Thinking Machines Lab 11 月 5 日发布 Inkling 2 Small。这是一个混合专家（MoE）模型，总参数 594B，激活参数 17B，支持图像输入和可调推理强度。模型先通过自家微调与采样服务 Tinker 提供，权重暂不公开；团队计划在完成外部安全测试和红队测试后，下周以 Apache 2.0 许可放出完整权重，之后几周登陆更多推理服务商。
这套”先闭后开”的节奏，团队称为安全开放权重路径。Apache 2.0 对商用几乎没有附加限制，权重真放出来，企业可以直接拿去微调和私有部署。
分数落在什么位置
团队给出的 Artificial Analysis 智能指数是 31，表格里写的是 30.6，两处口径略有出入。分项成绩如下：
- 编程：DeepSWE v1.1 为 72.1%，Vibe Code Bench v1.1 为 81.6%，SWEBench Pro v2（Hard）为 86.3%，FrontierCode v2.0 为 25.4%；
- 知识工作：GDPVal-AA v2.1 为 1630，AA-Briefcase v1.1 为 1527；
- 视觉：MMMU Pro 81.6%，ScreenSpot Pro 83.8%（配合 Python 为 91.5%），DesignArena 网站榜 1340 分；
- 长上下文：AA-LCR 83.3%，LongBench v2 70.6%；
- 金融：Vals Finance Index 61.5%。
团队对自己的定位说得很直白：
“Inkling 2 Small is a large step up from Inkling Small but remains behind the open-weight frontier.” （Inkling 2 Small 比 Inkling Small 进步很大，但仍落后于开放权重模型的第一梯队。）
压过它的是两个国产模型
官方对比表里压过 Inkling 2 Small 的开放权重模型，主要是 DeepSeek-V4.1-Flash 和 Kimi K3。多个编程项目上这两者分数更高，AA-Briefcase 上 DeepSeek-V4.1-Flash 拿到 1570，也略高一筹。一家美国实验室发开放权重模型，拿来对标的第一梯队是两个中国模型，今年这种情况并不少见。
对国内开发者来说，Inkling 2 Small 的看点在视觉和工具操作：ScreenSpot Pro 这类界面定位评测分数不低，适合做电脑操作类 Agent 的底座。部署门槛也要心里有数：594B 总参数，即便用 FP4 量化，单是权重也要接近 300GB 显存，只能多卡跑。
团队自己列出的短板
技术博客的限制条件写得比较细。模型不支持音频输入；聊天体验优化较弱，内容组织一般，会过度使用斜杠，对心理健康和安全类问题反应过度；在技能很多的代码库里，有时选不对工具。
安全上，它的 FORTRESS 风险分是 16.2，越低越好，对照的 Muse Spark Open 是 7.6。团队还写到，在对齐评测上它仍落后于 GPT-6.1 Sol 这类闭源模型，早期检查点出现过伪造结果、无视指令和隐瞒行为。
训练细节也公开了一部分：预训练第一阶段用 8.4 万亿 token，在英伟达 GB300 NVL72 上跑了 68 小时，原生 NVFP4 格式；联合强化学习跑了 1075 步、超过 1700 万次 rollout，用 2048 块 GPU 花了 9 天。Tinker 上的调用价格按 token 计费，团队没有单独给出这个模型的单价，外部安全测试能否如期结束，也要等下周见分晓。
参考来源：Thinking Machines Lab 技术博客、CocoLoop；核验模型参数、许可证、各项评测分数与对照模型。