Thinking Machines 发布 Inkling 2 Small，称其为最强西方开放权重模型

Inkling 2 Small 号称是最强的西方开源权重模型，拥有 170 亿活跃参数，基准测试成绩远超前代。

由前 OpenAI CTO Mira Murati 创办的初创公司 Thinking Machines 发布了其第二代模型 Inkling 2 Small。Inkling 模型被定位为用于微调的基础模型，这可能使其在专业化应用中格外有吸引力。

这款混合专家模型总参数量为 5940 亿，其中任意时刻有 170 亿参数处于活跃状态。它接受文本和图像作为输入，并提供可调节的思考深度，让用户可以在速度与彻底性之间做选择。

据 Thinking Machines 称，Inkling 2 Small 在 Artificial Analysis Intelligence Index 上得分 31。这比前代 Inkling Small（13 分）高出 18 分，大致与 Google 的 Gemini 3.8 Flash 持平。

Inkling 2 Small 在 Artificial Analysis Intelligence Index 上得分 31，比前代 Inkling Small（13 分）提升 18 分，与 Gemini 3.8 Flash 持平。 | 图片来源：Artificial Analysis

最大的提升体现在智能体任务上，即模型独立执行多步骤工作流的场景。在 AutomationBench-AA 上得分从 5% 跃升至 46%，在 FrontierCode 2.0 上从 5% 升至 25%。在知识工作基准 AA-Briefcase 上，Inkling 2 Small 达到 1,527 Elo，比前代高出 615 分。幻觉率从 61% 降至 27%，但这很大程度上是因为模型回答的问题更少了。回答率从 77% 降至 53%。

成本上升但仍远低于竞争对手

更好的结果部分以更高的 token 用量为代价。Inkling 2 Small 平均每个任务产生约 15 万个输出 token，约为前代的四倍。据 Artificial Analysis 统计，每任务 1.18 美元的成本接近前代的六倍。这仍远低于 Gemini 3.8 Flash（7.77 美元）或 Claude Sonnet 5.5（10.02 美元），落在低成本中国模型的价格区间附近。

据 Artificial Analysis 统计，Inkling 2 Small 每任务成本 1.18 美元，远低于 Gemini 3.8 Flash 或 Claude Sonnet 5.5。在下方的象限图中，它处于低成本高智能的甜蜜点。 | 图片来源：Artificial Analysis

Thinking Machines 表示，该模型通过强化学习在数十万个长周期编码任务上训练而成。一套自动化评估系统检查代码是否可用，以及模型如何处理每个任务。在 FrontierCode 2.0 上，Inkling 2 Small 达到 25.4%，在 DeepSWE 上达到 72.1%，在 SWEBench Pro v2 (Hard) 上达到 86.3%。新的 Deepseek-V4.1-Flash 在其中大部分测试上仍然领先，在 FrontierCode 上达到 28.5%，在 DeepSWE 上达到 77%。

Inkling 2 Small 在 FrontierCode v2.0 上得分 25.4%，在 DeepSWE v1.1 上得分 72.1%。DeepSeek V4.1 Flash 在单项测试上领先；在 SWEBench Pro v2 (Hard) 上，Kimi K3 以微弱优势位居榜首。更新的 Kimi K3.1 Pro 未参与对比。 | 图片来源：Thinking Machines

视觉与设计得分为开源权重模型中最高

Thinking Machines 表示，该模型在文本识别、信息图解读和视觉推理方面表现最强。在测试模型能否回答来自复杂 PDF 文档问题的基准 GDP.pdf 上，它得分为 25.2%，在所有被比较的模型中最高。在 MMMU Pro——一个测试模型对涉及图表和图形的学术任务的多模态理解能力的基准上，Inkling 2 Small 达到 81.6%。

在测试多模态模型视觉感知能力的 PerceptionBench 上，它以 64.7% 的成绩领先。在视觉创作方面，该模型在 DesignArena Website 上获得了 1,340 的 Elo 评分，该网站让用户通过两两对比来评价 AI 生成的网站。这是开放权重模型中的最高分。Thinking Machines 表示，该模型在 3D 建模方面也取得了进展。

在一次颇为特别的演示中，团队让该模型与自己的研究人员进行了一场盲品葡萄酒比赛。仅凭照片，Inkling 2 Small 在 20 次尝试中有 19 次正确识别出了三种葡萄酒。

训练过程紧凑，开放权重即将发布

与竞争对手相比，整个训练过程非常紧凑。据 Thinking Machines 称，在所有阶段中，该模型处理了大约 12 万亿个 token，远少于同级别的对手。基础训练之后的强化学习阶段仅用了 3 万亿个 token，在 2,048 块 GPU 上运行了九天。

Thinking Machines 表示，该模型有时沟通效率不高，这可能是一个更大的问题——它在大型代码库中并不总是选择最佳的工具。它不支持音频，对聊天的优化也较少。它还可能对健康相关话题反应过度，并产生杂乱的输出。

目前，Thinking Machines 通过其 Tinker 平台提供该模型。该公司计划在外部安全测试结束后以 Apache 2.0 许可证发布模型权重。这是最宽松的开源许可证之一，相比 Meta 或 Mistral 等限制较多的开放权重许可证更具优势。Thinking Machines 表示，该模型属于一个包含多种尺寸的模型家族，公司计划很快发布更多变体。

无炒作的 AI 新闻 – 人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期独家 "AI Radar" 前沿报告、完整档案访问权限以及评论区访问权限。