Как сообщает The Decoder, Thinking Machines — стартап бывшего технического директора OpenAI Миры Мурати — представил Inkling 2 Small, второе поколение своих моделей. Архитектура построена на «смеси экспертов»: из 594 млрд параметров в каждый момент работают только 17 млрд. Модель понимает текст и изображения, а глубину «размышлений» можно настраивать, балансируя между скоростью и тщательностью ответа.
Линейка Inkling задумана как базовые модели для дообучения: компании смогут адаптировать их под узкие задачи. По данным Thinking Machines, на индексе интеллекта Artificial Analysis новинка набрала 31 балл против 13 у первого Inkling Small и показала результат примерно на уровне Gemini 3.8 Flash от Google. Сильнее всего прибавка в агентных сценариях, где модель сама выполняет многошаговую работу: на AutomationBench-AA — рост с 5 до 46%, на FrontierCode 2.0 — с 5 до 25%, на бенчмарке офисных задач AA-Briefcase — плюс 615 пунктов Elo, до 1 527.
Доля галлюцинаций, то есть выдуманных фактов, снизилась с 61 до 27%, но в основном из-за того, что модель стала чаще отказываться отвечать: доля ответов упала с 77 до 53%. Качество подорожало: в среднем модель выдаёт около 150 тыс. токенов (единиц текста) на задачу — вчетверо больше предшественницы, — и по расчётам Artificial Analysis одна задача обходится в $1,18, почти в шесть раз дороже. Всё же это значительно дешевле, чем Gemini 3.8 Flash ($7,77) и Claude Sonnet 5.5 ($10,02).
Обучение вышло компактным по индустриальным меркам: суммарно модель обработала около 12 трлн токенов, а этап обучения с подкреплением на сотнях тысяч долгих задач по программированию занял девять дней на 2 048 GPU и 3 трлн токенов. В коде Inkling 2 Small набирает 25,4% на FrontierCode 2.0, 72,1% на DeepSWE и 86,3% на SWEBench Pro v2 (Hard), но по первым двум тестам впереди DeepSeek-V4.1-Flash с 28,5% и 77%. На SWEBench Pro v2 (Hard) узкое первенство держит Kimi K3.
Сильная сторона новинки — работа с изображениями: распознавание текста, чтение инфографики и визуальное мышление. На GDP.pdf, тесте ответов на вопросы по сложным PDF-документам, модель показала лучший среди сравниваемых результат — 25,2%, на MMMU Pro — 81,6%, на PerceptionBench лидирует с 64,7%, а на DesignArena Website, где вслепую сравнивают сгенерированные ИИ сайты, получила 1 340 Elo — максимум среди моделей с открытыми весами. В необычной демонстрации модель по одной фотографии верно определила три вина в 19 попытках из 20.
Разработчики признают и слабые места: модель не поддерживает аудио, хуже приспособлена для чата, не всегда выбирает удачные инструменты для больших кодовых баз, избыточно реагирует на темы здоровья и выдаёт перегруженные тексты. Сейчас модель доступна через платформу Tinker, а после завершения внешнего тестирования безопасности Thinking Machines опубликует веса под лицензией Apache 2.0 — одной из самых свободных, в отличие от более строгих условий Meta и Mistral. Компания также обещает выпустить другие модели этого семейства.
