2026-11-06 · ← News
Inkling 2 Small wurde in 68 Stunden trainiert, doch die offenen Gewichte warten auf Sicherheitstests
Thinking Machines Lab hat Inkling 2 Small vorgestellt, ein multimodales MoE-Modell mit insgesamt 594 Milliarden und 17 Milliarden aktiven Parametern. Das Training dauerte 68 Stunden mit weniger als 12 Billionen Token. Die vollständigen Gewichte sollen erst nach weiteren Sicherheitstests folgen.
Das Bild konnte nicht geladen werden.
Thinking Machines Lab hat Inkling 2 Small vorgestellt, ein multimodales Mixture-of-Experts-Modell mit insgesamt 594 Milliarden und 17 Milliarden aktiven Parametern. Nach Angaben des Unternehmens dauerte das Pretraining von Grund auf 68 Stunden mit weniger als 12 Billionen Token und nativem NVFP4.
Von 594 Milliarden Parametern sind pro Token nur 17 Milliarden aktiv
Die MoE-Architektur aktiviert nicht alle 594 Milliarden Parameter gleichzeitig. Das senkt den Rechenaufwand bei der Inference und erhält dennoch eine hohe Gesamtkapazität. Inkling 2 Small verarbeitet Bilder über einen Vision Encoder mit 292 Millionen Parametern und unterstützt variablen Reasoning-Aufwand.
Im Artificial Analysis Intelligence Index erreichte das Modell 31 Punkte. Thinking Machines bietet Fine-tuning und Inference über Tinker an. Zum Start bleiben die Gewichte jedoch geschlossen. Die vollständige Veröffentlichung ist nach weiteren Sicherheitstests in den kommenden Wochen geplant.
Schnelles Training verlagert den Wettbewerb auf Prozesseffizienz
Das Ergebnis ist weniger als Rennen um die höchste Parameterzahl interessant, sondern als Demonstration von Low-Precision-Training, MoE-Routing und einem gemeinsamen RL-Lauf. Weniger als 3 Tage Pretraining stehen nicht für die gesamten Entwicklungskosten. Datenaufbereitung, Experimente, Post-Training und Sicherheitsbewertungen sind darin nicht enthalten.
Für Teams, die Modelle anpassen wollen, ist die Kombination aus 17 Milliarden aktiven Parametern, Multimodalität und geplanten offenen Gewichten attraktiv. Der praktische Wert hängt jedoch von Hardwarebedarf, Durchsatz und Fine-tuning außerhalb der Tinker-Infrastruktur ab.
Die Benchmarktabelle zeigt Stärken und deutliche Lücken
Das Modell erreichte 90,2 % bei BrowseComp mit Context Management und 64,7 % bei PerceptionBench. An anderer Stelle liegt es zurück: Terminal Bench v4.0 weist 13,1 % aus, DeepSeek V4.1 Flash erreicht 33,8 %. Die Ergebnisse stützen keine einfache Behauptung, Inkling 2 Small schlage vergleichbare Modelle durchgehend.
Die meisten Sicherheitsnachweise stammen vom Entwickler und aus ausgewählten externen Evaluationen. Das Unternehmen meldet große Fortschritte gegenüber früheren Inkling-Modellen, hält die Gewichte aber bis zu weiteren Tests geschlossen. Das ist eine vernünftige Bremse und erinnert daran, dass die Ankündigung eines offenen Modells noch keine Veröffentlichung offener Gewichte ist.
Der eigentliche Test beginnt außerhalb von Tinker
Reproduzierbare Benchmarks, Hardwareanforderungen und Fine-tuning in unabhängigen Umgebungen werden entscheiden. Wichtig sind außerdem der tatsächliche Termin für die vollständigen Gewichte und die Nutzungsmöglichkeiten der späteren Lizenz.
Bestätigen externe Teams die Leistung bei 17 Milliarden aktiven Parametern, wird der 68-stündige Trainingslauf zu einem starken Signal für effizientere Skalierung. Bis dahin bleibt es ein beeindruckender Herstellerbericht, dessen wichtigstes Artefakt noch fehlt.
Liliths Urteil
Die Stoppuhr zeigt 68 Stunden, doch die Kiste mit den Gewichten bleibt im Labor verschlossen. Das eigentliche Rennen beginnt, wenn unabhängige Teams sie öffnen und die Gesamtrechnung prüfen.