Модель для дообучения и задач с кодом

Thinking Machines представила Inkling 2 Small — второе поколение моделей семейства Inkling. Компания проектирует их как базовые модели для дообучения под специализированные задачи. Inkling 2 Small построена по архитектуре смеси экспертов: всего в ней 594 млрд параметров, из которых в каждый момент активны 17 млрд. Модель принимает текст и изображения, а настраиваемая глубина рассуждений позволяет выбирать между скоростью и тщательностью ответа.

По данным Thinking Machines, на индексе Artificial Analysis Intelligence Index модель набрала 31 балл — на 18 больше предшественницы Inkling Small и примерно столько же, сколько Gemini 3.8 Flash. Оценки и методику бенчмарка публикует Artificial Analysis.

Самый заметный прирост компания отмечает в агентных задачах, где модель самостоятельно выполняет многоэтапные процессы. В AutomationBench-AA результат вырос с 5 до 46%, а во FrontierCode 2.0 — с 5 до 25%. На тесте AA-Briefcase модель получила 1 527 Elo, на 615 баллов больше предшественницы. Доля галлюцинаций снизилась с 61 до 27%, однако источник связывает это в значительной степени с тем, что модель стала реже отвечать: доля ответов упала с 77 до 53%.

Больше вычислений — выше стоимость

На одну задачу Inkling 2 Small в среднем генерирует около 150 000 токенов — примерно в четыре раза больше предшественницы. По оценке Artificial Analysis, задача обходится в $1,18, почти в шесть раз дороже, чем у Inkling Small. При этом в сравнении из статьи стоимость ниже, чем у Gemini 3.8 Flash ($7,77) и Claude Sonnet 5.5 ($10,02).

Thinking Machines сообщает, что обучала модель с подкреплением на сотнях тысяч продолжительных задач по программированию. На FrontierCode 2.0 Inkling 2 Small набрала 25,4%, на DeepSWE — 72,1%, а на SWEBench Pro v2 (Hard) — 86,3%. В приведённом сравнении DeepSeek V4.1 Flash опередила её на FrontierCode и DeepSWE, получив соответственно 28,5% и 77%.

Визуальные задачи и доступ к модели

Компания также заявляет о сильных результатах в распознавании текста, понимании инфографики и визуальном рассуждении. В тесте документов GDP.pdf модель получила 25,2%, а на мультимодальном MMMU Pro — 81,6%. На PerceptionBench результат составил 64,7%. В DesignArena Website, где пользователи сравнивают созданные ИИ сайты, Inkling 2 Small набрала 1 340 Elo — это, по данным Thinking Machines, лучший результат среди моделей с открытыми весами.

Обучение во всех фазах охватило около 12 трлн токенов, утверждает компания. Этап обучения с подкреплением после базового обучения занял девять дней и использовал 3 трлн токенов на 2 048 графических процессорах. Среди ограничений модель не поддерживает аудио, хуже оптимизирована для чата и может не выбирать подходящие инструменты при работе с крупными кодовыми базами. Компания также отмечает неэффективные ответы и склонность чрезмерно реагировать на темы, связанные со здоровьем.

Сейчас Inkling 2 Small доступна через платформу Tinker. Thinking Machines планирует опубликовать веса модели по лицензии Apache 2.0 после завершения внешней проверки безопасности; сроки компания не уточнила.