Thinking Machines Lab מציגה את Inkling 2 Small עם 594B פרמטרים

Thinking Machines Lab הציגה את Inkling 2 Small ב-5 בנובמבר 2026. החברה מתארת אותו כמודל Mixture-of-Experts עם 594B פרמטרים בסך הכול, 17B פרמטרים פעילים, קלט של תמונות ורמת מאמץ משתנה. לדבריה, המודל משיג ציון 31 במדד Artificial Analysis Intelligence Index ומעפיל על המודלים הקודמים שלה.

זמינות ומשקלים

Inkling 2 Small יהיה זמין תחילה דרך Tinker עם משקלים סגורים, בהתאם לגישה שהחברה פרטה במסמך "מסלול בטוח למשקלים פתוחים". לדברי Thinking Machines Lab, בכוונתה להפוך את המשקלים המלאים לזמינים ברישיון Apache 2.0 בשבוע הבא, לאחר השלמת בדיקות בטיחות חיצוניות ו-red-teaming. אפשר לנסות את המודל כבר היום ב-Tinker Playground, והוא זמין ל-fine-tuning ול-sampling ב-Tinker. נקודות השמירה (checkpoints) יהיו להורדה עם שחרור המשקלים.

יכולות וראייה

לדברי החברה, Inkling 2 Small מסוגל יותר מכל בחינה מהדור הראשון של החברה, במיוחד בעבודה אוטונומית ארוכת טווח. יכולות הראייה והסוכנות שלו מאפשרות לו להשתמש במשוב חזותי כדי לבנות ולשפר באופן איטרטיבי אתרים, משחקים ועיצובי תלת-ממד עם אלמנטים אינטראקטיביים. בין הדוגמאות בהודעה: סימולטור עיר ב-Three.js ללא נכסים מוכנים מראש, אמולטור PC שנכתב מאפס ב-Python ומאתחל ליבת Linux אמיתית, וסיור בתוכנית קומה שנוצר ממפה.

Inkling 2 Small מעבד קלטי תמונות באמצעות מקודד ראייה בן 292M פרמטרים המבוסס על Perception Encoder. הוא משתמש בקטעי תמונה בגודל 20×20 פיקסלים עם בריכה מרחבית 2×2 ומשלב קטעי תמונה עם טוקנים של טקסט. החברה מדווחת על יכולות חזותיות חזקות ב-OCR, ב-grounding, בפרשנות אינפוגרפיקה ובחשיבה חזותית, עם ציונים ובהם 81.6% ב-MMMU Pro (Standard 10), 64.7% ב-PerceptionBench ו-83.8/91.5% ב-ScreenSpot Pro במקור וב-Python.

קידוד ומחקר אוטומטי

לדברי Thinking Machines Lab, שיפורים בכל שלב אימון, ובהם אימון מקדים יעיל יותר והרצת RL מאוחדת וגדולה, תרמו למודל. Inkling 2 Small אומן ב-RL על מאות אלפי משימות קידוד ארוכות טווח, בסביבות סוכנים מרובות ובאסטרטגיות דחיסת הקשר. החברה שיפרה את איכות צינור נתוני הקידוד הסינתטיים שלה ועברה מעבר לתגמולים של בדיקות יחידה בלבד; משימות רבות כללו מעריך RL סוכני שהעריך כיצד המודל ניגש לבעיה, ולא רק אם הקוד שלו עבר. נקודות שמירה מוקדמות נבחנו ב-OpenCode תחת השם Fledge-Alpha.

המודל אומן גם במשימות מחקר אוטומטי ארוכות טווח. באחד הניסויים הוא אימן באופן אוטונומי את Qwen3.5-4B ב-Tinker לחזות סדרות זמן כמו מזג אוויר וצפיות בדפי ויקיפדיה. לאחר 4.5 שעות עבודה ו-426 דולר בהוצאות Tinker, המודל המאומן יותר מהכפיל את ציון החיזוי שלו.

עבודת ידע

לדברי Thinking Machines Lab, Inkling 2 Small מאיץ עבודת ידע בסביבות מקצועיות ריאליסטיות: הוא מחפש מידע, קורא לכלים דרך MCP ומפיק תוצרים. החברה מדווחת על ציון ELO של 1527 ב-AA-Briefcase, 70.5% ב-JobBench, 73.9% ב-Vals Legal Index ו-71.8% ב-EnterpriseBench-CoreCraft. לדבריה, המודל חזק במיוחד בפיננסים ובחשיבה כמותית על גיליונות אלקטרוניים, דיווחים ומסמכים, ובין מודלים עם משקלים פתוחים הוא המודל בעל הביצועים הטובים ביותר במספר מבחני פיננסים.

מקורות: Thinking Machines Lab · Techmeme