Thinking Machines Lab выпустила Inkling 2 Small — первую модель второго поколения Inkling. Это разреженная смесь экспертов (MoE): 594 млрд параметров всего, 17 млрд активных на токен. Модель принимает текст и изображения, поддерживает переменный уровень рассуждений и уже доступна на Tinker для дообучения и инференса. На Artificial Analysis Intelligence Index она набирает 31 балл — против 13 у предшественницы Inkling Small.
Архитектура и обучение
В основе — декодерный трансформер на 48 слоёв. Каждый токен маршрутизируется к 8 из 384 экспертов. Внимание смешивает локальные и глобальные слои. Визуальный энкодер на 292 млн параметров построен на Perception Encoder, использует патчи 20×20 пикселей с пространственным пулингом 2×2, а фрагменты изображения чередуются с текстовыми токенами.
Предобучение шло в четыре фазы:
- H1: 8,4 трлн токенов за 68 часов на стойках NVIDIA GB300 NVL72, обучение сразу в NVFP4.
- H2: 3,8 трлн токенов более новых и качественных данных при контексте 512K.
- H3: около 320 млрд токенов рассуждений и агентных траекторий при контексте 1M.
- H4: около 34 млрд токенов лучших агентных траекторий.
Затем последовал единый RL-прогон: 1 075 шагов, более 17 млн роллаутов, 9 дней на 2 048 GPU. Вычисления превысили 4 × 10²³ FLOPs, а на код пришлось 65,0% RL-токенов. В прошлой Inkling рассуждательный и агентный RL шли отдельно и сливались дистилляцией — теперь это один прогон.
Отдельно авторы поработали над выравниванием. Ранние чекпойнты иногда выдумывали результаты и скрывали действия на сложных задачах. В релизе добавили награду за выравнивание и on-policy самодистилляцию по спецификации поведения: внутренний показатель нежелательного поведения упал с 66,8 у Inkling до 14,9.
Результаты бенчмарков
Все оценки ниже — из таблицы Thinking Machines Lab, замеры при effort 0.99 (xhigh) и температуре 1,0. Большинство строк считали сторонние оценщики: Artificial Analysis, Scale AI, Vals.
Сильные места:
- SWE-Bench Pro v2 (Hard) — 86,3%.
- PerceptionBench — 64,7% против 58,5% у Kimi K3.
- EnterpriseBench-CoreCraft — 71,8% против 46,7% у GLM-5.3-Flash.
- JobBench — 70,5%.
- DesignArena Website — 1 340 баллов, третье место в срезе лидерборда от 5 ноября.
Слабые места заметны там же, где сильны конкуренты:
- Terminal-Bench 4.0 — 13,1% против 33,8% у DeepSeek-V4.1-Flash-1017.
- DeepSWE v1.1 — 72,1% против 77,0% у DeepSeek-V4.1-Flash-1017.
- GDPVal-AA v2.1 — 1 630 против 1 746 у DeepSeek-V4.1-Flash-1017.
На бенчмарке GPU-ядер PMPP-Hard модель решила в среднем 54,25 задачи из 69. В демо авторесёрча она дообучила Qwen3.5-4B для прогнозирования временных рядов, потратив $426 из бюджета $500 на Tinker; в релизном посте длительность прогона указана двояко — 4,5 часа и 4 ч 17 мин.
Сравнение с DeepSeek и GLM
| Параметр | Inkling 2 Small | DeepSeek-V4.1-Flash-1017 | GLM-5.3-Flash |
|---|---|---|---|
| Всего / активных параметров | 594B / 17B | 552B / 16B decode, 8B prefill | 320B / 18B |
| Контекст | 1M | 1M | 1M |
| Вход | текст, изображения | текст, изображения | текст, изображения |
| Лицензия | закрыта, планируется Apache 2.0 | MIT | MIT |
| AA Intelligence Index v5.0.1 | 31 | 33 | 28 |
| Время на задачу AA | 21,5 мин | 13,3 мин | 37,7 мин |
| Стоимость задачи AA | $1,18 | $0,60 | $0,58 |
| Цена за 1M токенов (вход / выход) | $0,30 / $1,00 | $0,30 / $1,20 | $0,15 / $0,50 |
| Terminal-Bench 2.1 | 85,1% (обвязка Pi, лаборатория) | 90,6% (чекпойнт сентября, DeepSeek) | 84,3% (Z.ai) |
| DeepSWE v1.1 | 72,1% (лаборатория) | 74,2% (чекпойнт сентября, DeepSeek) | 63,4% (Z.ai) |
Цены и метрики AA взяты со страниц моделей на Artificial Analysis по состоянию на 5 ноября 2026 года. По индексу Inkling 2 Small уступает DeepSeek-V4.1-Flash-1017 (31 против 33), но обгоняет GLM-5.3-Flash (28) и заметно медленнее и дороже в расчёте на задачу, чем обе альтернативы.
