Thinking Machines 发布 Inkling 2 Small:594B 参数 MoE 模型,支持图像输入与可变推理强度
Thinking Machines 宣布第二代模型 Inkling 2 Small,总参数 594B、活跃 17B,支持图像输入和可变推理强度。模型先通过 Tinker 平台以闭源权重提供,计划外部安全测试后以 Apache 2.0 开放权重。
Thinking Machines 发布第二代模型 Inkling 2 Small。这是一个 Mixture-of-Experts 模型,总参数 594B,活跃参数 17B,支持图像输入和可变推理强度。公司在发布说明中称,Inkling 2 Small 在 Artificial Analysis Intelligence Index 上得分为 31,远超前代模型,性能提升来自更高效的预训练和一次大规模统一 RL 运行。模型先通过 Tinker 平台提供,权重暂时闭源;公司计划在完成外部安全测试和红队测试后,以 Apache 2.0 许可开放完整权重。用户现在可以在 Tinker Playground 上试用,也可以在 Tinker 上进行微调和采样,检查点会随权重发布提供下载。
长程自主任务与编码能力
Inkling 2 Small 针对长程自主工作进行了强化。训练使用了数十万个长程编码任务,覆盖多种 agent 框架和上下文压缩策略;合成编码数据管道质量提升,奖励不再局限于单元测试,许多任务还引入了 agentic RL 评分器,评估模型解决问题的方式。早期检查点曾以 Fledge-Alpha 名称在 OpenCode 上进行测试。官方称,新模型在编码任务上更强,也更容易在真实 agent 循环中使用:指令遵循更好,会审慎考虑改动,并主动验证自己的工作。
在多个编码与自主研究基准上,Inkling 2 Small 取得了较高报告分数。FrontierCode v2.0 为 25.4%(该行第二高)、DeepSWE v1.1 为 72.1%(第二高)、SWEBench Pro v2(Hard)为 86.3%(第二高)、Vibe Code Bench v1.1 为 81.6%、PostTrainBench v1.2 为 31.9%(第二高)、Terminal Bench Science v0.1 为 5.7%。在外部 GPU 内核优化基准 PMPP-Hard 上,69 个任务、10 小时预算下,Inkling 2 Small 平均解决 54.25 个任务,Pass@4 为 64,AUC 为 494.27 task-hours;低于 GPT-6 Astra(63)、Kimi K3.1 Pro(60.5)、Claude Opus 5.5(60)等,但高于 GLM 5.3(52.5)、Mistral Large 4(50.25)等。
自主研究方面,模型还接受了长程任务训练,包括 GPU 内核优化和跨多种 GPU 架构的 ML 任务(如自主后训练模型)。在 DeepSeek-V3.2 sparse attention 前向+反向内核的初步优化测试中,Inkling 2 Small 相对原始代码实现了 6.02× 加速;同一测试中 Claude Opus 5.5 为 18.80×、GPT-6 Astra 为 10.26×、DeepSeek V4.1 Flash 为 5.66×。
视觉理解与生成
Inkling 2 Small 使用一个 292M 参数的视觉编码器(基于 Perception Encoder,Bolya et al., 2025),采用 20×20 像素块和 2×2 空间池化,图像块与文本 token 交错输入。官方表示,模型在 OCR、grounding、信息图解读和视觉推理上表现较强。
多个视觉基准上,Inkling 2 Small 拿到该行最高报告分数:MMMU Pro 81.6%、PerceptionBench 64.7%、Humanity’s Sixth Sense 33.3%、ScreenSpot Pro(with Python)91.5%、BabyVision(with Python)93.7%、Chartography(with Python)80.4%。在 DesignArena Website 榜单上,Inkling 2 Small 得分 1,340,低于 Muse Wonder(1,366)和 Muse Spark 1.3(1,351),但高于 GPT-6 Astra(1,333)等;权重开放后,它将成为该榜单中得分最高的开放权重模型。
视觉还能驱动生成与迭代:官方展示了一个用 Three.js 程序化生成的完整城市模拟器,所有建筑、纹理和车辆均无预制资源;一个从零编写的 Python PC 模拟器,可启动真实 Linux 内核并在浏览器中运行;一个手绘山谷与折纸鹤的 Blender 场景;以及从地图生成楼层平面漫游视频。
在一次盲品葡萄酒测试中,Inkling 2 Small 仅凭一张照片,在 20 次试验中 19 次正确识别三杯酒。