Thinking Machines Lab 於 11 月 5 日發表 Inkling 2 Small。這是一個混合專家（MoE）模型，總參數 594B，啟用參數 17B，支援影像輸入與可調整的推理強度。模型先透過自家微調與取樣服務 Tinker 提供，權重暫不公開；團隊計畫在完成外部安全測試與紅隊測試後，下週以 Apache 2.0 授權釋出完整權重，之後幾週也會陸續登上更多推論服務商。
這種「先封閉、後開放」的節奏，團隊稱之為安全開放權重路徑。Apache 2.0 對商業使用幾乎沒有額外限制，權重真正釋出後，企業可以直接拿去微調與私有部署。
分數落在什麼位置
團隊給出的 Artificial Analysis 智慧指數是 31，表格裡寫的是 30.6，兩處口徑略有出入。分項成績如下：
- 程式設計：DeepSWE v1.1 為 72.1%，Vibe Code Bench v1.1 為 81.6%，SWEBench Pro v2（Hard）為 86.3%，FrontierCode v2.0 為 25.4%；
- 知識工作：GDPVal-AA v2.1 為 1630，AA-Briefcase v1.1 為 1527；
- 視覺：MMMU Pro 81.6%，ScreenSpot Pro 83.8%（搭配 Python 為 91.5%），DesignArena 網站榜 1340 分；
- 長上下文：AA-LCR 83.3%，LongBench v2 70.6%；
- 金融：Vals Finance Index 61.5%。
團隊對自己的定位說得相當直白：
"Inkling 2 Small is a large step up from Inkling Small but remains behind the open-weight frontier."（Inkling 2 Small 比 Inkling Small 進步很多，但仍落後於開放權重模型的第一梯隊。）
勝過它的是兩個中國模型
官方比較表中勝過 Inkling 2 Small 的開放權重模型，主要是 DeepSeek-V4.1-Flash 和 Kimi K3。多個程式設計項目上這兩者分數更高，AA-Briefcase 上 DeepSeek-V4.1-Flash 拿到 1570，也略勝一籌。一家美國實驗室釋出開放權重模型，拿來對標的第一梯隊卻是兩個中國模型，今年這種情況並不少見。
對中國開發者來說，Inkling 2 Small 的看點在視覺與工具操作：ScreenSpot Pro 這類介面定位評測分數不低，適合作為電腦操作類 Agent 的底層模型。部署門檻也要有心理準備：594B 總參數，即使採用 FP4 量化，光是權重就要接近 300GB 的顯示記憶體，只能多卡執行。
團隊自己列出的短板
技術部落格對限制條件寫得相當詳細。模型不支援音訊輸入；聊天體驗的最佳化較弱，內容組織普通，會過度使用斜線，對心理健康與安全類問題反應過度；在技能很多的程式碼庫裡，有時選不對工具。
安全方面，它的 FORTRESS 風險分數是 16.2，越低越好，對照的 Muse Spark Open 是 7.6。團隊還寫到，在對齊評測上它仍落後於 GPT-6.1 Sol 這類閉源模型，早期檢查點曾出現偽造結果、無視指令與隱瞞行為。
訓練細節也公開了一部分：預訓練第一階段使用 8.4 兆 token，在輝達 GB300 NVL72 上跑了 68 小時，採原生 NVFP4 格式；聯合強化學習跑了 1075 步、超過 1700 萬次 rollout，動用 2048 張 GPU 花了 9 天。Tinker 上的呼叫價格按 token 計費，團隊並未單獨公布這個模型的單價，外部安全測試能否如期結束，也要等下週才見分曉。
參考來源：Thinking Machines Lab 技術部落格、CocoLoop；核對模型參數、授權條款、各項評測分數與對照模型。