model seçicisində, həm söhbət, həm də kod bölmələrində mövcuddur. Şəkil girişi dəstəklənir, PDF girişi isə dəstəklənmir. Modelə real kodlaşdırma tapşırığı və ya uzun sənəd verin, sonra onu adətən istifadə etdiyiniz modellə müqayisə edin və öz işini yoxlamalı olduqda necə nəticə göstərdiyinə baxın.
Tərtibatçılar modeli agentlərdə, kodlaşdırma iş axınlarında və öz tətbiqlərində sınamaq üçün api.vega.chat ünvanından, OpenRouter ilə uyğun API vasitəsilə istifadə edə bilərlər.