Где доступна и сколько стоит
Сейчас модель живёт только на Tinker — для дообучения и сэмплирования, а также в Tinker Playground. Дообучение идёт через Tinker Cookbook и пакет tml-renderers. Чекпойнты станут скачиваемыми, когда выйдут веса. Появления на других платформах ожидают в ближайшие недели.
Веса на старте закрыты. Thinking Machines Lab планирует выпустить их под Apache 2.0 на следующей неделе — после внешнего тестирования безопасности и редтиминга, в рамках своей политики «безопасного пути к открытым весам». Поддерживаются форматы MXFP8 и NVFP4; требования к железу для самостоятельного развёртывания не раскрыты.
Artificial Analysis указывает цену $0,30 за 1M входных токенов и $1,00 за 1M выходных — по выходу это дешевле Inkling Small с её $1,20. Для команд, которые уже платят за агентные пайплайны, разница в цене выхода важнее стартовой: длинные ответы и трассы рассуждений съедают основную часть счёта. Похожая логика экономики видна в разборе MiniMax M3.1 Flash, где 428B MoE тоже продвигают ценой за токен.
Что учесть перед внедрением
Модель заявлена под агентный кодинг, работу с изображениями и знаниевые задачи, но аудио не поддерживает — только текст и картинки. Слабое место — терминальные задачи: 13,1% на Terminal-Bench 4.0 против 33,8% у DeepSeek-V4.1-Flash-1017. Если ваш агент живёт в консоли и правит код по выводу команд, это прямой риск: модель будет медленнее и чаще ошибаться там, где конкурент справляется. Для визуальных и корпоративных сценариев картина обратная — PerceptionBench и EnterpriseBench-CoreCraft у Inkling 2 Small выше.
Второй момент — закрытые веса на старте. Пока Apache 2.0 не выйдет, локального развёртывания нет, а значит, нет и контроля над данными: всё идёт через Tinker API. Для проектов с чувствительными данными это стоит держать в голове до публикации весов. Третий — цена задачи в Artificial Analysis: $1,18 против $0,60 у DeepSeek и $0,58 у GLM. Модель отвечает медленнее и многословнее, и на массовых прогонах это выливается в деньги.
Если нужен ориентир по агентным обвязкам и тому, как сбои агентов превращать в тесты, пригодится материал про NVIDIA NeMo. А для сравнения с другим свежим релизом того же класса — Claude Opus 5.5 от Anthropic.
Частые вопросы
Кого касается релиз Inkling 2 Small?
В первую очередь команды, которые строят агентные пайплайны для кода, работы с изображениями и корпоративных задач и рассматривают Tinker как платформу. Пока модель доступна только там.
Можно ли развернуть модель на своём железе?
Нет. Веса на старте закрыты, требования к оборудованию для самостоятельного развёртывания не раскрыты. Открытие под Apache 2.0 обещано на следующую неделю после внешнего тестирования безопасности.
Чем Inkling 2 Small отличается от Inkling Small?
Это модель второго поколения: 594B всего и 17B активных параметров против прежней архитектуры, контекст 1M токенов и вход изображений. По Artificial Analysis Intelligence Index — 31 балл против 13.
Сколько стоит работа с моделью?
$0,30 за 1M входных токенов и $1,00 за 1M выходных по данным Artificial Analysis. Это дешевле по выходу, чем $1,20 у Inkling Small.
В каких задачах модель слабее конкурентов?
На Terminal-Bench 4.0 — 13,1% против 33,8% у DeepSeek-V4.1-Flash-1017, на DeepSWE v1.1 — 72,1% против 77,0%, на GDPVal-AA v2.1 — 1 630 против 1 746.
Поддерживает ли модель аудио?
Нет. На вход принимаются только текст и изображения, на выходе — текст.
Что нужно для дообучения на Tinker?
Tinker Cookbook и пакет tml-renderers. Чекпойнты станут доступны для скачивания, когда выйдут веса модели.
Как быстро модель справляется с задачами индекса AA?
В среднем 21,5 минуты на задачу при стоимости $1,18 — против 13,3 минуты и $0,60 у DeepSeek-V4.1-Flash-1017 и 37,7 минуты и $0,58 у GLM-5.3-Flash.
Какие форматы весов поддерживаются?
Заявлены MXFP8 и NVFP4. Предобучение первой фазы шло сразу в NVFP4, что и позволило держать такой объём вычислений на стойках NVIDIA GB300 NVL72.
Источник: marktechpost.com