A Thinking Machines Lab lançou em 20 de novembro o Inkling 2 Mini e divulgou os pesos completos. É um modelo de mistura de especialistas com 26.4B de parâmetros no total, dos quais 3.4B são ativados por token, e uma ocupação total de memória de cerca de 20GB. Segundo a empresa, ele é pequeno o bastante para rodar em um laptop. A solução local compatível no lançamento é o Ollama, e o requisito é qualquer Mac com pelo menos 32GB de memória.
Os pesos já estão no Hugging Face. Foi lançada também uma versão de loop variável apenas para pesquisa, chamada TML-d24-varloop-research.
Um “Transformer em loop” que repete as camadas centrais três vezes
A estrutura do Inkling 2 Mini difere da dos modelos pequenos habituais. Ele armazena 24 camadas, divididas em quatro blocos de seis; o segundo e o terceiro blocos são repetidos três vezes para cada token, de modo que cada token passa, na prática, por 48 cálculos de camada. O número de parâmetros armazenados não aumenta, mas a profundidade de computação dobra. Contando os loops, o volume de pesos ativados por token é de 5.4B.
O treinamento incluiu uma etapa de poda: o modelo tinha inicialmente 384 especialistas, com 8 escolhidos por token; no meio do treino, dois terços foram eliminados, restando em cada camada apenas os 128 mais usados, e a recuperação usou 1 trilhão de tokens destilados de um modelo Inkling interno maior. O pós-treinamento incluiu ajuste fino supervisionado e aprendizado por reforço com 2.2 trilhões de tokens no total.
Quanto à quantização, a equipe afirma que o modelo usa diretamente o formato NVFP4 do treinamento à implantação (as últimas 4 camadas em MXFP8), portanto não há perda de precisão causada por conversão de quantização. As versões GGUF podem ser obtidas pela Unsloth e pelo llama.cpp.
Todas as demonstrações oficiais foram feitas em um MacBook Pro (M5 Pro, 48GB de memória) com o modo avião ligado: um simulador de voo escrito em poucos minutos e uma cidade em pixels com 20 agentes.
Comparação item a item com o Qwen3.8-27B
A tabela comparativa oficial escolheu quatro modelos de porte semelhante: Gemma 4 31B, Muse Glimmer, Qwen3.8-27B e Nemotron 3.5 Super VL. O que mais de perto acompanha o Inkling 2 Mini é o Qwen3.8-27B.
| Avaliação | Inkling 2 Mini | Qwen3.8-27B |
|---|---|---|
| DeepSWE v1.1 | 48.2% | 42.2% |
| SWE-bench Pro v2 Hard | 77.9% | 73.8% |
| MCP Atlas | 82.7% | 77.3% |
| ARC-AGI v2 | 49.3% | 42.4% |
| Terminal Bench v2.1 | 71.6% | 73.0% |
| MMMU Pro | 74.9% | 76.3% |
| AA-Omniscience (taxa de não alucinação) | 63.4% | 71.4% |
No índice de inteligência da Artificial Analysis, os dois empatam com 20.1. O quadro geral é este: em programação agêntica e chamada de ferramentas, o Inkling 2 Mini lidera; em operação de terminal, compreensão multimodal e precisão de conhecimento, o Qwen3.8-27B se sai melhor. Todos esses números vêm das avaliações da própria Thinking Machines; a página observa que as configurações de teste dos modelos não são totalmente idênticas, e ainda não há reavaliações em rankings de terceiros.
A eficiência energética é a única parte com participação de uma instituição externa. Dois laboratórios de Stanford mediram, em um NVIDIA DGX Spark de 128GB, uma pontuação de “inteligência por watt” de 0.703 para o Inkling 2 Mini e de 0.430 para o Qwen3.6-35B-A3B. No teste, o Inkling usou MXFP8 e baixa intensidade de raciocínio, enquanto os demais modelos usaram NVFP4 ou INT4, portanto as condições não são equivalentes.
As limitações apontadas pela própria empresa
O comunicado dedica uma seção inteira às deficiências, e ela não é curta.
A equipe admite que o Inkling 2 Mini não é o melhor modelo pequeno em conversas de vários turnos nem em instruções com múltiplas restrições, com 50.0% no MultiChallenge. Em avaliações de raciocínio pesado, como CritPt v2 e HLE-Diamond, fica atrás de modelos maiores. A estrutura em loop acrescenta profundidade de computação, mas não consegue armazenar mais conhecimento, por isso os resultados em avaliações de conhecimento ficam no mesmo nível de modelos do mesmo tamanho; a solução sugerida pela empresa é fazê-lo usar mais busca e ferramentas.
A avaliação de segurança traz ainda um número raro: o modelo tem controle muito baixo sobre a própria cadeia de pensamento; na faixa de 750 a 1250 tokens, a taxa de sucesso ao ajustar a cadeia de pensamento conforme instruções chega no máximo a 0.1%.
Algumas informações frequentemente procuradas não constam do texto do comunicado: o nome da licença, o tamanho do contexto e o preço no Tinker. O Inkling 2 Small, de 5 de novembro, tinha prometido ser liberado sob Apache 2.0; se o Mini seguirá o mesmo caminho dependerá da confirmação no cartão do modelo.
Para desenvolvedores na China, os 20GB ficam perto de um Mac com 32GB de memória e das placas de vídeo comuns com 24GB de VRAM; SGLang, vLLM e Ollama já são compatíveis, então a barreira para rodá-lo localmente não é alta. Antes de substituir os modelos pequenos Qwen em uso, é mais prudente testar com as próprias tarefas o desempenho em conversas de vários turnos e em chinês, dois pontos para os quais a empresa não divulgou dados.
Fontes: comunicado oficial da Thinking Machines Lab, CocoLoop, página do modelo no Hugging Face; o porte em parâmetros, a ocupação de memória e todas as pontuações de avaliação vêm da tabela comparativa oficial, e os dados de eficiência energética seguem a metodologia dos laboratórios de Stanford.