跳到主要內容
2026-11-07 日報
模型發布

Thinking Machines 發布 Inkling 2 Small:594B MoE 架構平齊 Gemini 3.8 Flash,擬採 Apache 2.0 開放權重

The Decoder多家報導
核實資料不足

多個報導來源提及此事;未必是彼此獨立的證據。

查證回合用盡,未形成有依據結論

由 OpenAI 前技術長 Mira Murati 創立的新創公司 Thinking Machines 發表次世代基底模型 Inkling 2 Small,號稱是目前性能最強的西方開放權重模型。該模型採混合專家(MoE)架構,總參數量為 5,940 億(594B),推論時動態啟用 170 億(17B)參數,支援文字與影像輸入,並提供可調整思考深度機制以平衡生成速度與精準度。 據業者公布數據,Inkling 2 Small 在 Artificial Analysis Intelligence Index 取得 31 分(前代為 13 分),水準接近 Google Gemini 3.8 Flash。代理任務進步顯著:AutomationBench-AA 得分由 5% 提高至 46%,FrontierCode 2.0 從 5% 增至 25.4%(略低於 Deepseek-V4.1-Flash 的 28.5%),AA-Briefcase 知識評分達 1,527 Elo(上升 615 分)。此外,幻覺率從 61% 降至 27%,但回答率同時從 77% 下滑至 53%。在其他程式基準上,DeepSWE 達 72.1%,SWEBench Pro v2 (Hard) 達 86.3%。 多模態領域方面,其在複雜文件問答基準 GDP.pdf 得分 25.2%、MMMU Pro 為 81.6%、PerceptionBench 為 64.7%;在網站設計對決 DesignArena Website 獲得 1,340 Elo,居開放權重模型首位。推論成本方面,模型平均每任務輸出約 150,000 個 token(為前代 4 倍),單任務成本上升至 1.18 美元,雖是前代 6 倍,但仍大幅低於 Gemini 3.8 Flash(7.77 美元)與 Claude Sonnet 5.5(10.02 美元)。 該模型全階段訓練處理約 12 兆 token,其中強化學習階段以 2,048 張 GPU 耗時 9 天、處理 3 兆 token 完成數十萬次長程程式碼任務。官方亦列出目前限制:溝通效率有時不彰、大型程式碼庫中工具選擇不穩定、不支援音訊、未對聊天情境最佳化,且對健康議題容易出現過度反應或混亂輸出。Inkling 2 Small 初期僅透過 Tinker 平台提供,待外部安全評估完成後將以 Apache 2.0 授權釋出權重。
讀原始報導

背景

Mixture of Experts(MoE)是一種透過多個專家網路劃分問題空間的機器學習架構,能讓模型在與傳統稠密模型相同的運算預算下大幅擴充參數量或資料規模。開放權重(Open weights)則是指公開釋出訓練完成的模型參數與偏差,允許他人下載並進行微調或修改,但與釋出完整開發材料的開源人工智慧在定義上有所區隔。

來源