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.Η Thinking Machines Lab κυκλοφόρησε την Παρασκευή, 20 Νοεμβρίου, το Inkling 2 Mini. Πρόκειται για ένα μοντέλο ανοιχτών βαρών που η εταιρεία χαρακτηρίζει "αρκετά μικρό για να τρέχει στον φορητό υπολογιστή σας", αντλώντας την ικανότητα συλλογισμού του από την εκτέλεση μέρους του δικτύου του αρκετές φορές για κάθε token. Η κυκλοφορία ακολουθεί το Inkling 2 Small. Το εργαστήριο αστειεύτηκε στο X ότι "κάποιοι από εσάς θεωρήσατε" ότι εκείνο το μοντέλο "ήταν πολύ μεγάλο με 594B παραμέτρους".thinkingmachines.ai+1
Το μοντέλο είναι ένα σύστημα mixture-of-experts με 26,4 δισεκατομμύρια συνολικές παραμέτρους και 3,4 δισεκατομμύρια ενεργές. Υπολογίζοντας τους βρόχους, χρησιμοποιεί 5,4 δισεκατομμύρια ενεργοποιήσεις βαρών ανά token. Τα περισσότερα βάρη του εκπαιδεύτηκαν και αναπτύχθηκαν εγγενώς σε NVFP4, διατηρώντας το συνολικό αποτύπωμα στα περίπου 20GB. Διατίθεται με άδεια Apache 2.0, δέχεται εισόδους κειμένου και εικόνας, και υποστηρίζει παράθυρο πλαισίου έως 1 εκατομμύριο tokens.thinkingmachines.ai+2
Το μοντέλο διαθέτει 24 επίπεδα. Τα μεσαία 12 εκτελούνται τρεις φορές ανά token, ενώ τα πρώτα και τα τελευταία έξι εκτελούνται μία φορά. Αυτό του δίνει 48 λογικά επίπεδα χτισμένα από 24 φυσικά. Η εταιρεία αναφέρει ότι η επανάληψη επιτρέπει στο μοντέλο να "φτάνει στη σωστή απάντηση με λιγότερα tokens", ειδικά στον προγραμματισμό από πράκτορες.huggingface.co+2
Σύμφωνα με το εργαστήριο, το Inkling 2 Mini προηγείται κάθε μοντέλου ανοιχτών βαρών κάτω των 100 δισεκατομμυρίων παραμέτρων στο DeepSWE v1.1, με 48,2%, και στο Vals Index v2.2, με 46,5%. Η Artificial Analysis του έδωσε βαθμολογία 20 στον Δείκτη Νοημοσύνης της, ισοφαρίζοντας το Qwen3.8 27B με περίπου το ένα πέμπτο των ενεργών παραμέτρων. Η εταιρεία ανέφερε επίσης ότι ήταν περίπου έξι φορές φθηνότερο και τέσσερις φορές ταχύτερο ανά εργασία από το εν λόγω μοντέλο.thinkingmachines.ai+1
Η επανάληψη εγείρει ερωτήματα για την εποπτεία της τεχνητής νοημοσύνης, καθώς ένα μοντέλο μπορεί να συλλογίζεται εσωτερικά χωρίς να καταγράφει τα βήματά του. Το εργαστήριο δήλωσε ότι σε αυτή την κλίμακα, ο συλλογισμός μέσω αλυσίδας σκέψης "γίνεται πιο σύντομος αλλά παραμένει ευανάγνωστος". Κυκλοφορεί επίσης ένα ερευνητικό μοντέλο μεταβλητού βρόχου ώστε εξωτερικοί ερευνητές να μπορούν να το δοκιμάσουν. Το Unite.AI σημείωσε ότι η εταιρεία περιγράφει αυτά τα ευρήματα παρακολούθησης ως προκαταρκτικά.x.com+1
Τα βάρη βρίσκονται στο Hugging Face και το μοντέλο είναι διαθέσιμο στο Tinker για συμπερασμό και fine-tuning. Η υποστήριξη συμπερασμού από την πρώτη ημέρα καλύπτει τα SGLang, vLLM, Ollama και NVIDIA Dynamo, μεταξύ άλλων εργαλείων. Μέσω του Ollama, τρέχει σε Mac με τουλάχιστον 32GB RAM. Το vLLM δήλωσε ότι υποστηρίζει τόσο το κύριο μοντέλο όσο και το σημείο ελέγχου μεταβλητού βρόχου σε υλικό NVIDIA Blackwell, Hopper και DGX Spark.vllm.ai+1
Η εταιρεία είναι ειλικρινής σχετικά με τις αδυναμίες του μοντέλου. Σημειώνει 50,0% στο MultiChallenge και 33,4% στο ComplexConstraints v1.1, υπολειπόμενο του Qwen3.8-27B τόσο στη συνομιλία πολλών γύρων όσο και στις οδηγίες με πολλούς περιορισμούς. Η κάρτα μοντέλου προειδοποιεί επίσης ότι το μοντέλο "ενδέχεται να προβεί σε καταστροφικές ενέργειες, όπως διαγραφή ή αντικατάσταση αρχείων, χωρίς επιβεβαίωση". Συνιστά στους χρήστες να "εκτελούν εργασίες πρακτόρων σε περιβάλλον sandbox".thinkingmachines.ai+1