Thinking Machines представила Inkling 2 Small — мультимодальную MoE-модель с 594 млрд параметров. На каждом шаге активны 17 млрд. В Artificial Analysis Intelligence Index модель набрала 31 балл — большой скачок относительно первой версии, особенно в задачах с несколькими этапами.
Задача теперь обходится дороже: по оценке Artificial Analysis, около $1.18. Это почти в шесть раз больше, чем у предшественника. Для сравнения, одна задача с Gemini 3.8 Flash стоит, по той же оценке, $7.77. Цены приведены по данным на 6 ноября 2026 года.
Пока Inkling 2 Small доступна через Tinker, а веса закрыты. Thinking Machines обещает выпустить их под Apache 2.0 после внешних проверок безопасности. Поэтому называть модель открытой пока рано: веса ещё не опубликованы.
Главное изменение — длинные агентные задачи
Thinking Machines описывает Inkling 2 Small как модель для долгой автономной работы. В агентной задаче модель проходит цепочку действий: пишет код, пользуется инструментами, проверяет результат и продолжает работу.
По словам компании, модель может использовать визуальную обратную связь. Например, собрать веб-страницу, посмотреть на результат и доработать его. В официальном анонсе команда пишет, что модель стала сильнее в целом, а особенно заметен прогресс в длительной автономной работе.
«Inkling 2 Small стала сильнее по всем направлениям, особенно в длительной автономной работе», — Thinking Machines Lab.
Прирост виден и в показателях Artificial Analysis. AutomationBench-AA проверяет автоматизированные задачи, FrontierCode — работу с кодом, а AA-Briefcase — задачи из повседневной интеллектуальной работы.
| Показатель | Inkling Small | Inkling 2 Small |
|---|---|---|
| Artificial Analysis Intelligence Index | 13 | 31 |
| AutomationBench-AA | 5% | 46% |
| FrontierCode 2.0 | 5% | 25% |
| AA-Briefcase | — | 1 527 Elo, на 615 выше предшественника |
| Галлюцинации | 61% | 27% |
| Доля вопросов, на которые модель отвечает | 77% | 53% |
На последние две строки стоит обратить внимание. Доля галлюцинаций снизилась, зато модель чаще воздерживается от ответа. Поэтому 27% не стоит читать как «модель теперь почти не ошибается»: она просто реже берётся отвечать.
Сильные визуальные результаты, но лидерство ограничено
Thinking Machines отдельно отмечает распознавание текста, понимание инфографики и визуальные рассуждения. В тесте GDP.pdf на сложных документах модель получила 25,2%, а на мультимодальном MMMU Pro — 81,6%. На PerceptionBench, который оценивает визуальное восприятие, результат составил 64,7%.
В DesignArena Website пользователи сравнивают сайты, созданные моделями, и выбирают более удачный вариант. Inkling 2 Small получила 1 340 Elo — лучший результат среди открытых моделей в этом сравнении, сообщает Thinking Machines. Это место относится к моделям с открытыми весами, а не ко всем моделям.
Креаторам интереснее проверить, как модель справляется с задачей, где результат можно увидеть. Например, собрать черновой сайт, разобрать схему или извлечь информацию из многостраничного PDF. Я бы оценивал не только первый ответ, но и то, заметит ли агент ошибку после проверки и исправит ли её.
- В Tinker Playground попробовать генерацию веб-мокапа и проверить, что изменится после визуальной обратной связи.
- Дать модели сложную инфографику или PDF и сверить извлечённые факты с оригиналом.
- Для агентного сценария заранее определить критерий готовности: например, рабочая страница, а не только код без ошибок.
- Сравнивать несколько попыток и смотреть, как часто модель отказывается отвечать.
За рост качества приходится платить токенами
По оценке Artificial Analysis, Inkling 2 Small расходует около 150 000 выходных токенов на задачу — примерно в четыре раза больше, чем Inkling Small. Отсюда и почти шестикратная разница в стоимости. Это оценка по конкретному тестовому заданию, а не тариф на любой запрос: расход зависит от объёма работы модели.
Для ориентира: Artificial Analysis указывает $7.77 за задачу для Gemini 3.8 Flash и $10.02 для Claude Sonnet 5.5. В этой оценке Inkling 2 Small дешевле. Но цену имеет смысл сравнивать вместе с результатом и объёмом выполненной работы.
| Модель | Оценочная цена задачи, $ |
|---|---|
| Inkling 2 Small | 1.18 |
| Gemini 3.8 Flash | 7.77 |
| Claude Sonnet 5.5 | 10.02 |
Thinking Machines сообщает, что обучала модель с подкреплением на сотнях тысяч длительных задач по программированию. Система оценивания учитывала, работает ли код и как модель шла к решению. По данным компании, весь цикл обучения обработал около 12 трлн токенов. На этап подкрепления ушло около 3 трлн токенов, а обучение заняло девять дней на 2 048 GPU.
В тестах по коду у модели есть конкуренты сильнее. В FrontierCode 2.0 Inkling 2 Small набрала 25,4%, а DeepSeek-V4.1-Flash — 28,5%. На DeepSWE результаты составили 72,1% и 77% соответственно. Похоже, сильная сторона Inkling 2 Small — агентные и визуальные задачи, но в отдельных тестах по коду конкуренты впереди.
До открытия весов Tinker — тестовая площадка
И ещё нюанс с названием Small. У модели 17 млрд активных параметров, но всего — 594 млрд. Она использует разреженную архитектуру Mixture-of-Experts. Поэтому число активных параметров не говорит о том, что модель поместится в память обычного компьютера.
В карточке модели заявлено контекстное окно до 1 млн токенов. Фактическая длина контекста в Tinker может отличаться от этого максимума. ByteForward отдельно обращает внимание на расхождение. Перед локальным тестом стоит проверить лицензию, размер весов и реальные лимиты выбранного способа доступа.
Есть и другие ограничения. Модель не поддерживает аудио, хуже настроена для обычного чата и иногда выбирает неподходящие инструменты при работе с большими кодовыми базами. Thinking Machines также отмечает перегруженные ответы и чрезмерную реакцию на темы здоровья.
Считайте цену готового результата
Inkling 2 Small выглядит перспективно для разработчиков и креаторов, которым нужны агентные сценарии, работа с изображениями или дообучение под узкую задачу. Пока веса закрыты, модель можно проверить на собственных примерах через Tinker. Переносить её на локальную инфраструктуру рано.
При сравнении записывайте качество результата, долю отказов, расход токенов и стоимость задачи. 31 балл хорошо смотрится в заголовке. Для рабочего пайплайна важнее понять, сколько попыток нужно до результата, который можно отдать в работу.
Источники
Introducing Inkling 2 Small — Thinking Machines Lab
Thinking Machines Inkling 2 Small — Artificial Analysis
Inkling 2 Small: Tinker pricing, context and weight limits — ByteForward
Источникthe-decoder.com
