Inkling 2 Small — вторая генерация моделей Thinking Machines, стартапа бывшего CTO OpenAI Миры Мурати. Линейка задумана как база для дообучения, и это объясняет, почему компания так упирает на открытость: после внешней проверки безопасности веса выйдут под Apache 2.0, а не под более ограниченными лицензиями, как у Meta или Mistral.
Что внутри
- MoE: 594 млрд параметров всего, 17 млрд активны на токен.
- Вход — текст и изображения, есть регулируемая глубина рассуждения.
- Обучение — около 12 трлн токенов; этап RL после базового обучения занял 3 трлн токенов на 2048 GPU за девять дней.
На Artificial Analysis Intelligence Index модель набирает 31 балл против 13 у предшественника и примерно на уровне Gemini 3.8 Flash. Рост заметнее всего в агентных задачах: AutomationBench-AA — с 5% до 46%, FrontierCode 2.0 — с 5% до 25%.
Чем платим
Больше токенов на задачу: в среднем около 150 тысяч выходных токенов, вчетверо больше предшественника. Цена выросла почти в шесть раз — $1,18 за задачу, но это всё ещё дешевле Gemini 3.8 Flash ($7,77) и Claude Sonnet 5.5 ($10,02), ближе к дешёвым китайским моделям.
Есть и оговорки от самой компании: модель иногда неэффективно объясняет, не всегда выбирает лучшие инструменты для больших кодовых баз, не поддерживает аудио и хуже оптимизирована под чат. Доля галлюцинаций упала с 61% до 27%, но в основном потому, что модель чаще не отвечает: доля ответов снизилась с 77% до 53%.
Для команд, которым нужна своя модель под конкретную задачу, это интересный вариант — но ждать открытых весов стоит только после аудита.
Inkling 2 Small is the second generation from Thinking Machines, the startup founded by former OpenAI CTO Mira Murati. The line is designed as a base for fine-tuning, which explains the emphasis on openness: after external safety testing the weights will be released under Apache 2.0 rather than the more restrictive licences used by Meta or Mistral.
What is inside
- MoE: 594 billion parameters in total, 17 billion active per token.
- Text and images as input, with adjustable thinking depth.
- Training used about 12 trillion tokens; the RL phase after base training took 3 trillion tokens on 2,048 GPUs over nine days.
On the Artificial Analysis Intelligence Index the model scores 31, against 13 for its predecessor and roughly on par with Gemini 3.8 Flash. The gains are largest in agentic tasks: AutomationBench-AA rises from 5% to 46%, FrontierCode 2.0 from 5% to 25%.
The price
More tokens per task: about 150,000 output tokens on average, four times the predecessor. Cost per task rose almost sixfold to $1.18, still far below Gemini 3.8 Flash ($7.77) and Claude Sonnet 5.5 ($10.02), and closer to cheap Chinese models.
There are caveats from the company itself: the model sometimes explains inefficiently, does not always pick the best tools for large codebases, lacks audio support and is less optimised for chat. The hallucination rate fell from 61% to 27%, but largely because it answers fewer questions: the response rate dropped from 77% to 53%.
For teams that need their own model for a specific task this is an interesting option — but the open weights are worth waiting for only after the audit.