Inkling 2 Small от Thinking Machines претендует на звание лучшей западной модели с открытыми весами

Устройство и результаты

Inkling 2 Small — модель на основе смеси экспертов с 594 млрд параметров, из которых одновременно активны 17 млрд. Она принимает текст и изображения, а глубину рассуждений можно настраивать, выбирая между скоростью и тщательностью. Модели Inkling рассчитаны на дообучение, поэтому могут подойти для специализированных применений.

По данным Thinking Machines, в Artificial Analysis Intelligence Index модель набрала 31 балл. Предыдущая Inkling Small получила 13 баллов, а результат новой версии примерно соответствует показателю Gemini 3.8 Flash от Google.

Inkling 2 Small набирает 31 балл по индексу интеллекта Artificial Analysis — на 18 баллов больше, чем предшественник Inkling Small (13), и столько же, сколько Gemini 3.8 Flash

Источник: the-decoder.com

Наибольший прирост пришёлся на задачи, где модель самостоятельно выполняет многошаговые рабочие процессы. В AutomationBench-AA результат вырос с 5 до 46%, а в FrontierCode 2.0 — с 5 до 25%. В бенчмарке для задач, связанных с интеллектуальной работой, AA-Briefcase, модель набрала 1527 Эло — на 615 пунктов больше предшественницы. Доля галлюцинаций снизилась с 61 до 27%, однако главным образом потому, что модель стала реже отвечать: доля ответов упала с 77 до 53%.

По данным Artificial Analysis, Inkling 2 Small стоит 1,18 доллара за задачу — значительно дешевле Gemini 3.8 Flash или Claude Sonnet 5.5. На квадрантной диаграмме (ниже) модель находится в оптимальной зоне низкой стоимости и высокого интеллекта

Источник: the-decoder.com

На бенчмарках для программирования Thinking Machines также сообщает о высоких результатах: Inkling 2 Small набрала 25,4% в FrontierCode 2.0, 72,1% в DeepSWE и 86,3% в SWEBench Pro v2 (Hard). При этом новая Deepseek-V4.1-Flash опережает её в большинстве этих тестов: у неё 28,5% в FrontierCode и 77% в DeepSWE.

Цена и обучение

Улучшение результатов сопровождается ростом расхода токенов. В среднем Inkling 2 Small выдаёт около 150 000 выходных токенов на задачу — примерно в четыре раза больше, чем предшественница. По данным Artificial Analysis, одна задача стоит $1,18, почти в шесть раз дороже, чем у Inkling Small. Но это меньше, чем у Gemini 3.8 Flash ($7,77) и Claude Sonnet 5.5 ($10,02); цена ближе к уровню недорогих китайских моделей.

Thinking Machines обучала модель с помощью обучения с подкреплением на сотнях тысяч длительных задач по программированию. Автоматизированная система оценки проверяла, работает ли написанный код и каким способом модель решала задачу. Всего за все этапы обучения модель обработала около 12 трлн токенов — по данным компании, заметно меньше, чем сопоставимые модели. После базового обучения этап обучения с подкреплением занял девять дней: модель обработала 3 трлн токенов на 2048 графических процессорах.

Зрение и визуальные задачи

Thinking Machines называет сильными сторонами модели распознавание текста, интерпретацию инфографики и визуальное рассуждение. В GDP.pdf — тесте на ответы по сложным PDF-документам — Inkling 2 Small набрала 25,2%, больше остальных сравниваемых моделей. В MMMU Pro, где проверяется мультимодальное понимание учебных задач с диаграммами и иллюстрациями, результат составил 81,6%.

В PerceptionBench, оценивающем визуальное восприятие мультимодальных моделей, Inkling 2 Small набрала 64,7% и заняла первое место. Для оценки создания визуальных материалов использовался DesignArena Website: пользователи сравнивают созданные ИИ сайты попарно. Модель получила 1340 Эло — это лучший результат среди моделей с открытыми весами. Thinking Machines также сообщает об улучшениях в 3D-моделировании.

В одной из необычных демо команда устроила слепую дегустацию вина между моделью и собственными исследователями. Получив только фотографию, Inkling 2 Small правильно определила три вина в 19 из 20 попыток.

Inkling 2 Small набирает 25,4 процента на FrontierCode v2.0 и 72,1 процента на DeepSWE v1.1. DeepSeek V4.1 Flash лидирует в отдельных тестах; на SWEBench Pro v2 (Hard) Kimi K3 с небольшим отрывом опережает остальных. Более новая Kimi K3.1 Pro в сравнении не представлена

Источник: the-decoder.com

Ограничения и планы выпуска

Thinking Machines отмечает, что модель иногда отвечает неэффективно и не всегда выбирает подходящие инструменты при работе с большими кодовыми базами. Она не поддерживает аудио и хуже приспособлена к диалогам. Кроме того, модель может чрезмерно реагировать на темы, связанные со здоровьем, и выдавать перегруженные ответы.

Сейчас Inkling 2 Small предлагается через платформу Tinker. Thinking Machines планирует опубликовать веса по лицензии Apache 2.0, когда завершится внешняя проверка безопасности. Это одна из наиболее разрешительных лицензий на открытое программное обеспечение; она менее ограничительна, чем лицензии на открытые веса Meta и Mistral. Компания говорит, что модель входит в семейство версий разного размера и что в ближайшее время намерена выпустить новые варианты.

По оценке Dataist, результаты Inkling 2 Small сочетают заметный прирост в агентных и визуальных задачах с высокой стоимостью и ограничениями в работе с кодовыми базами и диалогами. Пока веса не опубликованы, модель нельзя считать доступной на условиях, заявленных для будущего выпуска: сейчас она предоставляется через Tinker, а публикация зависит от завершения проверки безопасности.