1. VEGA
  2. ब्लॉग
  3. Inkling 2 Small: Thinking Machines का बेहतरीन ओपन मॉडल
13 नवंबर 2026घोषणाएँ

Inkling 2 Small: Thinking Machines का बेहतरीन ओपन मॉडल

Inkling 2 Small: Thinking Machines का बेहतरीन ओपन मॉडल

Thinking Machines Lab ने Inkling 2 Small जारी किया है—यह उसका पहली दूसरी पीढ़ी का मॉडल है और रिलीज़ के समय Artificial Analysis Intelligence Index पर चीन के बाहर बना सबसे शक्तिशाली ओपन-वेट मॉडल था। इसमें Apache 2.0 वेट्स के साथ एजेंटिक कोडिंग, इमेज समझने की क्षमता और 1M-टोकन कॉन्टेक्स्ट विंडो है। असल काम के लिए मॉडल चुनने वाले पाठकों के लिए इसकी सबसे बड़ी खासियत यह है कि यह बदलाव कर सकता है, नतीजे जाँच सकता है और काम जारी रख सकता है—सिर्फ़ एक भरोसेमंद लगने वाला पहला जवाब देकर रुकता नहीं।

Inkling 2 Small क्या है?

पूर्व OpenAI CTO Mira Murati द्वारा स्थापित Thinking Machines Lab ने 5 नवंबर, 2026 को Tinker और Tinker Playground के ज़रिए Inkling 2 Small की घोषणा की। इसके ओपन वेट्स 12 नवंबर को Hugging Face पर Apache 2.0 के तहत उपलब्ध हुए।

नाम में “Small” होने के बावजूद, यह होस्ट करने के लिए छोटा मॉडल नहीं है। Inkling 2 Small एक sparse Mixture-of-Experts मॉडल है, जिसमें कुल 594 अरब पैरामीटर और प्रति टोकन लगभग 17 अरब सक्रिय पैरामीटर हैं। यह हर टोकन के लिए अपने 384 विशेषज्ञों में से आठ को चुनता है।

इसकी कॉन्टेक्स्ट विंडो में 1,048,576 टोकन आते हैं, जिससे लंबे दस्तावेज़ों और बड़े कोड कॉन्टेक्स्ट के लिए पर्याप्त जगह मिलती है। इनपुट में टेक्स्ट और इमेज शामिल हो सकते हैं; पहले Inkling के विपरीत, यह ऑडियो स्वीकार नहीं करता।

डेवलपर reasoning_effort को none से max तक भी बदल सकते हैं, ताकि तर्क की गहराई और लागत के बीच संतुलन बनाया जा सके। व्यावहारिक तौर पर, इसका मतलब है कि सरल सवालों के लिए तेज़ और कम लागत वाले जवाब मिल सकते हैं, जबकि कठिन समस्या पर अधिक गहराई से काम किया जा सकता है।

Inkling 2 Small के बेंचमार्क: सबसे बड़े सुधार

सबसे प्रमुख नतीजा Artificial Analysis Intelligence Index v5.0.1 पर 31 अंक है, जबकि Inkling Small को 13 अंक मिले थे। इस मूल्यांकन में यह चीन के बाहर बने हर ओपन मॉडल से आगे है और high reasoning effort पर Gemini 3.8 Flash के बराबर स्तर पर है।

कई नतीजे इस सुधार को और स्पष्ट करते हैं:

बेंचमार्कInkling 2 Small का नतीजायह क्यों मायने रखता है
SWE-Bench Pro v2 (Hard)86.3%कठिन कोडिंग कार्यों में दमदार प्रदर्शन
ARC-AGI-281.7%ARC Prize के अनुसार, ओपन-वेट मॉडल का सर्वश्रेष्ठ नतीजा
AA Intelligence Index v5.0.131, पहले 13 थाएक पीढ़ी से दूसरी पीढ़ी तक बड़ा सुधार
AA-Briefcase1527 Elo, पहले 912 थालंबे कारोबारी कार्यों में बेहतर प्रदर्शन
AA-Omniscience v1.127% hallucination share, पहले 61% थाअधिक चुनिंदा जवाबों से hallucinations में कमी

AA-Briefcase में, जो स्प्रेडशीट, प्रेज़ेंटेशन और मेमो को परखता है, इसका 1527 Elo, medium reasoning effort पर Claude Sonnet 5.5 के 1439 और high effort पर Gemini 3.8 Flash के 1203 से भी अधिक है।

Hallucination के नतीजे को सावधानी से समझना चाहिए। यह कमी मुख्यतः अधिक चुनिंदा जवाब देने से आई, न कि तथ्यात्मक गलतियों के पूरी तरह खत्म होने से। यह सुधार है, लेकिन अहम दावों की जाँच अब भी ज़रूरी है।

व्यावहारिक तौर पर Inkling 2 Small किन कामों में अच्छा है

एजेंटिक कोडिंग इसकी क्षमताएँ परखने का सबसे स्पष्ट शुरुआती तरीका है। इसकी ट्रेनिंग में निर्देशों का पालन करने, बदलावों का मूल्यांकन करने और काम पूरा होने के बाद जाँच करने पर ज़ोर देते हुए सैकड़ों हज़ार लंबे कोडिंग कार्य शामिल थे। इसलिए किसी रिपॉज़िटरी पर काम देना, अकेले फ़ंक्शन लिखने को कहने से बेहतर कसौटी है।

इमेज इनपुट से एक उपयोगी क्षमता जुड़ती है: विज़न-इन-द-लूप स्व-सत्यापन। कोई एजेंट ई-कॉमर्स साइट बना सकता है, उसका रेंडर हुआ रूप देख सकता है और अपने आउटपुट का मूल्यांकन करने के लिए उस दृश्य प्रतिक्रिया का इस्तेमाल कर सकता है। यह दी गई तस्वीर का वर्णन करने से आगे की क्षमता है।

