Przejdź do treści

Inkling 2 Small: Thinking Machines zapowiada otwarte wagi na przyszły tydzień

Adam Marzec
Okładka z nagłówkiem INKLING 2 SMALL i trzema białymi kartami: PARAMETRY 594 mld (17 mld aktywnych), INDEKS AA v5.0.1 31 pkt i CENA W TINKERZE 0,30 USD za milion tokenów wejścia; pomarańczowa pieczątka WAGI ZAPOWIEDZIANE; odczyty 6.11.2026

Thinking Machines Lab, firma Miry Murati, byłej CTO OpenAI, wydała 5 listopada 2026 model Inkling 2 Small, drugą generację swojej rodziny modeli językowych. To model typu Mixture-of-Experts z 594 mld parametrów, z których na każdy token pracuje 17 mld, z koderem obrazu i kontekstem deklarowanym do miliona tokenów. Na start działa wyłącznie na firmowej platformie Tinker, z zamkniętymi wagami, ale komunikat zapowiada ich wydanie na licencji Apache 2.0 „next week”, czyli w przyszłym tygodniu, po zewnętrznych testach bezpieczeństwa. Artificial Analysis daje modelowi 31 punktów w swoim indeksie i pisze, że po publikacji wag byłby to najwyżej oceniany otwarty model opracowany poza Chinami. Modelu nie testowałem; liczby pochodzą z dokumentów firmy, pomiarów Artificial Analysis i publicznych API, z datami odczytów.

Najważniejsze informacje

CoSzczegóły
Premiera5.11.2026, komunikat Thinking Machines Lab; druga generacja modeli Inkling
RozmiarMixture-of-Experts: 594 mld parametrów, 17 mld aktywnych (8 z 384 ekspertów na token); koder obrazu 292 mln parametrów, bez audio
Wynik niezależny31 pkt w indeksie Artificial Analysis v5.0.1; DeepSeek V4.1 Flash 1017: 33, GLM-5.3: 32, Kimi K3.1 Pro: 46 (odczyt 6.11)
Dostępnośćtylko Tinker: API, fine-tuning i Playground po zalogowaniu; kontekst 64 tys. lub 256 tys. tokenów; inne platformy „in the coming weeks”
WagiApache 2.0 zapowiedziane „next week” (komunikat z 5.11), po zewnętrznych testach bezpieczeństwa; na Hugging Face brak repozytorium (odczyt 6.11)
Cenyw komunikacie brak; cennik Tinkera: 0,30 USD za mln tokenów wejścia (0,03 z cache), 1,00 USD wyjścia, trening 1,50-3,00 USD
Język polskinie wymieniony; karta modelu: „English, general multilingual support”; nie testowaliśmy

Kim jest Thinking Machines i czym jest Inkling

Firmę założono w lutym 2025 roku w San Francisco; według Wikipedii w lipcu 2025 roku zebrała 2 mld dolarów przy wycenie 12 mld. Aplikacji czatu dla zwykłych użytkowników firma nie ma. Sprzedaje Tinker, działającą od października 2025 platformę do dostrajania modeli przez API, a od lipca 2026 roku także własne modele. Pierwszy Inkling wyszedł 15 lipca: 975 mld parametrów, 41 mld aktywnych i wagi na licencji Apache 2.0 od dnia premiery, a w odczycie Hugging Face z 6 listopada ma 1,86 mln pobrań w ciągu 30 dni. Druga generacja jest od niego mniejsza, a w indeksie Artificial Analysis bije oba modele pierwszej generacji, Inkling i Inkling-Small, z dużym zapasem: 31 punktów wobec niespełna 13. W treningu widać ślad konkurencji, bo według komunikatu dwie ostatnie fazy uczenia składały się głównie z zapisów rozwiązywania zadań wygenerowanych przez wcześniejsze modele, w tym przez chiński Kimi K3.

Co potrafi: kod, autoresearch i obraz

Komunikat stawia na długą, samodzielną pracę agentową; wczesne wersje modelu firma testowała w OpenCode pod nazwą Fledge-Alpha. Najciekawszy przykład firma nazywa autoresearch. Inkling 2 Small miał wytrenować na Tinkerze mały model Qwen3.5-4B do prognoz szeregów czasowych, od popytu na prąd po odsłony stron Wikipedii, z budżetem 500 dolarów. Sam napisał skrypt oceniający wyniki, wyłapał w nim własny błąd z ziarnem losowym, a nieudaną próbę uczenia ze wzmocnieniem przerwał. Skończył po ponad czterech godzinach, wydając 426 dolarów, a według komunikatu wytrenowany model robi na nowych danych z sierpnia i września o około 15% mniej błędów niż wyjściowy.

Druga oś to obraz. Koder wizji ma 292 mln parametrów, a model sprawdza w pętli wygląd tego, co sam zbudował. Tak powstały pokazy z komunikatu, w tym symulator miasta w Three.js i emulator PC w Pythonie, który uruchamia jądro Linuksa. Na podstawie jednego zdjęcia trzech kieliszków model trafnie rozpoznał wina w 19 z 20 prób, lepiej niż badacze firmy. Pierwsza generacja rozumiała też dźwięk, a druga, jak przyznaje komunikat, audio nie obsługuje.

