Thinking Machines Lab مدل Inkling 2 Small را منتشر کرد؛ نخستین مدل نسل دوم خانواده Inkling. این مدل یک Mixture-of-Experts با ۵۹۴ میلیارد پارامتر کل و ۱۷ میلیارد پارامتر فعال است، ورودی متن و تصویر می‌پذیرد، و ۱ میلیون توکن context دارد. نمره آن در Artificial Analysis Intelligence Index برابر ۳۱ است؛ نسخه قبلی، Inkling Small، روی همان شاخص نمره ۱۳ گرفته بود.

ساختار و آموزش#

مدل یک ترنسفورمر ۴۸ لایه decoder-only است که هر توکن را به ۸ از ۳۸۴ متخصص مسیریابی می‌کند. یک vision encoder با ۲۹۲ میلیون پارامتر، مبتنی بر Perception Encoder، تصویر را به پچ‌های ۲۰×۲۰ پیکسلی با pooling فضایی ۲×۲ تبدیل می‌کند.

پیش‌آموزش در ۴ مرحله انجام شد: ۸.۴ تریلیون توکن روی رک‌های NVIDIA GB300 NVL72 با دقت NVFP4، سپس ۳.۸ تریلیون توکن با context ۵۱۲ هزار، حدود ۳۲۰ میلیارد توکن استدلال و trajectory ایجنتی با context ۱ میلیون، و در نهایت حدود ۳۴ میلیارد توکن از بالاترین کیفیت trajectory ایجنتی. یک RL مشترک با ۱۰۷۵ مرحله، بیش از ۱۷ میلیون rollout، ۹ روز روی ۲۰۴۸ GPU و بیش از ۴×۱۰²³ FLOPs دنبال شد.

عملکرد در بنچمارک‌ها#

  • SWE-Bench Pro v2 (Hard): ۸۶.۳٪
  • PerceptionBench: ۶۴.۷٪ (در برابر ۵۸.۵٪ برای Kimi K3)
  • EnterpriseBench-CoreCraft: ۷۱.۸٪ (در برابر ۴۶.۷٪ برای GLM-5.3-Flash)
  • Terminal-Bench 4.0: ۱۳.۱٪ (در برابر ۳۲.۸٪ برای GLM-5.3-Flash)

دسترسی و قیمت#

مدل هم‌اکنون فقط روی Tinker برای fine-tuning و inference در دسترس است. قیمت: ۰.۳۰ دلار به ازای هر ۱ میلیون توکن ورودی و ۱.۰۰ دلار برای خروجی. وزن‌های مدل در زمان انتشار بسته‌اند و Apache ۲.۰ پس از تست‌های ایمنی و red-teaming در هفته آینده منتشر خواهد شد. سخت‌افزار self-hosting اعلام نشده است.

خوانش تحریریه#

جهش از نمره ۱۳ به ۳۱ در AA شاخص قابل‌توجهی است، اما باید با احتیاط خوانده شود: Inkling Small و Inkling 2 Small از نظر مقیاس و معماری قابل‌مقایسه نیستند (نسخه قبلی بسیار کوچک‌تر بود). آنچه برای سازندگان ایجنت مهم است، ضعف محرز در Terminal-Bench 4.0 است؛ ۱۳.۱٪ در برابر ۳۲.۸٪ رقیب مستقیم، یعنی این مدل هنوز در کارهای ترمینال‌محور و shell-based قابل اتکا نیست. در عوض، در SWE-Bench Pro و PerceptionBench عملکرد بالایی دارد. محدودیت دسترسی به Tinker و عدم اعلام سخت‌افزار self-hosting، عملاً یعنی تا زمان انتشار وزن‌های Apache ۲.۰، این مدل یک API proprietary است و برای پروژه‌هایی که به کنترل کامل نیاز دارند، گزینه‌ای نیست.

منبع: MarkTechPost