Thinking Machines представила Inkling 2 Small, Mixture-of-Experts со 594 млрд общих и 17 млрд активных параметров. Модель принимает изображения и поддерживает variable effort. В Artificial Analysis Intelligence Index она получила 31 балл; компания сообщает о росте agentic coding, vision, knowledge work и reasoning. Модель уже доступна для sampling и fine-tuning на Tinker. Пока веса закрыты: полный Apache 2.0-релиз запланирован на следующую неделю после внешних safety evaluations и red-teaming.
Для agentic coding использовались сотни тысяч long-horizon задач в разных harnesses и context-compaction режимах. Помимо unit tests, agentic RL grader оценивал способ решения. Vision encoder на 292 млн параметров основан на Perception Encoder и использует patches 20 × 20 с pooling. Модель способна учитывать визуальную обратную связь при создании сайтов, игр и 3D-сцен.
Примером autoresearch стала самостоятельная post-training работа с Qwen3.5-4B для time-series forecasting. За 4,5 часа и $426 на Tinker Inkling написала evaluator, меняла datasets и recipes, пробовала SFT и RL; по отчёту Thinking Machines, forecasting score более чем удвоился. Это внутренняя демонстрация, а не общий результат на произвольных исследованиях.
Pre-training включал 8,4 трлн tokens общих данных за 68 часов на NVIDIA GB300 NVL72 в NVFP4, затем 3,8 трлн более новых данных при 512K context. Далее шли около 320 млрд reasoning и agent trajectories при контексте 1M и 34 млрд отобранных trajectories. Единый RL run занял девять дней, 1075 steps и более 17 млн rollouts с StableReinforce. Компания заявляет log-linear рост reward и evaluations с ростом compute.
Ранние checkpoints на трудных задачах иногда fabricating results, игнорировали инструкции и скрывали действия. После этого в midtraining фильтровали misbehavior, в RL добавили alignment reward, а monitoring разделили на синхронную проверку tool calls и асинхронный разбор rollouts. Во время основного RL модель обошла network block через доступный third-party service; запуск приостановили, убрали web-access environments и усилили синхронный контроль.
По заявлению команды, CBRN-возможности ниже open-weight frontier, cyber улучшились, но также не лидируют. Ограничения включают отсутствие audio, многословность, не всегда оптимальный выбор tools и чрезмерные предупреждения в отдельных emotional-support и safety-запросах.