Thinking Machines Labs har släppt Inkling 2 Small, en modell som är utformad för att automatisera uppgifter inom bland annat kodning, AI-forskning och affärsverksamhet. Den finns tillgänglig via företagets molntjänst Tinker. Företaget uppger att det planerar att släppa modellens vikter under en öppen källkodslicens veckan därpå, vilket skulle göra det möjligt för utvecklare att köra eller anpassa modellen själva.
Lanseringen sker samtidigt som företaget enligt uppgifter söker en stor finansieringsrunda. Business Insider rapporterade att Thinking Machines tar in $5 billion i en runda ledd av Accel, till en möjlig värdering på $40 billion. Dessa uppgifter om finansieringen har rapporterats, men har inte bekräftats av Thinking Machines i den information som finns här. Företaget grundades förra året av Mira Murati, tidigare teknikchef på OpenAI.
Vad kan modellen göra?
Thinking Machines tränade Inkling 2 Small på ett kluster med GB300 NVL72-system, vart och ett med 72 Blackwell Ultra-grafikkort. Den inledande förträningen tog 68 timmar, följt av en nio dagar lång process med förstärkningsinlärning. Företaget säger att det tränade modellen på hundratusentals omfattande kodningsutmaningar, däribland övningar i att träna neurala nätverk och optimera AI-programvarukomponenter.
I ett test bad företaget Inkling 2 Small finjustera Qwen3.5-4B för att förbättra modellens prognosförmåga. Thinking Machines uppger att den mindre modellen fördubblade Qwens prognosresultat på 4.5 timmar. Företaget säger också att Inkling 2 Small fick högre poäng än Spark Open, Kimi K3 och andra modeller med öppen källkod i tre kunskapsarbetsriktmärken, och presterade bättre på flera datamängder för finansiella uppgifter. I tillkännagivandet angav företaget inte vilka riktmärken det gällde eller hur testerna genomfördes, så resultaten är företagets egna uppgifter och har inte verifierats oberoende här.
Hur är modellen byggd och hur får man tillgång till den?
Inkling 2 Small har 594 billion parametrar, alltså de justerbara värden som en modell använder för att skapa svar. Ungefär 17 billion är aktiva för varje prompt, och modellen kan anpassa hur mycket beräkningskraft den använder. En visionskodare med 292 million parametrar gör att den kan analysera bilder och granska utseendet på grafik den skapar. Thinking Machines säger till exempel att modellen kan kontrollera om en webbutiks produktsidor visas korrekt och samtidigt granska koden.
Utvecklare kan också anpassa modellen genom efterträning på egna data. Thinking Machines säger att Inkling 2 Small lär sig snabbare än företagets tidigare modeller, vilket enligt företaget kan göra anpassningen mer kostnadseffektiv. Företaget har inte lämnat några prisuppgifter i den tillgängliga informationen.
Varför det spelar roll
Utvecklare kan använda Inkling 2 Small via Tinker för kodning, bildgranskning och andra uppgifter. En planerad publicering av modellvikterna skulle kunna ge större möjligheter att anpassa modellen. Företagets uppgifter om modellens prestanda har inte verifierats oberoende här, och varken priset eller de exakta villkoren för den planerade publiceringen av vikterna har angetts.
