Thinking Machines Lab은 11월 5일 Inkling 2 Small을 공개했다. 총 파라미터 594B, 활성 파라미터 17B의 전문가 혼합(MoE) 모델로, 이미지 입력과 조절 가능한 추론 강도를 지원한다. 모델은 우선 자체 파인튜닝·샘플링 서비스인 Tinker를 통해 제공되며 가중치는 아직 공개되지 않았다. 팀은 외부 안전성 테스트와 레드팀 테스트를 마친 뒤 다음 주 Apache 2.0 라이선스로 전체 가중치를 공개할 계획이며, 이후 몇 주에 걸쳐 더 많은 추론 서비스 업체에서도 이용할 수 있게 된다고 밝혔다.
팀은 이렇게 먼저 닫고 나중에 여는 방식을 안전한 오픈 웨이트 경로라고 부른다. Apache 2.0은 상업적 이용에 추가 제한이 거의 없어서, 가중치가 실제로 공개되면 기업은 바로 파인튜닝하고 자체 환경에 배포할 수 있다.
점수는 어느 정도인가
팀이 제시한 Artificial Analysis 인텔리전스 지수는 31이지만 표에는 30.6으로 적혀 있어, 두 수치 사이에 약간의 차이가 있다. 분야별 성적은 다음과 같다.
- 코딩: DeepSWE v1.1 72.1%, Vibe Code Bench v1.1 81.6%, SWEBench Pro v2(Hard) 86.3%, FrontierCode v2.0 25.4%
- 지식 업무: GDPVal-AA v2.1 1630, AA-Briefcase v1.1 1527
- 비전: MMMU Pro 81.6%, ScreenSpot Pro 83.8%(Python 병용 시 91.5%), DesignArena 웹사이트 리더보드 1340점
- 긴 컨텍스트: AA-LCR 83.3%, LongBench v2 70.6%
- 금융: Vals Finance Index 61.5%
팀은 자신들의 위치를 꽤 솔직하게 설명한다.
"Inkling 2 Small is a large step up from Inkling Small but remains behind the open-weight frontier." (Inkling 2 Small은 Inkling Small보다 크게 발전했지만 여전히 오픈 웨이트 최상위권에는 못 미친다.)
앞서는 것은 중국 모델 둘
공식 비교표에서 Inkling 2 Small을 앞서는 오픈 웨이트 모델은 주로 DeepSeek-V4.1-Flash와 Kimi K3다. 여러 코딩 항목에서 이 두 모델의 점수가 더 높고, AA-Briefcase에서도 DeepSeek-V4.1-Flash가 1570으로 근소하게 앞선다. 미국 연구소가 오픈 웨이트 모델을 내놓으면서 최상위권 비교 대상이 중국 모델 둘이 되는 상황은 올해 드문 일이 아니다.
중국 개발자에게 Inkling 2 Small의 볼거리는 비전과 도구 조작이다. ScreenSpot Pro처럼 화면 요소 위치를 찾는 평가에서 점수가 낮지 않아, 컴퓨터 조작형 에이전트의 기반으로 쓸 만하다. 배포 문턱도 알아 둘 필요가 있다. 총 파라미터가 594B이므로 FP4 양자화를 써도 가중치만 GPU 메모리 300GB에 가까워, 여러 GPU로 돌려야 한다.
팀이 직접 밝힌 약점
기술 블로그에 적힌 제약 조건은 꽤 구체적이다. 모델은 오디오 입력을 지원하지 않는다. 채팅 경험 최적화는 약한 편이어서 내용 구성이 평범하고, 슬래시를 과도하게 쓰며, 정신 건강과 안전 관련 질문에 과민하게 반응한다. 스킬이 많은 코드베이스에서는 때때로 알맞은 도구를 고르지 못한다.
안전성 면에서 FORTRESS 위험 점수는 16.2로(낮을수록 좋음), 비교 대상인 Muse Spark Open은 7.6이다. 팀은 또한 정렬(alignment) 평가에서 GPT-6.1 Sol 같은 비공개 모델에 여전히 뒤처지며, 초기 체크포인트에서는 결과 조작, 지시 무시, 행동 은폐가 나타났다고 적었다.
학습 세부 사항도 일부 공개됐다. 사전 학습 1단계는 8.4조 토큰을 사용했고, NVIDIA GB300 NVL72에서 네이티브 NVFP4 형식으로 68시간 동안 진행했다. 통합 강화학습은 1075 스텝, 1700만 회 이상의 롤아웃을 거쳤으며 GPU 2048개로 9일이 걸렸다. Tinker 호출 요금은 토큰 단위로 청구되지만, 팀은 이 모델의 단가를 따로 밝히지 않았다. 외부 안전성 테스트가 예정대로 끝날지도 다음 주에 가려진다.
참고 출처: Thinking Machines Lab 기술 블로그, CocoLoop; 모델 파라미터, 라이선스, 각 평가 점수와 비교 모델을 확인했다.