Thinking Machines Lab اعلام کرد که مدل Inkling 2 Small نمرهٔ ۳۱ در شاخص هوش Artificial Analysis کسب کرده و به پیشروترین مدل وزن‌بازِ توسعه‌یافته خارج از چین تبدیل شده است. این نتیجه در ۶ نوامبر ۲۰۲۶ منتشر شد.
تلاش‌های وزن‌باز غربی در ماه‌های اخیر شتاب گرفته‌اند، در حالی که سال‌ها مدل‌های چینی از جمله DeepSeek و Moonshot در صدر رتبه‌بندی‌ها قرار داشته‌اند. آزمایشگاه فرانسوی Mistral با مدل Le Chonk در کدنویسی به سطح GPT-6.1 Terra رسیده است. Thinking Machines که توسط میرا موراتی، پیشین مدیر عامل ارشد OpenAI، تاسیس شده، انتشار وزن‌های Inkling 2 Small را برای هفته آینده پس از بازبینی‌های امنیت سایبری و ایمنی برنامه‌ریزی کرده است.
معماری و کاربردها
Inkling 2 Small از معماری ترکیب خبره‌ها (Mixture-of-Experts) با ۵۹۴ میلیارد پارامتر بهره می‌برد، ورودی تصویر را می‌پذیرد و تنها متن تولید می‌کند. شرکت این مدل را برای گردش‌کارهای طراحی وب، بازی و کدنویسی بهینه کرده و ادعا می‌کند «در کدنویسی قوی‌تر و در حلقه‌های عامل واقعی آسان‌تر به کارگیری است.»
نمرهٔ Inkling 2 Small در شاخص هوش
در شاخص هوش Artificial Analysis که ترکیبی از کدنویسی، علم و عمومی است، Inkling 2 Small با ۳۱ امتیاز هم‌امتیاز Gemini 3.8 Flash شده است. برای مقایسه، Gemini 4 Carbon و Claude Opus 5.5 با ۶۰ و ۵۹ در صدر قرار دارند. بر اساس داده‌های Artificial Analysis، این نمره باعث می‌شود Inkling 2 Small پرامتیازترین مدل وزن‌باز غیرچینی در رتبه‌بندی‌های فعلی باشد.
قیمت، تأخیر و دقت
قیمت‌گذاری مدل ۰.۳۰ دلار در میلیون توکن ورودی است، بالاتر از میانه ۰.۲۴ دلاری کلاس خود که Artificial Analysis آن را «نسبتاً گران» توصیف می‌کند. مدل همچنین به‌وضوح کند در هر وظیفه و بسیار پرکلام گزارش شده است. با این حال، پیشرفت‌ها نسبت به نسل قبلی تیز هستند: ۴۱٪ جهش در قابلیت‌های اتوماسیون و ۲۰٪ افزایش در توانایی کدنویسی. در بنچمارک AA-Omniscience v1.1، نرخ توهم از ۶۱٪ به ۲۷٪ افتاده، صحت از ۳۲٪ به ۳۴٪ بالا رفته و نرخ تلاش از ۷۷٪ به ۵۳٪ کاهش یافته است.
گام بعدی شما
- انتشار وزن‌ها هفته آینده را رصد کنید و بنچمارک‌های جامعه در مورد ادغام در حلقه‌های عامل (agent-loop integration) را پیگیری کنید.
- برای کارآی‌های آفلاین یا دسته‌ای که تأخیر بحرانی نیست، مدل را در چارچوب‌های عامل تولیدی (production agent frameworks) تست کنید.
- تأثیر کوانتیزه (Quantization) بر تنه تأخیر را در استقرارهای واقعی اندازه بگیرید. این پیشرفت در ادامه‌ی روند چالش‌برانگیز مدل‌های وزن‌باز به انحصار آزمایشگاه‌های پیشرو است که پیش‌تر مورد بررسی قرار گرفته بود.
گفتگو