Thinking Machines Lab تُقدِّم Inkling 2 Small بـ 594B معامل

قدّمت Thinking Machines Lab نموذج Inkling 2 Small في 5 نوفمبر 2026. تصف الشركة النموذج بأنه نموذج مزيج خبراء (MoE) بـ 594B معامل إجمالي، و17B معامل نشط، مع مدخلات صور وجهد متغير. وتقول إن النموذج سجّل 31 في مؤشر Artificial Analysis Intelligence Index، متجاوزاً نماذجها السابقة.

التوفر والأوزان

سيكون Inkling 2 Small متاحاً في البداية عبر Tinker بأوزان مغلقة، وفقاً للنهج الذي أوضحته الشركة في مسار آمن نحو الأوزان المفتوحة. وتقول Thinking Machines Lab إنها تنوي جعل الأوزان الكاملة متاحة بموجب ترخيص Apache 2.0 الأسبوع القادم بعد اختبار سلامة خارجي واختبار اختراق. يمكن تجربة النموذج اليوم في Tinker Playground، وهو متاح للضبط الدقيق وأخذ العينات على Tinker. وستكون نقاط التحقق قابلة للتنزيل مع إصدار الأوزان.

القدرات والرؤية

تقول الشركة إن Inkling 2 Small أكثر قدرة في جميع المجالات من جيلها الأول، خاصة في العمل المستقل طويل الأمد. وتتيح قدراته في الرؤية والعمل كوكيل استخدام التغذية الراجعة المرئية لبناء مواقع وألعاب وتصاميم ثلاثية الأبعاد وتحسينها تكرارياً مع عناصر تفاعلية. وتشمل الأمثلة في الإعلان محاكي مدينة Three.js بدون أصول جاهزة، ومحاكي PC من الصفر بلغة Python يقلع نواة Linux حقيقية، وتجوّل في مخطط طابق أُنشئ من خريطة.

يعالج Inkling 2 Small مدخلات الصور بمشفّر رؤية بـ292M معامل مبني على Perception Encoder. ويستخدم رقع 20×20 بكسل مع تجميع مكاني 2×2 ويشابك رقع الصور مع رموز النص. وتُبلّغ الشركة عن قدرات بصرية قوية عبر OCR، والتحديد (grounding)، وتفسير الرسوم البيانية، والتفكير البصري، مع نتائج منها 81.6% في MMMU Pro (Standard 10)، و64.7% في PerceptionBench، و83.8/91.5% في ScreenSpot Pro في الوضع الأصلي ومع Python.

البرمجة والبحث التلقائي

تقول Thinking Machines Lab إن تحسينات في كل خطوة تدريب، بما في ذلك التدريب المسبق أكثر كفاءة وتشغيل RL موحّد كبير، ساهمت في النموذج. وتم تدريب Inkling 2 Small باستخدام RL على مئات الآلاف من مهام البرمجة طويلة الأمد عبر عدة أطر عمل للوكلاء واستراتيجيات ضغط السياق. وزادت الشركة جودة مسار بياناتها البرمجية المصنّعة، وتجاوزت مكافآت اختبارات الوحدة وحدها؛ وشملت العديد من المهام مُقيِّم RL (agentic RL grader) قيّم كيف تعامل النموذج مع المشكلة، وليس فقط ما إذا نجح كوده. تم اختبار نقاط التحقق المبكرة على OpenCode تحت اسم Fledge-Alpha.

تم تدريب النموذج أيضاً على مهام البحث التلقائي طويلة الأمد. في أحد الاختبارات، درّب تلقائياً Qwen3.5-4B على Tinker للتنبؤ بالسلاسل الزمنية مثل الطقس ومشاهدات صفحات Wikipedia. بعد 4.5 ساعات من العمل و426 دولاراً من التكلفة على Tinker، زادت نتيجة التنبؤ الخاصة به أكثر من الضعف.

العمل المعرفي

تقول Thinking Machines Lab إن Inkling 2 Small يسرّع العمل المعرفي في بيئات مهنية واقعية، من خلال البحث عن معلومات، واستدعاء أدوات عبر MCP، وإنتاج مخرجات. وتُبلّغ عن نتيجة ELO قدرها 1527 في AA-Briefcase، و70.5% في JobBench، و73.9% في Vals Legal Index، و71.8% في EnterpriseBench-CoreCraft. وتقول الشركة إن النموذج قوي خاصة في التمويل والتفكير الكمي على جداول البيانات، والإقرارات، والمستندات، وأنه بين نماذج الأوزان المفتوحة هو النموذج الأفضل أداءً عبر عدة معايير تمويل.

المصادر: Thinking Machines Lab · Techmeme