Thinking Machines发布Inkling 2 Small：5940 亿参数、170 亿激活，称西方开源权重模型最强
公司称该混合专家模型在Artificial Analysis智能指数上得 31 分，比前代高 18 分；代理任务得分大幅上升，但单任务输出token约为前代四倍，成本约 1.18 美元。权重将在外部安全测试结束后以Apache 2.0许可发布，目前仅通过Tinker平台提供。
前OpenAI CTO Mira Murati创办的Thinking Machines发布第二代模型Inkling 2 Small，公司称其为“西方最强的开源权重模型”。该模型为混合专家架构，总参数 5940 亿，每次激活 170 亿，接受文本和图像输入，并提供可调节的思考深度。
目前模型仅通过Thinking Machines的Tinker平台提供。公司表示，外部安全测试结束后将以Apache 2.0许可发布权重。
基准成绩与提升幅度
Thinking Machines称，Inkling 2 Small在Artificial Analysis智能指数上得 31 分，比前代Inkling Small的 13 分高 18 分，与Google的Gemini 3.8 Flash大致持平。
提升最明显的是代理任务。据公司数据，AutomationBench-AA从 5% 升至 46%，FrontierCode 2.0从 5% 升至 25%；知识工作基准AA-Briefcase上得 1527 Elo，比前代高 615 分。
在代码相关测试中，公司称Inkling 2 Small在FrontierCode 2.0上达 25.4%，DeepSWE 72.1%，SWEBench Pro v2（Hard）86.3%。来源同时指出，DeepSeek-V4.1-Flash在多数同类测试中领先，FrontierCode为 28.5%，DeepSWE为 77%；SWEBench Pro v2（Hard）上Kimi K3略微居首。
更高分数对应更高token消耗
成绩提升部分来自更高的token使用量。据Artificial Analysis数据，Inkling 2 Small单任务平均输出约 15 万token，约为前代的四倍；单任务成本 1.18 美元，接近前代的六倍。
这一成本仍低于Gemini 3.8 Flash的 7.77 美元和Claude Sonnet 5.5的 10.02 美元。来源称其价格更接近低成本中国模型区间。
幻觉率从 61% 降至 27%，但回答率同期从 77% 降至 53%。来源指出，幻觉率下降很大程度上是因为模型回答的问题更少。
视觉表现与训练规模
Thinking Machines称该模型在文字识别、信息图解读和视觉推理上最强。在测试复杂PDF文档问答的GDP.pdf上得 25.2%，为对比模型中最高；MMMU Pro得 81.6%，视觉感知基准PerceptionBench以 64.7% 领先。
在DesignArena Website上，该模型获 1340 Elo，公司称为开源权重模型中最高。公司还展示了一个盲品葡萄酒的演示：仅凭照片，模型在 20 次尝试中 19 次正确识别出三款酒。
训练规模相对紧凑。公司称全阶段共处理约 12 万亿token；基础训练后的强化学习阶段使用 2048 块GPU、耗时九天、消耗 3 万亿token，训练任务为数十万条长周期编程任务，并由自动评估系统检查代码是否可用及解题过程。
公司自述的限制
Thinking Machines承认模型有时沟通效率不高，在大型代码库中不总能选到最合适的工具，并认为这可能是个更大的问题。模型不支持音频，在聊天场景的优化也较少。
公司还称，模型可能对健康相关话题反应过度，并产生杂乱输出。来源提到，更近的Kimi K3.1 Pro未出现在对比图中。
发布方式与许可
Thinking Machines称Inkling系列定位为可供微调的基础模型。Inkling 2 Small属于不同尺寸的模型家族，公司计划很快发布更多变体。
权重将以Apache 2.0许可发布，来源称这是最宽松的开源许可之一，相比Meta或Mistral等更受限的开源权重许可更为开放。发布时间取决于外部安全测试的完成情况。