Как сообщает Thinking Machines Lab, компания представила Inkling 2 Small — второе поколение своих ИИ-моделей. Это архитектура Mixture-of-Experts («смесь экспертов») с 594 млрд параметров, из которых на каждый запрос активны лишь 17 млрд — такой подход ускоряет работу и снижает её стоимость. Модель принимает изображения и поддерживает переменную глубину размышлений.
На Artificial Analysis Intelligence Index, независимом сводном индексе качества моделей, Inkling 2 Small набрала 31 балл и заметно превзошла предыдущие поколения компании. Разработчики связывают это с улучшениями на всех этапах обучения и отмечают прирост в агентном программировании, работе со знаниями, рассуждениях и работе с изображениями. По данным Telegram-канала Data Secrets, Thinking Machines — стартап Миры Мурати, а скачок относительно первой версии получился «очень значительный».
Пока модель доступна только через платформу Tinker с закрытыми весами. После внешнего тестирования безопасности и редтиминга — атак на модель для поиска уязвимостей — Thinking Machines планирует выложить полные веса под лицензией Apache 2.0.
Ключевая демонстрация возможностей — «автоисследования»: Inkling 2 Small самостоятельно дообучила модель Qwen3.5-4B для прогнозирования временных рядов, включая погоду и просмотры страниц Википедии. Она сама написала оценщик качества, перебирала наборы данных и методы обучения (SFT и RL), а за 4,5 часа работы и $426 расходов на Tinker более чем удвоила показатель прогнозирования.
В задачах агентного программирования модель соперничает с GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Muse Spark Open и Kimi K3, местами занимая первые и вторые места в таблицах компании. По подсчётам Data Secrets, на внешнем бенчмарке PMPP-Hard по оптимизации GPU-ядер модель решает в среднем 54 из 69 задач — уровень DeepSeek V4.1 Flash. По оценке компании, после открытия весов Inkling 2 Small станет сильнейшей открытой моделью на DesignArena — платформе соревнований по дизайну и веб-разработке.
Изображения обрабатывает зрительный энкодер на 292 млн параметров на базе Perception Encoder; заявлены сильные OCR, чтение инфографики и визуальные рассуждения. На внутреннем тесте модель определила три вина по одной фотографии в 19 из 20 попыток, превзойдя исследователей компании.
