1. VEGA
  2. Blog
  3. Inkling 2 Small: Thinking Machines' eng yaxshi ochiq modeli
13-noyabr, 2026E’lonlar

Inkling 2 Small: Thinking Machines' eng yaxshi ochiq modeli

Inkling 2 Small: Thinking Machines' eng yaxshi ochiq modeli

Thinking Machines Lab Inkling 2 Small modelini chiqardi. Bu kompaniyaning ikkinchi avloddagi ilk modeli va taqdimot paytida Artificial Analysis Intelligence Index bo‘yicha Xitoydan tashqarida yaratilgan eng kuchli ochiq vaznli model edi. U agentik kodlash, tasvirlarni tushunish va 1M tokenli kontekst oynasini Apache 2.0 litsenziyasi ostidagi vaznlar bilan birlashtiradi. Haqiqiy ishlar uchun model tanlayotganlar uchun asosiy afzalligi — ishonarli ilk javobni berib to‘xtash o‘rniga, o‘zgarishlar kiritishi, natijalarni tekshirishi va ishni davom ettira olishidir.

Inkling 2 Small nima?

OpenAI’ning sobiq texnik direktori Mira Murati asos solgan Thinking Machines Lab Inkling 2 Small’ni 2026-yil 5-noyabrda Tinker va Tinker Playground orqali e’lon qildi. Uning ochiq vaznlari 12-noyabr kuni Hugging Face’da Apache 2.0 litsenziyasi ostida chiqdi.

Nomiga qaramay, bu kichik va joylashtirish oson model emas. Inkling 2 Small — jami 594 milliard parametrli, har bir token uchun taxminan 17 milliard parametri faol ishlaydigan siyrak Mixture-of-Experts modelidir. Har bir token uchun u 384 ta ekspertdan sakkiztasini tanlaydi.

Kontekst oynasi 1 048 576 tokenni sig‘diradi, bu esa uzun hujjatlar va katta hajmdagi kod kontekstini qayta ishlash imkonini beradi. Kirish ma’lumotlari matn va tasvirlarni o‘z ichiga olishi mumkin; birinchi Inkling’dan farqli o‘laroq, u audio qabul qilmaydi.

Dasturchilar reasoning_effort qiymatini none dan max gacha sozlab, mulohaza yuritish chuqurligi va xarajatni muvozanatlashtirishi mumkin. Amalda bu oddiy savollarga arzon va tez javob berish, murakkabroq masalalarga esa chuqurroq yondashish imkonini beradi.

Inkling 2 Small mezonlari: eng katta yutuqlar

Asosiy natija — Artificial Analysis Intelligence Index v5.0.1’da 31 ball, Inkling Small’ning 13 ballidan yuqori. Bu baholashda Xitoydan tashqarida yaratilgan barcha ochiq modellar orasida eng yuqori natija bo‘lib, yuqori mulohaza yuritish darajasidagi Gemini 3.8 Flash bilan taqqoslanadi.

Bir nechta natija bu yaxshilanishni yanada aniqroq ko‘rsatadi:

MezonInkling 2 Small natijasiNima uchun muhim
SWE-Bench Pro v2 (Hard)86.3%Murakkab kodlash vazifalarida yuqori natija
ARC-AGI-281.7%ARC Prize ma’lumotiga ko‘ra, ochiq vaznli modellar orasida eng yaxshi natija
AA Intelligence Index v5.0.131, avvalgi 13 ga nisbatanAvlodlar orasidagi sezilarli o‘sish
AA-Briefcase1527 Elo, avvalgi 912 ga nisbatanUzoq biznes vazifalarida yaxshiroq natija
AA-Omniscience v1.1Gallyutsinatsiyalar ulushi 27%, avvalgi 61% ga nisbatanTanlabroq javob berish gallyutsinatsiyalarni kamaytirdi

Elektron jadvallar, taqdimotlar va xizmat yozuvlarini qamrab oluvchi AA-Briefcase’da uning 1527 Elo natijasi Claude Sonnet 5.5’ning o‘rtacha mulohaza yuritish darajasidagi 1439 natijasi va Gemini 3.8 Flash’ning yuqori darajadagi 1203 natijasidan ham yuqori.

Gallyutsinatsiyalar bo‘yicha natijani ehtiyotkorlik bilan talqin qilish kerak. Kamayish asosan faktik xatolarni bartaraf etishdan emas, tanlabroq javob berishdan kelib chiqdi. Bu yaxshilanish, ammo muhim da’volarni baribir tekshirish lozim.

Inkling 2 Small amalda nimalarga yaxshi?

Agentik kodlash — sinab ko‘rish uchun eng yaxshi yo‘nalish. Treningda yuz minglab uzoq kodlash vazifalaridan foydalanilgan; ko‘rsatmalarga rioya qilish, o‘zgarishlarni baholash va tugallangan ishni tekshirishga alohida e’tibor berilgan. Shu sababli, repozitoriy bilan bog‘liq vazifalar alohida funksiya yozishni so‘rashdan ko‘ra, modelni yaxshiroq sinaydi.