वित्त और ज्ञान-आधारित काम के लिए, AA-Briefcase के नतीजे बताते हैं कि इसे एक सारांश के बजाय कई आउटपुट वाले असाइनमेंट पर परखना उपयोगी होगा। Finance Agent v2.1 पर भी इसका स्कोर 67.5% रहा।

डेटा विश्लेषण इसका एक और आशाजनक उपयोग है। Plotly DataAnalyticsBench पर इसे 43 में से 39 अंक, यानी 91% मिले। अस्पष्टता, असंभव अनुरोधों, डेटा-गुणवत्ता की समस्याओं और सांख्यिकीय जाल से जुड़ी श्रेणियों में इसने पूरे अंक हासिल किए।

रिसर्च वर्कफ़्लो के लिए, इसकी ट्रेनिंग में न्यूरल नेटवर्क को fine-tune करने और GPU kernels को अनुकूलित करने जैसे “autoresearch” अभ्यास शामिल थे। एक प्रकाशित उदाहरण में, इसने स्वतंत्र रूप से Qwen3.5-4B को time-series forecasting के लिए fine-tune किया और Tinker पर 4.5 घंटे में $426 की लागत से उस मॉडल का स्कोर दोगुना कर दिया। यह एक विशिष्ट प्रदर्शन है, अन्य प्रयोगों में सफलता की गारंटी नहीं।

Apache 2.0 की खुली उपलब्धता और Inkling 2 Small का इकोसिस्टम

Apache 2.0 वेट्स के चलते Inkling 2 Small को कस्टमाइज़ किया जा सकता है; इसमें fine-tune किए गए संस्करणों पर उद्यमों का स्वामित्व भी शामिल है। Thinking Machines का यह भी कहना है कि समान डेटा और एल्गोरिदम इस्तेमाल करने पर, उसके पिछले मॉडलों की तुलना में fine-tuning तेज़ होती है और उससे बेहतर गुणवत्ता मिलती है।

पहले दिन से vLLM, SGLang, Together AI, Snowflake Cortex और Cloudflare Workers AI का सपोर्ट उपलब्ध था। यह मॉडल OpenRouter के ज़रिए भी उपलब्ध है।

इस आकार के मॉडल के लिए उसे सर्व करने के अनुकूलन मायने रखते हैं। DSpark speculative decoding हर चरण में सात टोकन का ड्राफ़्ट तैयार करता है और GB200 पर TP4 में प्रति उपयोगकर्ता लगभग 630 टोकन प्रति सेकंड तक की गति पर पहुँचा। SGLang ने NVIDIA Vera Rubin पर 576 टोकन प्रति सेकंड की गति दिखाई। ये खास हार्डवेयर पर मिले नतीजे हैं, हर जगह मिलने वाली गति की गारंटी नहीं।

स्थानीय रूप से इसे चलाने के लिए अब भी काफ़ी संसाधन चाहिए: इसके चार-बिट quantized संस्करण को लगभग 356 GB मेमोरी चाहिए।

Inkling 2 Small को किन जगहों पर अब भी दिक्कत होती है

नतीजे हर क्षेत्र में एक जैसे नहीं हैं। Inkling 2 Small को Terminal-Bench 4.0 पर सिर्फ़ 13.1% अंक मिले, और Artificial Analysis ने Intelligence Index के हर कार्य में लगभग 21.5 मिनट का समय मापा। इसलिए, टोकन बनाने की तेज़ गति के बावजूद, लंबे कार्यों में काफ़ी समय लग सकता है। इसकी जानी-पहचानी सीमाओं में hallucinations और लंबी, कई चरणों वाली बातचीत के दौरान प्रदर्शन में गिरावट भी शामिल हैं; बड़ी कॉन्टेक्स्ट विंडो से ये कमज़ोरियाँ खत्म नहीं होतीं।

vega.chat पर Inkling 2 Small आज़माएँ

Inkling 2 Small अब vega.chat के मॉडल पिकर में चैट और कोड—दोनों समूहों में उपलब्ध है। इसमें इमेज इनपुट समर्थित है, PDF इनपुट नहीं। इसे अपने आम मॉडल के साथ रखकर कोई असली कोडिंग कार्य या लंबा दस्तावेज़ दें और देखें कि अपने काम की जाँच करने पर यह कैसा प्रदर्शन करता है।

डेवलपर इसे एजेंट, कोडिंग वर्कफ़्लो और अपने ऐप्लिकेशन में परखने के लिए api.vega.chat पर OpenRouter-संगत API के ज़रिए इस्तेमाल कर सकते हैं।

VEGA API — all models·API docs·Inkling 2 Small: лучшая открытая модель Thinking Machines

यह भी पढ़ें

Qwen 4 Max: लंबे कामों का 2.4T-पैरामीटर साथी
Qwen 4 Max: लंबे कामों का 2.4T-पैरामीटर साथी16 नवंबर 2026
Gemini 4 Hydrogen की घोषणा
Gemini 4 Hydrogen की घोषणा13 नवंबर 2026
MiniMax H3-Image: 10 सेकंड से कम में ओपन-वेट 4K इमेज
MiniMax H3-Image: 10 सेकंड से कम में ओपन-वेट 4K इमेज11 नवंबर 2026

टिप्पणियाँ · 0

VEGA - built in getmyai.io
कीमतेंमॉडलब्लॉगक्रिएटर के बारे मेंसेवा की शर्तेंगोपनीयता नीतिमेलिंग नीति