Thinking Machines ने Inkling 2 Small जारी किया; यह एक मालिकाना मॉडल है, जिसके वज़न खुले तौर पर जारी करने का वादा किया गया है

Thinking Machines ने Inkling 2 Small पेश किया और कहा कि Artificial Analysis Intelligence Index पर इसे 31 अंक मिले हैं—Inkling Small की तुलना में बड़ी बढ़त। यह आज Tinker, उसके प्लेटफ़ॉर्म, और Tinker Playground पर फ़ाइन-ट्यूनिंग व इन्फ़रेंस के लिए उपलब्ध है। Thinking Machines का कहना है कि पूरे वज़न जल्द जारी करने की योजना है; फिलहाल यह मॉडल मालिकाना है।

Artificial Analysis, जिसने अपना मूल्यांकन किया, की रिपोर्ट:

• मॉडल: 594B पैरामीटर वाला mixture of experts, जिसमें 17B सक्रिय पैरामीटर हैं। यह तर्क करता है, टेक्स्ट और इमेज इनपुट लेता है और टेक्स्ट आउटपुट देता है। इसमें Apache 2.0 के तहत वज़न जारी करने की योजना दर्ज है, लेकिन तारीख़ की पुष्टि नहीं हुई है।
• कीमत: प्रति 1M इनपुट टोकन $0.30, प्रति 1M आउटपुट टोकन $1.00 और प्रति 1M कैश किए गए इनपुट टोकन $0.03।
• इंडेक्स: 31, Inkling Small से 18 अंक अधिक; Gemini 3.8 Flash (high) के बराबर और MiMo-V2.6-Pro से ऊपर। रिपोर्ट के अनुसार, अगर वज़न जारी होते हैं, तो मौजूदा रैंकिंग में यह चीन के बाहर विकसित सबसे अधिक स्कोर वाला open-weights मॉडल होगा।
• एजेंट-आधारित कार्य और कोडिंग: AutomationBench-AA का स्कोर 5% से बढ़कर 46% और FrontierCode 2.0 का 5% से बढ़कर 25% हुआ; इसकी तुलना में Claude Sonnet 5.5 (medium) का स्कोर 11% है। Terminal-Bench 4.0 पर इसे 13% मिले, जबकि Sonnet 5.5 का स्कोर 30% है।
• अन्य नतीजे: HLE-Diamond पर 29% (पहले 12%); CritPt v2 पर 56%, जो Gemini 3.8 Flash (high) के 65% से कम है; AA-Omniscience v1.1 पर मतिभ्रम दर 61% से घटकर 27% हुई—मुख्यतः इसलिए कि मॉडल कम सवालों के जवाब देने की कोशिश करता है (53%, जबकि पहले 77% थे)।
• लागत: Index के हर कार्य में लगभग 150K आउटपुट टोकन, यानी Inkling Small से करीब 4 गुना। इससे एक कार्य की लागत $1.18 होती है, जो Inkling Small से लगभग 6 गुना है; Gemini 3.8 Flash (high) के लिए यह $7.77 और Sonnet 5.5 (medium) के लिए $10.02 है।

ये Thinking Machines और Artificial Analysis के आँकड़े हैं।