Inkling 2 Small

Inkling 2 Small 是 Thinking Machines Lab 于 2026 年 11 月 5 日发布的第二代旗舰模型。官方公告：https://thinkingmachines.ai/news/inkling-2-small/ 。

定位：面向智能体编程、视觉、知识工作与推理的第二代 Mixture-of-Experts（MoE） 模型，并支持图像输入与可变推理力度（variable effort）。

要点：

• 参数规模：594B 总参数 / 17B 激活参数；
• 第三方指数：Artificial Analysis Intelligence Index 约 31（官方评测表中 AA Index v5.0 报 30.6）；
• 能力相对上一代全面提升，尤其擅长长程自主任务、视觉闭环与 agentic coding；
• 当前通过 Tinker 提供推理与微调（封闭权重）；完成外部安全测试与红队评估后，计划以 Apache 2.0 开源完整权重；
• 今日即可在 Tinker Playground 试用。

解决什么问题

开源权重阵营需要在「规模大、激活成本可控、可定制」之间取得平衡。Inkling 2 Small 用大总参数 + 较小激活量保留容量，同时把训练重心放在长程智能体任务与可微调性上。

技术与训练要点

• 预训练含多阶段（含约 8.4T 初始 token 及后续高质量/长上下文阶段），并在 GB300 上以 NVFP4 原生训练；
• 统一的大规模 RL 运行：超过 17M rollouts、约 9 天、2048 GPU，任务覆盖编程、办公知识工作、STEM、网页/应用构建、视觉与工具使用等；
• 视觉侧使用约 292M 参数的 Perception Encoder 风格编码器，图文交错；
• 强调自定义/微调响应速度：官方称在相同数据与算法下比上一代更快学到更高表现。

局限

• 初始为封闭权重，完整权重待安全评估后放出；
• 官方说明：不支持音频；偏智能体/工作负载，对纯聊天体验未做极致优化；
• 部分对齐与安全指标仍落后闭源顶尖模型。

适合谁

• 需要在 Tinker 上做推理、采样或领域微调的团队；
• 关注开源权重路线、agentic coding / 视觉创作 / 知识工作的开发者与研究组；
• 希望用可下载检查点做后训练的实验室。

如何上手

1. 阅读官方博客 https://thinkingmachines.ai/news/inkling-2-small/ ；
2. 在 Tinker Playground 试用推理；通过 Tinker 做 fine-tune / sampling；
3. 关注安全测试完成后的 Apache 2.0 权重发布与检查点下载；
4. 评估时注意官方评测多用 effort 0.99（xhigh）、温度 1.0，并以最长约 1M token 轨迹上限运行。