Tasvir kiritish foydali imkoniyatni — ko‘rish orqali o‘z ishini tekshirishni qo‘shadi. Agent elektron tijorat saytini yaratib, uning ko‘rinishini tekshirishi va shu vizual fikr-мulohazadan o‘z natijasini baholashda foydalanishi mumkin. Bu berilgan rasmni tasvirlashdan илгарилайди.

Moliya va bilim talab qiladigan ishlar uchun AA-Briefcase natijalari bitta xulosa so‘rash o‘rniga bir nechta natija talab qiladigan topshiriqlarda sinab ko‘rishni tavsiya qiladi. Finance Agent v2.1’da ham 67.5% natija qayd etgan.

Ma’lumotlarni tahlil qilish ham istiqbolli yo‘nalishlardan biri. Plotly DataAnalyticsBench’da 43 balldan 39 ball yoki 91% to‘pladi; noaniqlik, bajarib bo‘lmaydigan so‘rovlar, ma’lumotlar sifati muammolari va statistik tuzoqlarni qamrab olgan toifalarda esa mukammal natija ko‘rsatdi.

Tadqiqot ish jarayonlari uchun uning treningiga neyron tarmoqlarni fine-tuning qilish va GPU yadrolarini optimallashtirish kabi “autoresearch” mashqlari kiritilgan. Xabar qilingan misollardan birida u mustaqil ravishda Qwen3.5-4B’ni vaqt qatorlarini bashorat qilish uchun fine-tuning qilib, 4,5 soatda va Tinker’da $426 sarflab, model natijasini ikki baravar oshirgan. Bu aniq bir namuna, boshqa tajribalar uchun kafolat emas.

Apache 2.0 ochiqligi va Inkling 2 Small ekotizimi

Apache 2.0 litsenziyasi ostidagi vaznlar Inkling 2 Small’ni, jumladan fine-tuning qilingan versiyalar ustidan korxonalar egalik qilishi uchun ham moslashtirish imkonini beradi. Thinking Machines, shuningdek, bir xil ma’lumotlar va algoritmlardan foydalanilganda oldingi modellariga qaraganda fine-tuning tezroq kechishi va natija sifati yuqoriroq bo‘lishini ma’lum qilgan.

Dastlabki kundanoq vLLM, SGLang, Together AI, Snowflake Cortex va Cloudflare Workers AI qo‘llab-quvvatlandi. Model OpenRouter orqali ham mavjud.

Bunday miqyosda xizmat ko‘rsatish optimallashtirishlari muhim. DSpark spekulyativ dekodlash har qadamda yettita tokenni taxmin qiladi va GB200’da TP4 bilan har bir foydalanuvchi uchun soniyasiga taxminan 630 token tezlikka erishdi. SGLang NVIDIA Vera Rubin’da soniyasiga 576 token tezlikni namoyish etdi. Bu natijalar muayyan qurilmalarda olingan, universal tezlik va’dasi emas.

Mahalliy joylashtirish katta resurs talab qiladi: to‘rt bitli kvantlangan versiyaga taxminan 356 GB xotira kerak.

Inkling 2 Small hanuz qiynaladigan jihatlar

Natijalar bir xil emas. Inkling 2 Small Terminal-Bench 4.0’da atigi 13.1% ball to‘pladi, Artificial Analysis esa Intelligence Index’dagi har bir vazifa uchun taxminan 21,5 daqiqa o‘lchadi. Demak, tokenlarni yuqori tezlikda yaratishiga qaramay, uzoq vazifalar sekin kechishi mumkin. Ma’lum cheklovlar qatoriga gallyutsinatsiyalar va uzoq, ko‘p navbatli suhbatlarda sifatning pasayishi ham kiradi; katta kontekst oynasi bu zaifliklarni bartaraf etmaydi.

Inkling 2 Small’ni vega.chat’da sinab ko‘ring

Inkling 2 Small allaqachon vega.chat model tanlagichida, chat va kodlash bo‘limlarida mavjud. Tasvir kiritish qo‘llab-quvvatlanadi, PDF kiritish esa yo‘q. Unga odatda ishlatadigan modelingiz yonida haqiqiy kodlash vazifasi yoki uzun hujjatni bering va o‘z ishini tekshirishi kerak bo‘lganda qay darajada uddalashini ko‘ring.

Dasturchilar uni agentlar, kodlash ish jarayonlari va o‘z ilovalarida sinash uchun api.vega.chat orqali, OpenRouter bilan mos API’dan foydalanishlari mumkin.

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

Shuningdek o‘qing

Qwen 4 Max: uzoq ishlar uchun 2.4T parametrli hamkor
Qwen 4 Max: uzoq ishlar uchun 2.4T parametrli hamkor16-noyabr, 2026
Gemini 4 Hydrogen taqdimoti
Gemini 4 Hydrogen taqdimoti13-noyabr, 2026
MiniMax H3-Image: 10 soniyadan kamda 4K tasvirlar
MiniMax H3-Image: 10 soniyadan kamda 4K tasvirlar11-noyabr, 2026

Izohlar · 0

VEGA - built in getmyai.io
NarxlarModellarBlogIjodkor haqidaXizmat ko‘rsatish shartlariMaxfiylik siyosatiPochta xabarlari siyosati