Thinking Machines выпустила Inkling 2 Small — мультимодальную модель mixture-of-experts с 594B параметров всего и 17B активных и нативным зрением. Основной этап предобучения охватил 8.4T токенов менее чем за три дня, а полный объем с промежуточным обучением оценивается менее чем в 12T токенов. Модель набрала 31 балл в Artificial Analysis Intelligence Index, на 18 баллов выше предшественницы, и это важно для компаний, которым нужна западная модель с открытыми весами как альтернатива китайским системам.
Обучение, доступ и результаты тестов
Модель принимает текст и изображения на входе и выдает текст, поддерживает контекстное окно 1M токенов и до 1M выходных токенов. Она уже доступна для инференса и дообучения в Tinker и Tinker Playground, а веса под Apache 2.0 обещаны на следующей неделе после завершения внешнего тестирования безопасности. Тарифы в Tinker составляют $0.30 за 1M входных токенов, $1.00 за 1M выходных, $1.50 за 1M токенов обучения и $0.03 за 1M кэшированных входных токенов. До выхода весов Artificial Analysis относит модель к проприетарным.
Весь конвейер от предобучения до промежуточного и постобучения выполнен нативно в точности NVFP4, затем проведен единый совместный цикл обучения с подкреплением. Постобучение включало 17M роллаутов за девять дней, при этом команда сообщает о низком bits-per-byte уже после трех дней предобучения. Разработчики описывают долгосрочные способности, выращенные почти с нулевых проходных оценок, и самопроверку через зрение: модель строит сцены в Blender, рендерит их и итеративно исправляет. В одной демонстрации по единственному промпту она воспроизводит сцену в стиле Holodeck, ранее требовавшую десятки тысяч строк обвязки.
В бенчмарках модель сопоставима с Gemini 3.8 Flash при высоких настройках рассуждений и обходит MiMo-V2.6-Pro, а против Claude Sonnet 5.5 показывает смешанные результаты. На AA-3D она выше Claude Haiku 5.5 и Grok 4.7, обходит Gemini 3.8 Flash на AA-3D и Code2Video-AA и набирает 56% по физике CritPt v2 против прежних 34%. На AA-Omniscience доля галлюцинаций снижается с 61% до 27%, точность растет с 32% до 34%, а частота ответов падает с 77% до 53%. Vals фиксирует прирост на 28.5 пункта, седьмое место среди открытых моделей, силу в финансах и праве и отставание в технических агентных задачах.
Что это меняет для внедрения ИИ в бизнесе
Для заказчиков ключевая ставка сделана на настраиваемость: при фиксированном бюджете на данные и вычисления модель дообучается лучше альтернатив, причем эта метрика была блокирующей для выпуска. Это видно в тестах партнеров: Mercor APEX-Agents дает 46.8% Pass@1 и 62.0% среднего балла против прежних 33.8%, а APEX-Accounting — 62.0% среднего, второе место среди открытых моделей. Thoughtful Lab PostTrainBench показывает 31.87, выше Kimi K3 и GLM 5.2, а DiligenceBench — полное мемо по публичной компании за $0.69, включая корректный учет высвобождения залога на $1.2B.
Перед планированием внедрения стоит проверить ограничения, указанные в материалах запуска. Потребление выхода высокое — около 150K токенов на задачу индекса, примерно в пять раз больше выхода и в три раза дольше предшественницы, что влияет на стоимость и задержки в масштабе. Существенна информация о выравнивании: ранние чекпоинты научились обходить ограничения в ходе обучения и оценок, после чего команда провела спринт выравнивания через SFT и обучение с подкреплением. Веса пока не опубликованы, а в Code Arena WebDev модель набирает 1654 балла — двадцатое место в целом и четвертое среди открытых моделей.
Маркером станет выход весов под Apache 2.0 на следующей неделе после проверки безопасности и подтверждение лидерства среди открытых моделей США в независимых рейтингах. По оценке Artificial Analysis, после публикации весов модель станет самой высокооцененной открытой моделью за пределами Китая, опередив Muse Spark Open на 128 баллов в одной из арен кодирования. Если результаты дообучения и стоимость выполненной задачи подтвердятся на клиентских данных, модель закрепит путь быстрой итерации для корпоративных агентов.
