BLOG / 2026.11.22
11 月 20 日,Thinking Machines Lab 在官网发布 Inkling 2 Mini。官方模型卡把发布日期写成 November 20, 2026,许可证是 Apache 2.0;总参数 264 亿,激活参数 34 亿,并注明中间层循环三遍后,每个 token 的有效激活参数约为 54 亿。权重以一份约 20GB 的检查点发布,主要是 NVFP4,最后四层为 MXFP8。新闻页给出的两条核心分数是:DeepSWE v1.1 为 48.2%,Vals Index v2.2 为 46.5%,并写它在官方所说「总参数不足 1000 亿」的开放权重模型里领先这两项。本站没有下载权重,也没有在本机跑通评测,以下为文档核验。
官方把体积和门槛写成怎样
模型卡把结构写成:24 层解码器,稀疏混合专家(MoE),每层把 token 路由到 128 个专家中的 8 个;中间 12 层共享权重并运行三遍,因此 24 层权重会对每个 token 做 48 次层计算。它是原生多模态模型,接受文本和图像,输出文本,上下文窗口最多 100 万 token。官方还写,多跑一遍循环层大约增加 10 亿有效激活参数,所以三遍循环对应约 54 亿。
关于能不能放进笔记本,模型卡写的硬件门槛是:Apple silicon 设备需要 32GB 或更大内存,其他平台建议 32GB 或更大显存;苹果侧列举了 Ollama、Exo Labs 等推理框架。新闻页里那条飞行演示的字幕,则写的是 MacBook Pro(M5 Pro,48GB)、Airplane mode。48GB 是这条官方演示用机的配置,不能反过来说成「官方保证 32GB 就能达到演示里的速度」。小互AI 11 月 21 日专稿把故事收在「32GB 内存的 Mac 就能本地跑」上,这一句能在模型卡里找到依据,但需要和演示用机的 48GB 标注分开写。
循环提高了推理,对照表并非项项第一
新闻页把循环的动机写得很直接:中间层更多承担抽象推理,首尾层更多做表示与文字之间的翻译,所以把循环放在第 7 到 18 层。官方实验是:循环中间 12 层,在 28 项评测里的 27 项,比循环最后 12 层涨得更多;按训练到第 2000 步的估算,不循环的模型要追上中间层循环版本,得多花 1.51 到 1.91 倍算力,追上循环最后几层只需 1.24 到 1.36 倍。同一页也写下短板:Inkling 2 Mini 在 MultiChallenge 上是 50.0%,在 ComplexConstraints v1.1 上是 33.4%,这两项都落后于 Qwen3.8-27B;它也落后于更大模型在 CritPt v2、HLE-Diamond 等更吃推理的测试。
官方对照表把「并非项项第一」写得更清楚。Artificial Analysis 智能指数(v5.0)上,Inkling 2 Mini 是 20.1,与 Qwen3.8-27B 并列,并不是独自领先。DeepSWE v1.1 上它是 48.2%,高于 Qwen3.8-27B 的 42.2%;SWE-bench Pro v2 Hard 上是 77.9%,高于 Qwen 的 73.8%。但在 Terminal Bench v2.1 上,它是 71.6%,低于 Qwen3.8-27B 的 73.0%;Terminal Bench v4.0 上两者都是 5.6%。同一张表里,SWE-bench Verified(bash only)是 79.2%,Vibe Code Bench v1.1 是 77.9%,PMPP-Hard(AUC,0–10 小时)是 455.82,高于表中 Qwen3.8-27B 的 262.50。官方还写,在这项内核优化测试上,它接近大得多的 Inkling 2 Small。这些都是官方表内数字,评测设置按官方图注所说因模型而异,不能直接当成同一套实验协议下的总排名。
新闻页同时写:循环不会让模型记住更多事实,知识量仍主要跟总参数有关。官方观察可变循环版本时看到,GraphWalks BFS、MRCR v2 这类长上下文测试会随循环次数上升,但 AA-Omniscience、SimpleQA Verified、SimpleVQA、WorldVQA 等知识密集型测试并不跟着涨。官方给出的办法,是让模型更有效地使用搜索和工具:在 BrowseComp、DeepSearchQA、MCP Atlas 上,它被写成同类尺寸开放权重模型里的领先者。官方对照表里,BrowseComp 为 79.0%,DeepSearchQA 为 85.3%,MCP Atlas 为 82.7%。不要把这三行理解成「知识本身变多了」,那与官方对循环局限的表述不一致。
同一份新闻还介绍了一个一并发布的研究用可变循环版本,用来更干净地比较不同循环深度。官方写,这个变体在无思维链(no-CoT)条件下的时间视野,从一遍时的 16 秒提高到三遍时的 37 秒;在一项序列推理测试上,循环加到 10 次——相当于训练时的两倍——成绩仍在上升。官方还写,循环次数增加后,思维链写得更短,但仍然可读;在针对智能体破坏(agentic sabotage)的测试上,没有随循环次数升高的趋势。这些是官方对研究变体的描述,不能自动等同于默认 Inkling 2 Mini 检查点已经按 10 次循环出厂。
两个官方演示,不是本站实测
新闻页嵌入了一段飞行模拟器演示。官方图注写:用 Inkling 2 Mini 编写并飞行该模拟器;计时器显示的是实时时间,录像大部分以 15 倍速播放。页面同时标注演示环境是 MacBook Pro(M5 Pro,48GB)、飞行模式。文字部分还写,研究人员把模型带上飞机,在断网的 MacBook Pro 上,用几分钟做出了一个能玩的飞行模拟器。这些都是官方对自己演示的描述。本站只转存并核验了这条官方 mp4 的来源和文件类型,没有在本机复现「几分钟写出模拟器」,因此不能把这句话改写成评测结论。
同一页还有第二条官方视频 Thinkyville:一个像素风小镇模拟,官方海报画面里能看到角色对白、商店和咖啡馆等界面元素。官方文字写,同一个模型在一台离线 MacBook 上驱动小镇全部 20 个居民,演示机同样标注为 MacBook Pro(M5 Pro,48GB)、飞行模式。它被放在「本地跑多个常驻智能体」的语境里,但官方没有在这条视频旁写出与 DeepSWE 类似的分数。本站同样没有玩过这个演示,只核验它来自官网并完成转存。把两条视频看成官方产品演示即可,不要改写成「我们已经在 32GB 机器上复现」。
Nuestra valoración:开放权重、Apache 2.0、264 亿 / 34 亿参数,以及 DeepSWE 48.2%、Vals Index 46.5%,都可以回到 11 月 20 日的新闻页和模型卡核对。32GB 是官方写的可运行门槛,48GB 是飞行演示用机,两句话不要并成一句。对照表里它在 Terminal Bench v2.1 上低于 Qwen3.8-27B,AA 指数也只是并列第一。本站未部署、未评测,官方演示不能当成普遍速度保证。
Enlaces de referencia
- Thinking Machines 新闻:Introducing Inkling 2 Mini(2026-11-20)
- 官方模型卡:Inkling 2 Mini Model Card(发布日期 November 20, 2026)
- Hugging Face 权重:thinkingmachines/Inkling-2-Mini
- 小互AI:Thinking Machines 发布 Inkling 2 Mini 模型:32GB 内存的 Mac 就能本地跑(datePublished=2026-11-21)


评论列表 (0条):
加载更多评论 Cargando...