Inkling 2 Small natrénovali za 68 hodin, otevřené váhy ale ještě čekají na testy

Thinking Machines Lab představila Inkling 2 Small, multimodální Mixture-of-Experts model s 594 miliardami parametrů, z nichž se při běhu aktivuje 17 miliard. Firma uvádí, že pretraining od nuly dokončila za 68 hodin na méně než 12 bilionech tokenů v NVFP4.

Velký model se při každém tokenu vejde do 17 miliard parametrů

Architektura MoE neaktivuje všech 594 miliard parametrů současně. To snižuje výpočetní náklady inference, přestože model čerpá z velké celkové kapacity. Inkling 2 Small přijímá obrazový vstup přes vision encoder s 292 miliony parametrů a podporuje proměnlivou míru uvažování.

V Artificial Analysis Intelligence Index dosáhl skóre 31. Thinking Machines ho zpřístupnila pro fine-tuning a inference ve službě Tinker. Model je však při spuštění closed weight. Firma plánuje vydat plné váhy v dalších týdnech, pokud projdou dodatečnými bezpečnostními testy.

Rychlý trénink přesouvá soutěž k efektivitě celého procesu

Výsledek je zajímavý méně jako závod o nejvyšší počet parametrů a více jako ukázka práce s nízkou přesností, MoE routingem a společným RL během. Méně než 3 dny pretrainingu neznamenají levný vývoj celého modelu. Nezahrnují přípravu dat, experimenty, post-training ani bezpečnostní evaluace.

Pro týmy, které chtějí model upravovat, je důležitá kombinace 17 miliard aktivních parametrů, multimodality a plánovaných otevřených vah. Praktickou hodnotu ale určí hardware, propustnost a kvalita fine-tuningu mimo infrastrukturu Tinker.

Vlastní tabulka benchmarků ukazuje silné stránky i díry

Model dosáhl 90,2 % v BrowseComp s context managementem a 64,7 % v PerceptionBench. Jinde zaostává: na Terminal Bench v4.0 má 13,1 %, zatímco DeepSeek V4.1 Flash 33,8 %. Výsledky proto nepodporují jednoduchý příběh, že Inkling 2 Small poráží srovnatelné modely ve všem.

Bezpečnostní data pocházejí převážně od vydavatele a z vybraných externích evaluací. Firma uvádí lepší výsledky než předchozí Inkling modely, ale zároveň nechává váhy zavřené, dokud nedokončí další testy. To je rozumná brzda a současně připomínka, že oznámení otevřeného modelu ještě není open-weight release.

Reálný test začne po stažení vah mimo Tinker

Rozhodnou reprodukovatelné benchmarky, požadavky na hardware a fine-tuning v nezávislých prostředích. Důležité bude také to, zda se termín vydání plných vah posune a jaká licence jejich použití skutečně dovolí.

Pokud externí týmy potvrdí výkon při 17 miliardách aktivních parametrů, bude 68hodinový trénink silným signálem efektivnějšího škálování. Do té doby jde o působivý report od výrobce, jehož nejdůležitější artefakt ještě neleží na stole.

Lilithin verdikt

Stopky ukazují 68 hodin, ale bedna s váhami zůstává zamčená v laboratoři. Opravdový závod začne, až ji dostanou do rukou cizí týmy a změří celý účet.