Inkling 2 Small wytrenowano w 68 godzin, lecz otwarte wagi czekają na testy

Thinking Machines Lab zaprezentowało Inkling 2 Small, multimodalny model Mixture-of-Experts z 594 miliardami wszystkich parametrów i 17 miliardami aktywnymi podczas pracy. Firma podaje, że pretraining od zera zajął 68 godzin i wykorzystał mniej niż 12 bilionów tokenów w natywnym NVFP4.

Model z 594 miliardami parametrów uruchamia 17 miliardów na token

Architektura MoE nie aktywuje wszystkich 594 miliardów parametrów jednocześnie. Ogranicza to koszt obliczeń podczas inference, choć model zachowuje dużą łączną pojemność. Inkling 2 Small przyjmuje obrazy przez vision encoder z 292 milionami parametrów i obsługuje zmienny poziom wysiłku obliczeniowego.

W Artificial Analysis Intelligence Index uzyskał wynik 31. Thinking Machines udostępniło model do fine-tuningu i inference w usłudze Tinker. W dniu premiery wagi pozostają jednak zamknięte. Firma planuje opublikować je w kolejnych tygodniach po dodatkowych testach bezpieczeństwa.

Szybki trening przenosi rywalizację na wydajność całego procesu

Wynik jest ciekawszy jako pokaz treningu w niskiej precyzji, routingu MoE i wspólnego przebiegu RL niż jako wyścig na liczbę parametrów. Mniej niż 3 dni pretrainingu nie oznacza niskiego kosztu stworzenia całego modelu. Ta liczba nie obejmuje przygotowania danych, eksperymentów, post-trainingu ani ocen bezpieczeństwa.

Dla zespołów chcących dostrajać model ważne jest połączenie 17 miliardów aktywnych parametrów, multimodalności i zapowiedzianych otwartych wag. Wartość praktyczną określą jednak wymagania sprzętowe, przepustowość i jakość fine-tuningu poza infrastrukturą Tinker.

Tabela benchmarków pokazuje mocne strony i wyraźne braki

Model osiągnął 90,2 % w BrowseComp z context managementem oraz 64,7 % w PerceptionBench. Gdzie indziej odstaje: w Terminal Bench v4.0 uzyskał 13,1 %, podczas gdy DeepSeek V4.1 Flash ma 33,8 %. Wyniki nie potwierdzają prostej tezy, że Inkling 2 Small pokonuje porównywalne modele we wszystkim.

Większość danych o bezpieczeństwie pochodzi od producenta i z wybranych ocen zewnętrznych. Firma raportuje dużą poprawę względem wcześniejszych modeli Inkling, a zarazem trzyma wagi zamknięte do końca kolejnych testów. To rozsądny hamulec i przypomnienie, że zapowiedź otwartego modelu nie jest jeszcze publikacją open weights.

Prawdziwy sprawdzian zacznie się po pobraniu wag poza Tinker

O wyniku przesądzą powtarzalne benchmarki, wymagania sprzętowe i fine-tuning w niezależnych środowiskach. Ważne będzie również, czy termin publikacji pełnych wag się przesunie i na co pozwoli ich licencja.

Jeśli zewnętrzne zespoły potwierdzą wydajność przy 17 miliardach aktywnych parametrów, trening trwający 68 godzin stanie się mocnym sygnałem efektywniejszego skalowania. Na razie to imponujący raport producenta, którego najważniejszy artefakt wciąż czeka za kulisami.

Werdykt Lilith

Stoper pokazuje 68 godzin, ale skrzynia z wagami nadal jest zamknięta w laboratorium. Prawdziwy wyścig zacznie się, gdy trafi do zewnętrznych zespołów, które policzą cały rachunek.