Benchmarki: gdzie wygrywa, a gdzie nie

W indeksie Artificial Analysis v5.0.1 Inkling 2 Small ma 31 punktów (30,6 w danych strony), o 18 więcej niż Inkling Small i tyle co Gemini 3.8 Flash w trybie high. Na tej samej skali DeepSeek V4.1 Flash 1017 ma 33 punkty, GLM-5.3 32, a Kimi K3.1 Pro 46 (odczyt 6 listopada); dwie ostatnie wartości zgadzają się z naszym odczytem z 2 listopada przy porównaniu GLM i Kimi. Rywale spoza Chin stoją niżej: Mistral Large 4 ma 26 punktów, Muse Spark Open od Mety 25.

W tabelach komunikatu Inkling 2 Small nie zawsze wygrywa, co komentujący na HN od razu docenili. W kodowaniu przegrywa z DeepSeekiem V4.1 Flash w FrontierCode v2.0 (25,4% wobec 28,5%) i DeepSWE v1.1 (72,1% wobec 77,0%), a w SWE-Bench Pro v2 w wariancie Hard (86,3%) ustępuje Kimi K3 (88,2%). Wygrywa w zadaniach wizualnych, na przykład w rankingu DesignArena dla stron internetowych, gdzie ma 1340 punktów, najwięcej w tabeli komunikatu; w migawce samego rankingu z 5 listopada stoi jednak na trzecim miejscu, za dwoma modelami Mety. Słabo wypada w pracy w terminalu, z wynikiem 13% w Terminal-Bench 4.0 wobec 30% u Claude Sonnet 5.5 (wg AA).

Pomiar AA ma też mniej wygodną stronę. Odsetek halucynacji spadł z 61% do 27%, ale według serwisu głównie dlatego, że model rzadziej próbuje odpowiadać (53% pytań wobec 77%), a trafność wzrosła tylko z 32% do 34%. Model jest przy tym rozwlekły i wolny: średnio około 150 tys. tokenów wyjścia i 21,2 minuty na zadanie indeksu. Liczby z tabel komunikatu to deklaracje producenta; niezależny pomiar daje na dziś tylko AA.

Ile kosztuje Inkling 2 Small i czy jest za darmo

Komunikat nie podaje żadnej stawki i na Hacker News szybko padło pytanie, gdzie są ceny. Cennik jest w dokumentacji Tinkera (odczyt 6 listopada): 0,30 dolara za milion tokenów wejścia, 0,03 przy trafieniu w cache i 1,00 dolara za milion tokenów wyjścia, a dostrajanie metodą LoRA kosztuje 1,50 albo 3,00 dolary za milion tokenów, zależnie od długości kontekstu. Artificial Analysis liczy jednak koszt zadania indeksu na 1,18 dolara, dwa razy więcej niż u DeepSeeka V4.1 Flash 1017 (0,60) przy tej samej stawce za wejście, choć wyraźnie mniej niż u GLM-5.3 (5,01) i Kimi K3.1 Pro (3,68).

Darmowego planu dokumentacja nie przewiduje. Regulamin Tinkera mówi, że usługi są płatne, a darmowe kredyty mogą się pojawić jako promocja albo grant, według uznania firmy. Playground wymaga zalogowania, a instrukcja startowa API każe zacząć od podpięcia danych płatniczych. Inferencja bezserwerowa jest w becie, a na użycie produkcyjne firma zapisuje na listę oczekujących. Na OpenRouterze, o który pytają polskie podpowiedzi Google („inkling openrouter free”), są na razie tylko modele pierwszej generacji.

Kiedy otwarte wagi i co to zmienia

Zdanie o wagach brzmi w oryginale tak: „We intend to make the full weights available under an Apache 2.0 license next week after the completion of external safety testing and red-teaming”. Przy dacie komunikatu (czwartek, 5 listopada) oznacza to tydzień od 9 listopada, ale dnia nikt nie podał, a Artificial Analysis opisuje datę jako niepotwierdzoną. Organizacja thinkingmachines na Hugging Face nie miała 6 listopada rano żadnego repozytorium nowego modelu. Moonshot przy Kimi K3.1 podał konkretny dzień i termin 4 listopada dotrzymał, a tutaj deklaracja jest luźniejsza.

Zmieniła się też procedura. Pierwszy Inkling miał wagi publiczne od dnia premiery, a druga generacja idzie ścieżką z wpisu „A Safe Path to Open Weights” z 31 lipca: najpierw API i hostowany fine-tuning, przy których firma może monitorować użycie i odebrać dostęp, potem wagi. Ten sam wpis zastrzega, że etapy nie kończą się automatycznie wydaniem wag, więc deklaracja z 5 listopada pozostaje intencją. Jeśli się spełni, rynek dostanie amerykański model na licencji Apache 2.0, bez wyłączeń terytorialnych i z wynikiem wyższym niż Muse Spark Open od Mety, który ma w AA 25 punktów przy 816 mld parametrów. Na HN o to właśnie toczył się spór: jedni przypominali, że firmy nie ufają modelom z Chin, drudzy, że DeepSeek robi to samo taniej.

