Thinking Machines выпустила Inkling 2 Small: 594 млрд параметров и 31 балл в индексе AA

Thinking Machines, стартап бывшего техдиректора OpenAI Миры Мурати, представил второе поколение моделей Inkling. Первая в линейке, Inkling 2 Small, получила 594 млрд параметров, из которых одновременно задействованы 17 млрд. По данным компании, в индексе интеллекта Artificial Analysis модель набирает 31 балл. У предыдущей Inkling Small было 13.
Что за модель
Inkling 2 Small построена по схеме mixture-of-experts: на каждый токен работает лишь небольшая часть экспертов, поэтому активных параметров заметно меньше общего числа. Модель принимает текст и изображения и умеет менять глубину рассуждения. Пользователь сам выбирает между скоростью и тщательностью ответа.
Семейство Inkling задумано как база для дообучения. Это может быть интересно компаниям, которым нужна специализированная модель под свои данные и процессы, а не универсальный чат-бот.
Цифры по бенчмаркам
Рост в индексе Artificial Analysis составил 18 пунктов. По этому показателю модель примерно равна Gemini 3.8 Flash от Google. Сильнее всего прибавили агентные задачи, где модель самостоятельно проходит многошаговый сценарий:
- AutomationBench-AA: с 5 до 46%; - FrontierCode 2.0: с 5 до 25%; - AA-Briefcase (рабочие задачи с документами и знаниями): 1527 Elo, на 615 пунктов выше предшественницы.
В кодинге компания приводит такие результаты: FrontierCode 2.0 - 25,4%, DeepSWE - 72,1%, SWEBench Pro v2 (Hard) - 86,3%. По отдельным тестам модель все же не лидирует. Новая DeepSeek-V4.1-Flash впереди на большинстве из них: 28,5% на FrontierCode и 77% на DeepSWE. На SWEBench Pro v2 (Hard) с небольшим отрывом выигрывает Kimi K3. Более новой Kimi K3.1 Pro в сравнении нет.
Обучение
Модель обучали с подкреплением на сотнях тысяч долгих задач по программированию. Автоматическая система проверяла, работает ли код, и оценивала, как модель к нему пришла. Именно этим компания объясняет скачок в агентных сценариях.
Цена прогресса
Лучшие результаты достались не бесплатно. В среднем Inkling 2 Small тратит около 150 тысяч выходных токенов на задачу, примерно в четыре раза больше предшественницы. По расчетам Artificial Analysis, одна задача обходится в $1,18, то есть почти в шесть раз дороже, чем у Inkling Small.
На фоне конкурентов это все равно недорого: Gemini 3.8 Flash стоит $7,77 за задачу, Claude Sonnet 5.5 - $10,02. Модель оказывается ближе к ценовому диапазону недорогих китайских моделей.
Есть оговорка и про галлюцинации. Их доля упала с 61 до 27%, но отчасти потому, что модель стала чаще отказываться от ответа: доля отвеченных вопросов снизилась с 77 до 53%. Для сценариев, где нужен ответ на любой запрос, это скорее минус.
Доступ и лицензия
Сейчас Inkling 2 Small доступна как закрытое предложение через платформу Tinker. Веса под лицензией Apache компания обещает выложить позже. Пока этого не случилось, формулировка "сильнейшая западная модель с открытыми весами" остается заявкой на будущее. Проверить ее смогут только после публикации весов, когда модель можно будет запустить и дообучить самостоятельно. Приставка "западная" тоже не случайна: в агентном кодинге лидерство, судя по таблице самой компании, у китайских DeepSeek и Kimi.
Источники
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.