Thinking Machines veröffentlicht Inkling 2 Small, Gewichte folgen später

Thinking Machines Lab, das von der ehemaligen OpenAI-Technologiechefin Mira Murati gegründete Startup, hat am Donnerstag, den 5. November, Inkling 2 Small veröffentlicht. Das Modell ist die zweite Generation und das bisher leistungsfähigste des Unternehmens. Vorerst ist es nur über die Tinker-Plattform des Unternehmens verfügbar, und die Gewichte sind geschlossen. Das Labor teilte mit, dass es plant, die vollständigen Gewichte nach Abschluss externer Sicherheitstests und Red-Teaming-Verfahren in der kommenden Woche unter einer Apache 2.0-Lizenz zu veröffentlichen.thinkingmachines.ai

Das Modell ist ein Mixture-of-Experts-System mit insgesamt 594 Milliarden Parametern, von denen 17 Milliarden gleichzeitig aktiv sind. Es akzeptiert Text- und Bildeingaben, ermöglicht es Benutzern, den Rechenaufwand anzupassen, und erreicht laut Unternehmensangaben 31 Punkte auf dem Artificial Analysis Intelligence Index. Der Vorgänger, Inkling Small, erzielte 13 Punkte auf demselben Index, und der neue Wert platziert das Modell laut The Decoder etwa auf dem Niveau von Googles Gemini 3.8 Flash. Das Unternehmen bezeichnet es als das stärkste westliche Modell mit offenen Gewichten, wobei dieser Anspruch davon abhängt, dass die Gewichte tatsächlich veröffentlicht werden.the-decoder.com+1

Fortschritte bei agentenbasierten Aufgaben, zu höheren Kosten

Die größten Verbesserungen liegen bei agentenbasierten Aufgaben. Die Punktzahl bei AutomationBench-AA stieg von 5 % auf 46 %, und der FrontierCode 2.0-Wert verbesserte sich von 5 % auf 25 %, berichtete Techstrong.ai unter Berufung auf Artificial Analysis. Das Modell erreichte 86,3 % bei SWE-Bench Pro v2 (Hard), erzielte jedoch nur 13,1 % bei Terminal-Bench 4.0, wie MarkTechPost anmerkte. DeepSeek V4.1 Flash führt laut The Decoder weiterhin bei mehreren Codierungstests.marktechpost.com+2

Die besseren Ergebnisse sind mit höheren Kosten verbunden. Artificial Analysis stellte fest, dass das Modell pro Aufgabe etwa viermal so viele Output-Token produziert wie sein Vorgänger, was die durchschnittlichen Kosten pro Aufgabe laut Techstrong.ai von 0,20 Dollar auf 1,18 Dollar erhöhte. Das liegt laut The Decoder immer noch deutlich unter Gemini 3.8 Flash mit 7,77 Dollar und Claude Sonnet 5.5 mit 10,02 Dollar. Das Modell unterstützt ein Kontextfenster von bis zu 1 Million Token und wurde nativ im NVFP4-Vier-Bit-Format von Nvidia trainiert, berichtete i-SCOOP.techstrong.ai+2

Ein stufenweiser Weg zu offenen Gewichten

Die geschlossene Einführung folgt dem, was das Unternehmen als seinen "sicheren Weg zu offenen Gewichten" bezeichnet. Entwickler können das Modell bereits auf Tinker feinabstimmen und testen, und Checkpoints werden herunterladbar sein, sobald die Gewichte veröffentlicht sind, so das Labor. Die eigene Produktseite des Unternehmens ist weniger spezifisch. Dort heißt es, die Gewichte würden "in den kommenden Wochen" folgen, abhängig von den Ergebnissen weiterer Sicherheitstests.thinkingmachines.ai+1

Thinking Machines räumte auch einige Schwächen ein. Das Modell kommuniziert manchmal ineffizient, wählt nicht immer die besten Werkzeuge für große Codebasen, unterstützt kein Audio und ist weniger für Chats optimiert, berichtete The Decoder. Die Veröffentlichung erfolgt zu einem Zeitpunkt, an dem das Unternehmen laut Techstrong.ai kurz vor dem Abschluss einer Finanzierungsrunde über 5 Milliarden Dollar steht.techstrong.ai+1