Na domowy komputer to za dużo. Plików jeszcze nie ma, więc szacuję z proporcji pierwszej generacji, która w formacie NVFP4 zajmuje na Hugging Face około 0,62-0,64 bajta na parametr: dla 594 mld parametrów wychodzi rząd 370-380 GB, a w BF16 około 1,2 TB. Jak liczyć pamięć dla dużych modeli MoE, pokazaliśmy przy wymaganiach sprzętowych Kimi K3, a modele, które realnie działają na własnym sprzęcie, zbieramy w hubie o lokalnym AI. Gdy wagi trafią na Hugging Face, dopiszemy tu rozmiar plików i licencję z repozytorium.

Ograniczenia według autorów

Komunikat ma osobną sekcję o ograniczeniach i nie łagodzi w niej słów. Thinking Machines przyznaje, że Inkling 2 Small nie jest zwięzły i nie zawsze dobiera właściwe narzędzia, zwłaszcza w repozytoriach z wieloma skillami, a w czacie gorzej porządkuje odpowiedzi, nadużywa ukośników i przesadnie reaguje na pytania o zdrowie psychiczne. To ostatnie widać w teście FORTRESS, gdzie wskaźnik nadmiernych odmów wynosi 20,4 wobec 3,6 u GLM-5.3-Flash (im mniej, tym lepiej). Wczesne wersje potrafiły fabrykować wyniki i ukrywać, co zrobiły, a w połowie treningu model, nie radząc sobie z zadaniem, obszedł blokadę sieci przez zewnętrzną usługę; firma wstrzymała trening i usunęła środowiska z dostępem do sieci. W testach bezpieczeństwa zachowań (alignment) model nadal ustępuje zamkniętym rywalom, takim jak GPT-6.1 Sol, co firma przyznaje sama.

Inkling 2 Small w Polsce

Polskiej wersji ani cennika w złotych nie ma, ale nie widać też blokady. Tinker nie publikuje listy krajów, regulamin zastrzega tylko, że funkcje mogą się różnić zależnie od lokalizacji, a strona logowania otwiera się z Polski normalnie. Konta nie zakładaliśmy, więc nie wiemy, czy rejestracja z polską kartą przechodzi bez przeszkód. Języka polskiego nie wymienia żaden dokument: karta modelu deklaruje „English, general multilingual support”, bez listy języków i bez wielojęzycznego benchmarku, i ostrzega przed nierówną jakością w językach słabiej reprezentowanych w danych.

Polskie media tematu prawie nie zauważyły: Google News po polsku zwraca 6 listopada rano jedną notkę, z polskojęzycznej edycji Unite.AI. Podpowiedzi Google pokazują jednak, że nazwa krąży: w Polsce wyskakują „inkling ai”, „inkling llm” i „inkling small”, a rodzina „thinking machines inkling” pyta o parametry, benchmarki i darmowy dostęp. Fraza „inkling 2 small” nie ma w Polsce jeszcze żadnej podpowiedzi, w USA już ma, więc zainteresowanie dotyczy na razie pierwszej generacji.

Najczęstsze pytania

Czym jest Inkling 2 Small?

To model językowy Thinking Machines Lab, firmy Miry Murati, wydany 5 listopada 2026: Mixture-of-Experts z 594 mld parametrów, z których 17 mld pracuje na każdy token, z wejściem tekstowym i obrazowym. Artificial Analysis daje mu 31 punktów w indeksie v5.0.1 (odczyt 6 listopada). W przeciwieństwie do pierwszej generacji nie obsługuje dźwięku.

Czy Inkling 2 Small jest darmowy?

Darmowego planu nie ma. Na Tinkerze kosztuje 0,30 dolara za milion tokenów wejścia i 1,00 dolara za milion wyjścia, a Playground wymaga zalogowania (odczyt 6 listopada). Darmowe będą wagi, jeśli firma wyda je na licencji Apache 2.0, ale do ich uruchomienia potrzeba setek gigabajtów pamięci.

Kiedy wagi Inkling 2 Small pojawią się na Hugging Face?

Komunikat z 5 listopada zapowiada pełne wagi na licencji Apache 2.0 „next week”, czyli w tygodniu od 9 listopada, po zewnętrznych testach bezpieczeństwa i red-teamingu. Dokładnego dnia nie podano, a Artificial Analysis określa datę jako niepotwierdzoną. 6 listopada rano repozytorium na Hugging Face nie było.

Czy Inkling 2 Small jest na OpenRouter?

Nie. W odczycie API OpenRoutera z 6 listopada są tylko modele pierwszej generacji: Inkling (1,00 dolara za milion tokenów wejścia i 4,05 za wyjście) oraz Inkling Small (0,45 i 1,20). Firma zapowiada inne platformy w ciągu kilku tygodni, po zakończeniu testów bezpieczeństwa.

Źródła

Powiązane artykuły