Thinking Machines 发布 Inkling 2 Small，称其为最强西方开源权重模型

Inkling 2 小型号称是最强大的西方开放重量模型，拥有 170 亿个活跃参数，基准分数远超其前身。

由前 OpenAI 首席技术官 Mira Murati 创立的风投公司 Thinking Machines，发布了其第二代模型 Inkling 2 小型。Inkling 模型被设计为用于微调的基础模型，这可能使它们特别适合专业应用。

专家混合模型总共包含 5940 亿个参数，其中任何时候都有 170 亿个是活跃的。它接受文本和图像作为输入，并提供可调节的思考深度，让用户可以在速度和彻底性之间进行选择。

在人工智能分析指数上，Inkling 2 小型得分为 31 分，根据 Thinking Machines 的说法。这比前身 Inkling 小型（13 分）高出 18 分，大致与 Google 的 Gemini 3.8 Flash 相当。

Inkling 2 小型在人工智能分析指数上得分为 31 分，比前身 Inkling 小型（13 分）提高了 18 分，与 Gemini 3.8 Flash 大致相当。 | 图片：人工智能分析

最大的进步体现在代理任务中，模型可以独立执行多步骤工作流程。在 AutomationBench-AA 上的得分从 5 上升到 46%，在 FrontierCode 2.0 上从 5 上升到 25%。在知识工作基准 AA-Briefcase 上，Inkling 2 小型达到了 1527 Elo，比其前身高出 615 分。幻觉率从 61% 下降到 27%，但主要是因为模型回答的问题更少。响应率从 77% 下降到 53%。

成本上升但仍远低于竞争对手

更好的结果部分是以更高的令牌使用为代价取得的。Inkling 2 小型平均每个任务产生大约 150,000 个输出令牌，比其前身多约四倍。根据人工智能分析的数据，每个任务的成本为 1.18 美元，几乎是其前身的六倍。这仍然远低于 Gemini 3.8 Flash（7.77 美元）或 Claude Sonnet 5.5（10.02 美元），并且更接近低成本中国模型的价格范围。

Inkling 2 小型每个任务的成本为 1.18 美元，远低于 Gemini 3.8 Flash 或 Claude Sonnet 5.5。在下方的象限图中，它位于低成本和高智能的甜点区域。 | 图片：人工智能分析

Thinking Machines 表示，它使用强化学习在数十万个长时程编码任务上训练了该模型。一个自动评估系统检查了代码是否工作以及模型如何处理每个任务。在 FrontierCode 2.0 上，Inkling 2 小型达到了 25.4%，在 DeepSWE 上为 72.1%，在 SWEBench Pro v2（困难）上为 86.3%。新的 Deepseek-V4.1-Flash 在大多数这些测试中仍然领先，在 FrontierCode 上达到 28.5%，在 DeepSWE 上达到 77%。

Inkling 2 小型在 FrontierCode v2.0 上得分为 25.4%，在 DeepSWE v1.1 上得分为 72.1%。DeepSeek V4.1 Flash 在单项测试中领先；在 SWEBench Pro v2（困难）上，Kimi K3 几乎领先于整个领域。更新的 Kimi K3.1 Pro 没有出现在比较中。 | 图片：Thinking Machines

在开放重量模型中，视觉和设计得分领先

Thinking Machines 表示该模型在文本识别、信息图表解释和视觉推理方面表现最强。在测试模型能否从复杂 PDF 文档中回答问题的文档基准 GDP.pdf 上，它的得分是 25.2%，在比较的模型中最高。在 MMMU Pro 这个用于学术任务的多模态理解基准（涉及图表和图形），Inkling 2 Small 达到了 81.6%。

在测试多模态模型的视觉感知能力的 PerceptionBench 上，它以 64.7% 的成绩领先。在视觉创作方面，该模型在 DesignArena 网站（用户在头对头比较中评分 AI 生成的网站）上获得了 1,340 Elo 评分。这是在开放权重模型中的最高分。Thinking Machines 表示该模型在 3D 建模方面也有所进步。

在一次不太寻常的展示中，团队让该模型与自己的研究人员进行了一场盲品葡萄酒比赛。仅凭照片，Inkling 2 Small 在 20 次尝试中有 19 次正确识别了三种葡萄酒。

紧凑的训练运行，开放权重即将到来

与竞争对手相比，总训练运行非常紧凑。根据 Thinking Machines 的说法，在所有阶段中，模型处理了大约 12 万亿个 token，远少于可比对手。基础训练后的强化学习阶段只需要在 2,048 个 GPU 上进行九天，处理 3 万亿个 token。

Thinking Machines 表示该模型有时沟通效率不高，而这可能是一个更大的问题，因为它不总是为大型代码库选择最佳工具。它不支持音频，并且在聊天方面优化较少。它还可能对与健康相关的话题反应过度，并产生杂乱的输出。

目前，Thinking Machines 通过其 Tinker 平台提供该模型。该公司计划在完成外部安全测试后，以 Apache 2.0 许可证发布模型权重。这是最宽松的开源许可证之一，比 Meta 或 Mistral 等更严格的开放权重许可证具有优势。Thinking Machines 表示该模型属于不同尺寸的系列，该公司计划很快发布更多变体。

AI 新闻无浮夸——由人类编辑

订阅 THE DECODER 以获得无广告阅读、每周 AI 新闻、我们独有的 "AI 雷达" 前沿报告（每年六次）、完整档案访问以及访问我们的评论部分。