Thinking Machines Lab lanceerde Inkling 2 Small op 5 november 2026 als eerste model van zijn tweede generatie. Het model telt 594 miljard parameters, waarvan er per token 17 miljard actief zijn. Bij de lancering was het alleen beschikbaar via het Tinker-platform van het bedrijf, met gesloten gewichten. Thinking Machines wil de volledige gewichten onder de Apache 2.0-licentie uitbrengen, maar zegt dat daarvoor eerst externe veiligheidstests nodig zijn.
3
Wat is Inkling 2 Small?
Thinking Machines Lab, opgericht door voormalig OpenAI-CTO Mira Murati, noemt Inkling 2 Small zijn krachtigste model tot nu toe en het eerste model van de tweede Inkling-generatie.
5
13 Het is een mixture-of-experts-model: een architectuur waarbij niet alle parameters voor elke taak worden ingezet. Het model kan tekst en afbeeldingen verwerken en biedt instelbare redeneerinspanning. Ontwikkelaars kunnen het via Tinker gebruiken voor inferentie, sampling en fine-tuning, maar konden de modelgewichten bij de lancering nog niet downloaden.
2
3
De opgegeven contextlengte loopt op tot één miljoen tokens. Dat betekent niet dat die lengte in elke Tinker-configuratie beschikbaar is: volgens berichtgeving kunnen de limieten van het platform verschillen.
4
9
Nu via Tinker, open gewichten mogelijk later
Bij de lancering bood Thinking Machines Inkling 2 Small aan via Tinker met gesloten gewichten. Het bedrijf zegt de volledige gewichten onder Apache 2.0 beschikbaar te willen maken na externe veiligheidstests en red-teaming.
3
Over de timing bestaat geen eenduidigheid in de beschikbare informatie. In de lanceringsaankondiging staat “volgende week”; de pagina over de Inkling-modelfamilie spreekt van “de komende weken” en koppelt de release aan aanvullende veiligheidstests.
3
13 Beschouw die termijnen daarom als plannen, niet als een bevestigde downloaddatum.
Wat zeggen de benchmarkresultaten?
Artificial Analysis geeft Inkling 2 Small een score van 31 op de Intelligence Index, 18 punten meer dan zijn voorganger.
20 Volgens de organisatie zou het model, als de gewichten daadwerkelijk worden uitgebracht, in de huidige ranglijst het hoogst scorende open-weightmodel zijn dat buiten China is ontwikkeld. Die claim is voorwaardelijk: bij de lancering waren de gewichten nog gesloten, en de ranglijst zegt niet dat het model op iedere taak bovenaan staat.
20
Een afzonderlijk bericht zet de score ongeveer op gelijke hoogte met Gemini 3.8 Flash op de hoogste redeneerinstelling.
11 Dat is een vergelijking op basis van de indexscore, niet noodzakelijk voor elke taak of toepassing.
Artificial Analysis rapporteert ook hogere scores dan bij de vorige Inkling op tests voor agentische taken: AutomationBench-AA steeg van 5% naar 46% en FrontierCode 2.0 van 5% naar 25%.
20 Op de modelkaart staat 13,1% voor Terminal-Bench v4.0 en 86,3% voor SWE-Bench Pro v2 (Hard). In de tabel wordt die laatste score aangeduid als de op één na hoogste gerapporteerde score in die rij.
26 Omdat dit verschillende evaluaties zijn, vormen de percentages samen geen universele maat voor programmeervaardigheid.
Training en praktische kanttekeningen
Berichtgeving over de lancering meldt dat het model tijdens de pretraining native gebruikmaakte van Nvidia’s NVFP4, een vierbitsnotatie voor getallen.
17 Dit is een gerapporteerd trainingsdetail, los van het aantal parameters en de benchmarkscores.
Inkling 2 Small kan afbeeldingen en tekst verwerken, maar genereert tekst en ondersteunt volgens de beschikbare beschrijvingen geen audio-invoer.
1
6 Voor ontwikkelaars is het belangrijkste praktische onderscheid voorlopig de manier waarop je toegang krijgt: via Tinker kun je het model gebruiken en fine-tunen, terwijl downloadbare gewichten nog wachten op externe veiligheidstests.
2
3