شرکت Thinking Machines روز چهارشنبه ۱۴ آبان ۱۴۰۵ (۵ نوامبر ۲۰۲۶) مدلِ «Inkling 2 Small» را عرضه کرد: مدلی از نوعِ ترکیبِ متخصصان (MoE) با ۵۹۴ میلیارد پارامتر که در هر توکن فقط ۱۷ میلیارد از آن‌ها فعال است. طبق اعلامیه‌ی رسمی فعلاً فقط روی پلتفرمِ Tinker در دسترس است و وزن‌هایش با مجوزِ Apache 2.0 قرار است هفته‌ی بعد، پس از آزمونِ ایمنی، منتشر شود.
مشخصاتِ فنی
- ساختار: MoE با ۵۹۴ میلیارد پارامترِ کل و ۱۷ میلیارد فعال در هر توکن.
- ورودی: متن و تصویر. صدا پشتیبانی نمی‌شود. بخشِ بینایی یک رمزگذارِ ۲۹۲ میلیون پارامتری است.
- زمینه: سقفِ ۱ میلیون توکن در آزمون‌ها (در Inkling Small ۲۵۶ هزار بود). آموزشِ تقویتی با ۲۵۶ هزار توکن و فشرده‌سازی برای کارهای بلندتر انجام شده است.
- سطحِ تلاش: مدل «سطحِ تلاشِ متغیر» دارد و بیشترِ آزمون‌ها در بالاترین سطح اجرا شده است.
نتیجه‌ی آزمون‌ها
شرکت این عددها را گزارش کرده است: ۸۶٫۳٪ در SWE-Bench Pro v2 (سخت)، ۷۲٫۱٪ در DeepSWE v1.1، ۸۱٫۶٪ در Vibe Code Bench v1.1، ۸۱٫۶٪ در MMMU Pro برای بینایی و ۲۸٫۷٪ در HLE-Diamond. شاخصِ هوشِ Artificial Analysis حدود ۳۱ است. شرکت خودش می‌گوید در بسیاری از ردیف‌ها نفرِ دوم است، نه اول؛ یعنی این مدل رکوردشکن نیست و قدرتش بیشتر در کدنویسی و کارهای ایجنتی است. این عددها را خودِ شرکت منتشر کرده و نتیجه‌ی آزمونِ مستقل نیستند. خلاصه‌ی خبرهای همان روز را در AI Weekly هم می‌شود دید.
ایمنی؛ نکته‌ای که کمتر دیده می‌شود
این بار شرکت بیش از هر عرضه‌ی قبلی از آزمونگرانِ بیرونی کمک گرفته است. در آزمونِ FORTRESS امتیازِ ریسکِ مدل (۱۶٫۲) از Inkling و Inkling Small کمتر است، ولی «ردِ بیش‌ازحد» (۲۰٫۴) بالاتر رفته. نرخِ رفتارِ نابه‌جا از ۶۶٫۸ به ۱۴٫۹ رسیده، هرچند هنوز از GPT-6.1 Sol عقب‌تر است. بخشِ محدودیت‌ها هم می‌گوید مدل به پرسش‌های سلامتِ روان بیش‌ازحد واکنش نشان می‌دهد و قالب‌بندیِ پاسخ‌هایش در چت ضعیف‌تر است.
قیمت و دسترسی
قیمتِ هر توکن در صفحه نیامده و به مستنداتِ Tinker ارجاع داده شده است. یک نمونه‌ی گزارش‌شده: ۴۲۶ دلار هزینه برای یک اجرای خودکارِ آموزشِ چهار ساعت و ۱۷ دقیقه‌ای. پلتفرم‌های دیگر «در هفته‌های آینده» و پس از آزمونِ ایمنی خواهند آمد. وزن‌ها هنوز منتشر نشده؛ پس تا آن زمان نمی‌شود مدل را دانلود و محلی اجرا کرد.
این یعنی چه برای کاربر فارسی‌زبان؟
برای بیشترِ کاربرانِ عادی، این مدل فعلاً راهِ مستقیمی ندارد: Tinker پلتفرمی برای توسعه‌دهندگان و تنظیمِ مدل است و اجرای این اندازه از مدل به چندین کارتِ گرافیکِ حرفه‌ای نیاز دارد. اگر به مدل‌های متن‌بازِ بزرگ علاقه دارید، بعد از انتشارِ وزن‌ها باید دید پشتیبانیِ فارسی چقدر است؛ در منبع‌ها آزمونِ فارسی گزارش نشده. برای کارِ روزمره همین حالا می‌توانید در ابزارهای هوش‌نو با مدل‌هایی مثل GPT، Claude، Gemini، DeepSeek و Qwen به فارسی گفت‌وگو کنید. درباره‌ی ابزارهای مناسبِ فارسی‌زبانان هم می‌توانید راهنمای ابزارهای هوش مصنوعی برای فارسی‌زبانان را بخوانید.
جایگاهش در بازارِ مدل‌های باز
مدل‌های بزرگِ متن‌باز در ماه‌های اخیر پشتِ سرِ هم می‌آیند؛ برای دیدنِ نمونه‌های چینی می‌توانید راهنمای ابزارهای هوش مصنوعی چینی را بخوانید. تفاوتِ Inkling 2 Small با بسیاری از آن‌ها تمرکزش بر کارهای طولانیِ ایجنتی است: زمینه‌ی ۱ میلیون توکنی و آموزش با فشرده‌سازیِ زمینه یعنی مدل برای اجراهای چندساعته ساخته شده، نه فقط پرسش و پاسخ. اگر با این مفهوم آشنا نیستید، ایجنت هوش مصنوعی چیست را ببینید. هزینه‌ی اجرا هم مهم است: مدلی با ۵۹۴ میلیارد پارامتر حتی با ۱۷ میلیارد فعال، حافظه‌ی زیادی در کارت‌های گرافیک می‌گیرد، پس برای اجرای محلی در خانه مناسب نیست.
چه چیزی هنوز معلوم نیست؟
- تاریخِ دقیقِ انتشارِ وزن‌ها و نتیجه‌ی نهاییِ آزمونِ ایمنی.
- قیمتِ هر توکن و میزبانی در پلتفرم‌های دیگر.
- کیفیتِ مدل در زبانِ فارسی.
- نتیجه‌ی آزمون‌های مستقل.
جمع‌بندی
Inkling 2 Small مدلی بزرگ و سنگین برای کدنویسی و کارهای ایجنتی است که قرار است متن‌باز شود. ارزشِ واقعیِ آن را وقتی می‌شود سنجید که وزن‌ها و آزمون‌های مستقل بیایند.
سؤالات متداول
Inkling 2 Small چند پارامتر دارد؟
۵۹۴ میلیارد پارامتر که در هر توکن ۱۷ میلیارد آن فعال است.
آیا متن‌باز است؟
هنوز نه. شرکت گفته وزن‌ها با مجوزِ Apache 2.0 هفته‌ی بعد از اعلام، پس از آزمونِ ایمنی منتشر می‌شود.
صدا و ویدیو می‌فهمد؟
خیر؛ ورودیِ آن متن و تصویر است و صدا پشتیبانی نمی‌شود.
