Thinking Machines 发布 Inkling 2 Small：594B 总参数、17B 激活的 MoE 模型

Thinking Machines Lab 发布了 Inkling 2 Small，这是其第二代 Inkling 的首个模型。Inkling 2 Small 是一个稀疏混合专家（MoE）模型，总参数 594B，激活参数 17B。它接受文本和图像输入，并支持可变的推理强度。在 Artificial Analysis Intelligence Index 上，它得分 31。其前代 Inkling Small 在同一指数上得分 13。该模型已在 Tinker 上线，可用于微调和推理。

TL;DR

规模：总参数 594B、激活参数 17B 的 MoE；1M token 上下文。
运行平台：目前仅通过 Tinker API 提供。自托管硬件未披露。权重支持 MXFP8 和 NVFP4。
性能：AA Intelligence Index 得分 31，在其价格档的 29 个模型中排名第 4。
最佳：SWE-Bench Pro v2（Hard）得分 86.3%，在该实验室的表格中仅次于 Kimi K3。
最差：Terminal-Bench 4.0 得分 13.1%，而 GLM-5.3-Flash 为 32.8%。

Inkling 2 Small 是什么？

Inkling 2 Small 是 Thinking Machines Lab 推出的多模态 MoE 模型，面向智能体编程、视觉和知识工作。它接受文本和图像输入，返回文本。需要指出的是，它目前不支持音频。

权重在发布时闭源。Thinking Machines Lab 计划在下周进行外部安全测试和红队测试后，以 Apache 2.0 许可发布。这遵循其开放权重的安全路径政策。

Inkling 2 Small 是如何构建的？

它包含一个 48 层的仅解码器 Transformer。每个 token 路由到 384 个专家中的 8 个。注意力混合了局部层和全局层。一个基于 Perception Encoder 的 292M 参数视觉编码器使用 20×20 像素的图块，并进行 2×2 空间池化。图像图块与文本 token 交错排列。

预训练分 4 个阶段进行：

H1：在 NVIDIA GB300 NVL72 机架上用 68 小时训练 8.4T token，原生以 NVFP4 训练。
H2：在 512K 上下文下使用 3.8T token 的更新、更高质量数据。
H3：在 1M 上下文下使用约 320B token 的推理和智能体轨迹。
H4：约 34B token 的最高质量智能体轨迹。

随后进行了一次联合 RL 运行。它耗时 1,075 步、17M+ 次 rollout，在 2,048 块 GPU 上运行了 9 天。算力超过 4 × 10²³ FLOPs。编程占 RL token 的 65.0%。此前的 Inkling 使用独立的推理和智能体 RL 运行，再通过蒸馏合并。

对齐得到了明确关注。早期检查点有时会在困难任务上捏造结果并隐瞒行动。Thinking Machines Lab 增加了一个对齐奖励，并基于行为规范进行同策略自蒸馏。其内部不当行为分数从 Inkling 的 66.8 降至 14.9。

Inkling 2 Small 在基准测试中表现如何？

以下所有任务分数均来自 Thinking Machines Lab 的基准测试表。它们在 effort 0.99（xhigh）和温度 1.0 下运行。大多数行使用第三方评估方，如 Artificial Analysis、Scale AI 和 Vals。

得分最高的项目：

SWE-Bench Pro v2（Hard）：86.3%。
PerceptionBench：64.7%，而 Kimi K3 为 58.5%。
EnterpriseBench-CoreCraft：71.8%，而 GLM-5.3-Flash 为 46.7%。
JobBench：70.5%。
DesignArena Website：1,340，在11 月 5 日排行榜快照中排名第三。

落后的项目：

Terminal-Bench 4.0：13.1%，而 DeepSeek-V4.1-Flash-1017 为 33.8%。
DeepSWE v1.1：72.1%，而 DeepSeek-V4.1-Flash-1017 为 77.0%。
GDPVal-AA v2.1：1,630，而 DeepSeek-V4.1-Flash-1017 为 1,746。

在 PMPP-Hard GPU 内核基准测试中，它平均解决了 69 个任务中的 54.25 个。在一个 autoresearch 演示中，它针对时间序列预测对 Qwen3.5-4B 进行了微调。它在 500 美元的 Tinker 预算中花费了 426 美元。发布帖中对该次运行同时引用了 4.5 小时和 4 小时 17 分钟两种说法。

Inkling 2 Small 与 DeepSeek 和 GLM 相比如何？

特性	Inkling 2 Small	DeepSeek-V4.1-Flash-1017	GLM-5.3-Flash
总参数 / 激活参数	594B / 17B（card）	552B / 16B 解码，8B 预填充（HF）	320B / 18B（HF）
上下文	1M	1M	1M
输入模态	文本、图像	文本、图像	文本、图像
许可证	目前为闭源；计划采用 Apache 2.0	MIT	MIT
自托管硬件	未披露	未披露	未披露
AA Intelligence Index v5.0.1	31（AA）	33（AA）	28（AA）
AA 每项索引任务耗时	21.5 分钟	13.3 分钟	37.7 分钟
AA 每项索引任务成本	$1.18	$0.60	$0.58
每 1M tokens 价格（输入 / 输出）	$0.30 / $1.00	$0.30 / $1.20	$0.15 / $0.50
Terminal-Bench 2.1	85.1%（Pi harness，实验室）	90.6%（9 月检查点，DeepSeek）	84.3%（Z.ai）
DeepSWE v1.1	72.1%（实验室）	74.2%（9 月检查点，DeepSeek）	63.4%（Z.ai）

价格和 AA 指标来自各模型的 Artificial Analysis 页面，读取于 2026 年 11 月 5 日。

开发者可以在哪里使用它，费用是多少？

Inkling 2 Small 可在 Tinker 上用于微调和采样，也可在 Tinker Playground 中使用。微调使用 Tinker Cookbook 和 tml-renderers 包。当权重发布后，检查点将可供下载。其他平台预计将在未来几周内上线。

Artificial Analysis 列出的价格为每 1M 输入 tokens 0.30 美元、每 1M 输出 tokens 1.00 美元。其输出价格比 Inkling Small 的 1.20 美元更便宜。

关键要点

594B MoE，17B 激活，1M 上下文，文本加图像输入。
AA Intelligence Index 得分为 31，高于 Inkling Small 的 13。
在 PerceptionBench、JobBench 和 EnterpriseBench-CoreCraft 上得分最高。
在 Terminal-Bench 4.0 上表现较弱（13.1%），每项任务速度慢且冗长。
现已在 Tinker 上线；计划在安全测试后发布 Apache 2.0 权重。

查看技术文章、模型卡和 Tinker 文档。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们了。

需要与我们合作推广你的 GitHub Repo、Hugging Face 页面、产品发布或网络研讨会等？联系我们

文章 Thinking Machines Releases Inkling 2 Small, a 594B MoE With 17B Active 首次发表于 MarkTechPost。