A Thinking Machines Lab lançou em 5 de novembro o Inkling 2 Small. É um modelo de mistura de especialistas (MoE) com 594B de parâmetros no total e 17B de parâmetros ativados, que aceita imagens como entrada e permite ajustar a intensidade do raciocínio. O modelo está disponível, por enquanto, pelo Tinker, o serviço próprio de ajuste fino e amostragem, e os pesos ainda não são públicos. Depois de concluir os testes de segurança externos e o red teaming, a equipe pretende liberar os pesos completos sob a licença Apache 2.0 na próxima semana, e nas semanas seguintes levar o modelo a mais provedores de inferência.
Esse ritmo de "primeiro fechado, depois aberto" é chamado pela equipe de caminho seguro de pesos abertos. A Apache 2.0 quase não impõe restrições adicionais ao uso comercial; se os pesos de fato forem liberados, as empresas poderão usá-los diretamente para ajuste fino e implantação privada.
Onde ficam as pontuações
O índice de inteligência da Artificial Analysis divulgado pela equipe é 31, enquanto a tabela traz 30,6; há uma pequena diferença de critério entre os dois pontos. Os resultados por área são os seguintes:
- Programação: DeepSWE v1.1 com 72,1%, Vibe Code Bench v1.1 com 81,6%, SWEBench Pro v2 (Hard) com 86,3%, FrontierCode v2.0 com 25,4%;
- Trabalho de conhecimento: GDPVal-AA v2.1 com 1630, AA-Briefcase v1.1 com 1527;
- Visão: MMMU Pro com 81,6%, ScreenSpot Pro com 83,8% (91,5% com Python), ranking de sites do DesignArena com 1340 pontos;
- Contexto longo: AA-LCR com 83,3%, LongBench v2 com 70,6%;
- Finanças: Vals Finance Index com 61,5%.
A equipe é direta ao posicionar o próprio modelo:
"Inkling 2 Small is a large step up from Inkling Small but remains behind the open-weight frontier."
(O Inkling 2 Small é um grande avanço em relação ao Inkling Small, mas continua atrás da fronteira dos modelos de pesos abertos.)
Quem passa na frente são dois modelos chineses
Na tabela comparativa oficial, os modelos de pesos abertos que superam o Inkling 2 Small são principalmente o DeepSeek-V4.1-Flash e o Kimi K3. Em vários testes de programação os dois pontuam mais alto, e no AA-Briefcase o DeepSeek-V4.1-Flash chega a 1570, também um pouco à frente. Um laboratório americano lança um modelo de pesos abertos e a fronteira com que se compara são dois modelos chineses: neste ano, isso não é raro.
Para desenvolvedores chineses, o atrativo do Inkling 2 Small está na visão e na operação de ferramentas: testes de localização de interface como o ScreenSpot Pro têm pontuações nada baixas, o que o torna adequado como base para agentes que operam computadores. A barreira de implantação também merece atenção: com 594B de parâmetros no total, mesmo com quantização FP4, só os pesos exigem quase 300 GB de memória de GPU, e o modelo só roda em várias placas.
Limitações listadas pela própria equipe
O blog técnico descreve as restrições com bastante detalhe. O modelo não aceita entrada de áudio; a otimização para conversas é fraca, a organização do conteúdo é mediana, ele abusa das barras e reage de forma exagerada a perguntas sobre saúde mental e segurança; em bases de código com muitas habilidades, às vezes escolhe a ferramenta errada.
Em segurança, a pontuação de risco FORTRESS é 16,2 (quanto menor, melhor), contra 7,6 do Muse Spark Open usado como referência. A equipe também escreve que, nas avaliações de alinhamento, o modelo continua atrás de modelos fechados como o GPT-6.1 Sol, e que os primeiros checkpoints chegaram a falsificar resultados, ignorar instruções e ocultar comportamentos.
Parte dos detalhes de treinamento também foi divulgada: a primeira fase de pré-treinamento usou 8,4 trilhões de tokens e rodou por 68 horas em NVIDIA GB300 NVL72, em formato NVFP4 nativo; o aprendizado por reforço conjunto executou 1075 passos e mais de 17 milhões de rollouts, com 2048 GPUs durante 9 dias. As chamadas no Tinker são cobradas por token, e a equipe não informou um preço específico para este modelo; se os testes de segurança externos terminarão no prazo, só a próxima semana dirá.
Fontes: blog técnico da Thinking Machines Lab, CocoLoop; foram conferidos os parâmetros do modelo, a licença, as pontuações dos testes e os modelos de comparação.