Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

thinkingmachines.ai+1:x.com+1:artificialanalysis.ai+1:Thinking Machines Lab-ը ուրբաթ՝ նոյեմբերի 20-ին, թողարկել է Inkling 2 Mini-ն։ Սա բաց կոդով մոդել է, որը, ընկերության խոսքով, «բավական փոքր է ձեր նոութբուքի վրա աշխատելու համար», և իր տրամաբանական կարողությունները ստանում է յուրաքանչյուր տոկենի համար իր ցանցի մի մասը մի քանի անգամ գործարկելու միջոցով։ Այս թողարկումը հաջորդում է Inkling 2 Small-ին։ Լաբորատորիան X-ում կատակել է, որ «ձեզանից ոմանք կարծում էին», որ նախորդ մոդելը «594 միլիարդ պարամետրով չափազանց մեծ էր»։thinkingmachines.ai+1
Մոդելը փորձագետների խառնուրդի համակարգ է՝ ընդհանուր 26.4 միլիարդ պարամետրով, որից 3.4 միլիարդը ակտիվ է։ Հաշվի առնելով կրկնությունները՝ այն օգտագործում է 5.4 միլիարդ քաշային ակտիվացում յուրաքանչյուր տոկենի համար։ Դրա քաշերի մեծ մասը մարզվել և տեղակայվել է NVFP4 ձևաչափով, ինչը պահպանում է դրա ընդհանուր ծավալը մոտ 20 ԳԲ։ Այն լիցենզավորված է Apache 2.0-ով, ընդունում է տեքստային և պատկերային մուտքային տվյալներ և աջակցում է մինչև 1 միլիոն տոկենի համատեքստային պատուհան։thinkingmachines.ai+2
Մոդելն ունի 24 շերտ։ Միջին 12-ը աշխատում են երեք անգամ յուրաքանչյուր տոկենի համար, մինչդեռ առաջին և վերջին վեցը՝ մեկ անգամ։ Սա տալիս է 48 տրամաբանական շերտ՝ կառուցված 24 ֆիզիկականից։ Ընկերությունը նշում է, որ կրկնումը թույլ է տալիս մոդելին «ավելի քիչ տոկեններով հասնել ճիշտ պատասխանի», հատկապես գործակալական ծրագրավորման մեջ։huggingface.co+2
Ըստ լաբորատորիայի՝ Inkling 2 Mini-ն առաջատար է 100 միլիարդից պակաս պարամետր ունեցող բոլոր բաց կոդով մոդելների մեջ DeepSWE v1.1-ում՝ 48.2% արդյունքով, և Vals Index v2.2-ում՝ 46.5% արդյունքով։ Artificial Analysis-ը նրան տվել է 20 միավոր իր Intelligence Index-ում՝ հավասարվելով Qwen3.8 27B-ին՝ մոտ հինգ անգամ պակաս ակտիվ պարամետրերով։ Ֆիրման նաև հայտնել է, որ այն մոտ վեց անգամ ավելի էժան և չորս անգամ ավելի արագ է յուրաքանչյուր առաջադրանքի համար, քան այդ մոդելը։thinkingmachines.ai+1
Կրկնումը հարցեր է առաջացնում AI-ի վերահսկողության վերաբերյալ, քանի որ մոդելը կարող է տրամաբանել ներքին կարգով՝ առանց իր քայլերը գրի առնելու։ Լաբորատորիան նշել է, որ այս մասշտաբով մտածողության շղթան «դառնում է ավելի կարճ, բայց մնում է ընթեռնելի»։ Նրանք նաև թողարկում են փոփոխական կրկնման հետազոտական մոդել, որպեսզի արտաքին հետազոտողները կարողանան փորձարկել այն։ Unite.AI-ն նշել է, որ ընկերությունը այս դիտարկումները համարում է նախնական։x.com+1
Քաշերը հասանելի են Hugging Face-ում, իսկ մոդելը հասանելի է Tinker-ում՝ եզրակացության և կատարելագործման համար։ Առաջին օրվանից աջակցվում են SGLang, vLLM, Ollama և NVIDIA Dynamo գործիքները։ Ollama-ի միջոցով այն աշխատում է Mac-երի վրա, որոնք ունեն առնվազն 32 ԳԲ օպերատիվ հիշողություն։ vLLM-ը հայտնել է, որ աջակցում է ինչպես հիմնական մոդելին, այնպես էլ դրա փոփոխական կրկնման ստուգման կետին NVIDIA Blackwell, Hopper և DGX Spark սարքավորումների վրա։vllm.ai+1
Ընկերությունը բաց է մոդելի թույլ կողմերի մասին։ Այն հավաքում է 50.0% MultiChallenge-ում և 33.4% ComplexConstraints v1.1-ում, ինչը զիջում է Qwen3.8-27B-ին ինչպես բազմափուլ զրույցներում, այնպես էլ բազմաթիվ սահմանափակումներով հրահանգներում։ Մոդելի նկարագրությունը նաև նախազգուշացնում է, որ մոդելը «կարող է կատարել կործանարար գործողություններ, ինչպիսիք են ֆայլերը ջնջելը կամ վերագրելը, առանց հաստատման»։ Այն խորհուրդ է տալիս օգտատերերին «գործակալական աշխատանքային բեռները գործարկել սենդբոքս միջավայրում»։thinkingmachines.ai+1