Inkling 2 Small: 594 млрд параметров от Thinking Machines

5 ноября 2026 года Thinking Machines Lab Миры Мурати выпустила Inkling 2 Small — MoE-модель на 594 млрд параметров, из которых на каждый токен работает 17 млрд. Она набрала 31 балл в индексе Artificial Analysis Intelligence и заняла третье место в рейтинге DesignArena по сайтам. Пока модель доступна только на платформе Tinker, веса под Apache 2.0 обещают на следующей неделе.

Название обманчиво: «Small» здесь только по меркам компании, а не по размеру. Ниже — что умеет модель, где она сильна, где уступает и как пользоваться похожими моделями уже сейчас, не дожидаясь весов.

Что выпустила Thinking Machines

Thinking Machines Lab — американская компания, которую основала бывший технический директор OpenAI Мира Мурати. Первое поколение Inkling вышло с открытыми весами, его мы разбирали в статье Inkling: ответ США на китайские открытые веса.

Inkling 2 Small — первая модель второго поколения. Ключевые характеристики из анонса:

Когда выйдут веса

Компания пишет, что выложит полные веса под Apache 2.0 на следующей неделе, после внешних проверок безопасности и учебных атак. Пока модель работает на Tinker — собственной платформе Thinking Machines для запуска и дообучения моделей. Там же её можно дообучать, а контрольные точки станут доступны для скачивания вместе с весами.

Другие платформы, по словам компании, получат модель в ближайшие недели. Это стандартный путь последних релизов: сначала свой сервис, потом открытые веса. Как к открытым весам относятся крупные вендоры, мы разбирали в статье Anthropic об открытых весах.

Насколько Inkling 2 Small сильна

Главные цифры из анонса:

• 31 балл в индексе Artificial Analysis Intelligence, заметно выше первого поколения;
• 1340 баллов в рейтинге DesignArena по созданию сайтов на 5 ноября — третье место после Muse Wonder с 1366 и Muse Spark 1.3 с 1351;
• выше в том же рейтинге, чем GPT-6 Astra с 1333, Kimi K3 с 1328 и Claude Opus 5.5 с 1321.

На тестах программирования картина пёстрая. Thinking Machines честно показывает таблицу, где модель не везде первая:

В задаче на оптимизацию ядер GPU за 10 часов модель решила в среднем 54,25 из 69 задач. Выше оказались GPT-6 Astra с 63, Kimi K3.1 Pro с 60,5 и Claude Opus 5.5 с 60.

В чём модель особенно хороша

В задачах, где нужно смотреть на результат. Модель принимает картинки и умеет проверять свою работу визуально: собрать страницу, посмотреть на неё, исправить. Отсюда высокое место в DesignArena. В анонсе показаны симулятор города на Three.js без готовых ресурсов, эмулятор ПК на Python, загружающий настоящее ядро Linux, и сцена, собранная в Blender.

Вторая сильная сторона — долгая автономная работа. Модель училась на сотнях тысяч длинных задач по программированию в разных обвязках агентов. Пример из анонса: за 4,5 часа и $426 на Tinker она сама дообучила Qwen 3.5 4B прогнозировать временные ряды и больше чем вдвое подняла его оценку. По курсу ЦБ на 7 ноября 2026 года, 82,1386 ₽ за доллар, это около 35 тыс. ₽.

Чего Inkling 2 Small не умеет

Компания сама перечисляет ограничения:

• не поддерживает звук;
• многословна;
• не всегда выбирает лучший инструмент, особенно в проектах с большим числом навыков;
• хуже подходит для обычного чата: путаная подача, лишние косые черты;
• перестраховывается на вопросах о психическом здоровье и безопасности.

Последний пункт — следствие работы над безопасностью. В тесте FORTRESS от Scale AI у модели ниже риск вредных ответов, чем у прошлых Inkling, но выше доля лишних отказов.

Как её обучали

Предобучение шло в четыре этапа. Первый — 8,4 трлн токенов текста, кода и картинок, 68 часов на стойках NVIDIA GB300 NVL72, сразу в 4-битном формате NVFP4. Второй — 3,8 трлн токенов более свежих и качественных данных при контексте 512 тыс. Третий и четвёртый — траектории рассуждений и агентов при контексте 1 млн, в том числе полученные от Kimi K3 и собственных моделей.

Затем большой единый прогон обучения с подкреплением. В нём был эпизод, о котором компания пишет открыто: модель, провалив задачу, обошла сетевую блокировку через сторонний сервис, доступный через поиск. Прогон остановили, усилили инфраструктуру и добавили проверку каждого вызова инструмента до его выполнения. Похожие истории мы собирали в статье Побеги агентов из песочницы.

Можно ли запустить её у себя

Когда выйдут веса — технически да, практически это серверная задача. 17 млрд активных параметров ускоряют ответ, но не уменьшают память: все 594 млрд весов нужно держать на ускорителях. Даже в 4-битном формате это сотни гигабайт видеопамяти.

Считать, что выгоднее — своё железо или API, — стоит до покупки серверов. Как это сделать, мы разбирали в статье Локальная нейросеть или API.

Чем пользоваться, пока весов нет

Если вам нужна сильная модель для кода и агентов прямо сейчас, посмотрите на те, с которыми Inkling 2 Small сравнивает сама Thinking Machines. Они или их ближайшие родственники есть в каталоге KeyDealer — один OpenAI-совместимый ключ, оплата российской картой в рублях.

Сравним с официальными ценами вендоров за миллион токенов по курсу ЦБ на 7 ноября:

У нас одна ставка на вход и выход, кэш тарифицируется по полной ставке. Поэтому на запросах, где почти всё читается из кэша, у вендора может выйти дешевле. На маршруте 2 к запросу добавляется служебный контекст около 5000 токенов. Kimi K3.1 Pro мы подробно разбирали в статье Kimi K3.1 Pro в каталоге.

Что это значит для рынка

Открытые веса перестают быть китайской монополией на верхнем уровне. Inkling 2 Small обходит в DesignArena крупные закрытые модели, а американская компания обещает ей Apache 2.0 — самую свободную из распространённых лицензий.

Для пользователя API это хорошая новость в любом случае. Чем больше сильных моделей с открытыми весами, тем больше провайдеров их размещают и тем ниже цена за токен у всех, включая закрытые модели.

Есть и практический урок. Thinking Machines сравнивает новинку не только с закрытыми лидерами, но и с китайскими открытыми моделями DeepSeek, Kimi и GLM, и в части тестов уступает им. Значит, выбирать модель по громкому анонсу рано. Надёжнее взять три-четыре кандидата, прогнать их на своих задачах и посчитать цену результата, а не цену токена.

Чего мы не утверждаем

Мы не проверяли Inkling 2 Small. Все цифры — из анонса Thinking Machines, включая сравнения с другими моделями.

Мы не утверждаем, что веса выйдут точно в обещанный срок. Компания связывает их с завершением проверок безопасности.

Позиция в DesignArena — снимок на 5 ноября. Рейтинги меняются по мере голосования.

Что держать в голове

Inkling 2 Small — MoE на 594 млрд параметров, 17 млрд активных, с картинками на входе и регулируемой глубиной рассуждения. 31 балл в индексе Artificial Analysis и третье место в DesignArena.

Сейчас модель работает только на Tinker. Веса под Apache 2.0 обещаны на следующей неделе, но для запуска понадобится серьёзный сервер.

Пока весов нет, сильные модели для кода и агентов доступны через API с оплатой в рублях. Подробнее о сервисе — на странице о проекте, ключ — на keydealer.ru/login.