Thinking Machines Lab, założone przez byłą dyrektorkę techniczną OpenAI Mirę Murati, zaprezentowało Inkling 2 Small 5 listopada 2026 r. To pierwszy model drugiej generacji rodziny Inkling i — jak opisuje go firma — jej najzdolniejszy model.
3
5
13
Na razie można korzystać z niego przez platformę Tinker, ale nie pobrać jego wag. Firma zapowiada pełne wagi na licencji Apache 2.0 po zakończeniu zewnętrznych testów bezpieczeństwa i red-teamingu.
3
Czym jest Inkling 2 Small?
To model typu mixture of experts (MoE), czyli architektura, która aktywuje tylko część parametrów podczas przetwarzania danego tokenu. Łącznie ma 594 mld parametrów, z czego aktywnych jest 17 mld na token. Przyjmuje tekst i obrazy, generuje tekst oraz pozwala regulować intensywność rozumowania.
2
3
Specyfikacja modelu podaje kontekst do miliona tokenów. Nie oznacza to jednak, że taki limit jest dostępny w każdej konfiguracji Tinkera — limity platformy mogą być niższe.
4
9
Tinker teraz, otwarte wagi później?
Przy premierze Inkling 2 Small jest modelem o zamkniętych wagach. W Tinker można go używać do generowania odpowiedzi i dostrajania, ale nie można pobrać modelu i uruchomić go samodzielnie.
2
3
Thinking Machines Lab deklaruje, że chce udostępnić pełne wagi na licencji Apache 2.0 po zewnętrznych testach bezpieczeństwa i red-teamingu. Co do terminu źródła nie są zgodne: komunikat o premierze mówi o „przyszłym tygodniu”, a strona rodziny modeli — o „nadchodzących tygodniach” i uzależnia publikację od wyników dodatkowych testów. To zapowiedź, nie potwierdzona data pobrania.
3
13
Co mówią wyniki testów?
Artificial Analysis przyznało modelowi 31 punktów w Intelligence Index — o 18 więcej niż poprzednik. Według tej organizacji, jeśli wagi zostaną opublikowane, Inkling 2 Small zajmie w aktualnym zestawieniu pierwsze miejsce wśród modeli z otwartymi wagami opracowanych poza Chinami. To warunkowa pozycja w konkretnym rankingu, a nie twierdzenie, że model jest już otwarty lub najlepszy w każdym zastosowaniu.
20
Osobne zestawienie podaje, że wynik w Intelligence Index jest w przybliżeniu na poziomie Gemini 3.8 Flash przy najwyższym ustawieniu rozumowania. Porównanie dotyczy tego indeksu, nie wszystkich zadań i zastosowań.
11
W testach zadań agentowych Artificial Analysis odnotowało wzrost wyniku względem poprzedniego Inklinga: AutomationBench-AA wzrósł z 5% do 46%, a FrontierCode 2.0 — z 5% do 25%.
20 Karta modelu podaje też 13,1% w Terminal-Bench v4.0 oraz 86,3% w SWE-Bench Pro v2 (Hard); w tabeli ten drugi wynik oznaczono jako drugi najwyższy w danym zestawieniu.
26
Wyniki pochodzą z różnych testów, więc nie składają się na jedną uniwersalną miarę zdolności programistycznych. Benchmark opisuje działanie modelu w określonych warunkach — nie gwarantuje takiej samej skuteczności w każdym projekcie.
Uczenie i praktyczne ograniczenia
Relacje dotyczące premiery podają, że wstępne trenowanie modelu odbywało się natywnie z użyciem formatu Nvidia NVFP4, czyli czterobitowej precyzji zmiennoprzecinkowej. To informacja o sposobie trenowania, odrębna od liczby parametrów i wyników testów.
17
Model przyjmuje tekst i obrazy, ale dostępne opisy wskazują, że generuje tekst i nie obsługuje wejścia audio.
1
6 Dla osób, które chcą go wypróbować, kluczowa jest dziś forma dostępu: Tinker oferuje generowanie odpowiedzi i dostrajanie, natomiast pobranie wag pozostaje uzależnione od testów bezpieczeństwa.
2
3