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
主打以 170 億活躍參數實現高階代理任務,單任務推論成本 1.18 美元,並經 2,048 張 GPU 耗時 9 天完成強化學習訓練。
The Decoder多家報導
55 則值得知道的變化
主打以 170 億活躍參數實現高階代理任務,單任務推論成本 1.18 美元,並經 2,048 張 GPU 耗時 9 天完成強化學習訓練。
該模型單任務成本約 0.78 美元,在綜合智慧指數與 Grok 4.7 並列,中國模型中僅次於 Kimi K3.1 Pro。
採多教師強化學習蒸餾與 2T token 預訓練,支援零樣本語音與頭像生成,API 採候補名單開放且不開源權重。
涵蓋 8B 至 35B 規格並支援最高 262K 上下文,透過一致性訓練使選項翻轉率降至 4.2%,權重已支援 GGUF 與本地部署。
該模型總參數 29B 且每 token 僅啟動 4B,採 MLA 與 mHC 架構,適配華為昇騰 910C 集群並使訓練吞吐量提升約 96%。
參數量僅 5,130 萬,專為手機與穿戴硬體設計;測試顯示將其結構化輸出傳給純文字 Qwen3-0.6B,VQA 分數可由 9.3 升至 31.3。
基於 Qwen3.8-27B 僅以 SFT 訓練,事實分數自 2.32 升至 2.98,涵蓋言論自由與民主等七大價值範疇。