产品简介
Inkling 2 Small 是 Thinking Machines Lab 在 2026 年 11 月 5 日发布的第二代模型，594B 总参数、17B 激活的 MoE，带一个 292M 的视觉编码器，支持图像输入，在 Artificial Analysis Intelligence Index v5.0.1 上拿到 31 分，比上一代 Inkling Small 高 18 分。发布当天就能在 Tinker 上做微调与推理，完整权重计划在下周以 Apache 2.0 放出。
它的能力重心放在长程自主工作上。评测时最大轨迹长度开到 1M token，训练过程分四段推进：H1 用 8.4 万亿 token 打底，H2 换成质量更高更新的 3.8 万亿并把上下文推到 512K，H3 用约 3200 亿 token 的推理与智能体轨迹把窗口顶到 1M，H4 再筛约 340 亿 token 的最高质量轨迹收尾，最后做 1075 步联合强化学习，累计超过 1700 万次 rollout，跑在 2048 块 GPU 上，用了 9 天。
成绩分布比较均匀。编码与自动研究这一侧，SWEBench Pro v2 的 Hard 档 86.3%，DeepSWE v1.1 72.1%，Vibe Code Bench v1.1 81.6%，PostTrainBench v1.2 31.9%。视觉侧 MMMU Pro 81.6%、ScreenSpot Pro 83.8%、GDP.pdf 25.2%、PerceptionBench 64.7%。知识工作与金融侧的 JobBench 70.5%、Vals Legal Index 73.9%、Vals Finance Index 61.5%。长上下文 LongBench v2 70.6%。
可变努力（variable effort）是这一代的实用设计：训练时随机采样一个 effort level 作为条件，并在奖励里加长度惩罚，模型因此学会在速度与彻底程度之间自己权衡。评测统一跑在 effort 0.99 的最高档，日常调用可以往下调。
核心功能
- 594B 总参、17B 激活的 MoE：带一个 292M 参数的视觉编码器，图像按 20×20 像素切块、2×2 空间池化后与文本 token 交错输入，训练精度原生 NVFP4。
- 长轨迹支持到 1M：RL 训练的基础窗口 256K，预训练 H3 阶段用 1M，评测最大轨迹长度也是 1M，并训练了上下文压缩以处理更长的任务链。
- 可变努力 variable effort：训练时随机条件化 effort level 并在奖励里加长度惩罚，模型学会权衡速度与彻底程度，同一个模型可以从快答切到深想。
- Tinker 上直接微调：发布当天即可在 Tinker 做推理采样与微调，也能让模型自己编排微调流程，权重放出前的过渡期不必等。
- 编码与自动研究基准：SWEBench Pro v2 Hard 86.3%，DeepSWE v1.1 72.1%，Vibe Code Bench v1.1 81.6%，PostTrainBench v1.2 31.9%，长周期自主任务是这个模型的设计目标。
- 视觉与知识工作：MMMU Pro 81.6%、ScreenSpot Pro 83.8%、GDP.pdf 25.2%，同时 JobBench 70.5%、Vals Legal Index 73.9%、Vals Finance Index 61.5%。
- 权重计划 Apache 2.0：走的是先内部安全测试、再放权重的路径，完整权重预计在下周以 Apache 2.0 发布，checkpoints 随权重一并提供。
适合谁用
以下类型的用户会特别受益于 Thinking Machines Inkling 2 Small：
- 智能体编码：仓库级改造、多轮工具调用与测试回填，1M 轨迹长度让长任务不必中途重开。
- 屏幕操作类智能体：ScreenSpot Pro 83.8% 说明它对界面元素定位有底子，适合做 GUI 自动化。
- 视觉文档处理：GDP.pdf 25.2%、Charxiv RQ 85.6%，报表、图纸与图表类文档可以直接读。
- 在自己的数据上微调：Tinker 上按 token 付费做微调，比自建训练集群轻得多。
- 长程自动研究：官方给的一个样本是让模型自主训练 Qwen3.5-4B 做时间序列预测，4.5 小时把评分翻倍，训练加微调花了 426 美元。
- 知识工作流水线：法务与金融侧的几个基准说明它能接住合同审查、财报解读这类任务。
优点亮点
- 17B 激活配上 594B 总参，能力容量与单步成本之间取得了一个实用比例。
- 1M 轨迹长度是这一代最实在的升级，长周期任务不用靠切片硬凑。
- 可变努力让同一个模型兼顾快答与深想，不必在路由层再维护两套模型。
- 视觉与编码两条线都不弱，ScreenSpot Pro 与 SWEBench Pro v2 Hard 都进了前列。
- Apache 2.0 的权重计划很干净，放出后可自建、可商用、可二次分发。
- Tinker 让微调不需要自备集群，按 token 付费就能在自己的数据上试。
- 原生 NVFP4 训练，在 Blackwell 这一代硬件上部署时的显存压力更小。
价格与方案
发布当周的唯一获取渠道是 Tinker：可以按 token 付费做推理采样，也可以直接在平台上微调，单价按模型档位与训练、采样分别计价，具体数字见 Tinker 官方文档。完整权重计划在下周以 Apache 2.0 发布，届时可自行部署，成本转为算力支出。官网给的成本样本是：在时间序列预测的自动研究任务里训练加微调一个模型花掉 426 美元，耗时 4.5 小时，对应 Tinker 的 500 美元预算上限。
总结与建议
Inkling 2 Small 的看点是把长程自主工作当成主目标来做：594B 总参只激活 17B，轨迹长度顶到 1M，可变努力让它在快答与深想之间自己切换。编码、视觉、知识工作三条线的基准都进了前列，AA 指数 31 分比上一代高 18 分。先用 Tinker 试，等下周 Apache 2.0 权重放出再决定自建，是眼下最省事的路径。
版本演进
- Inkling 2 Small 发布，AA 指数 31 分并计划开源权重 （2026-11-05）：Thinking Machines Lab 于 2026 年 11 月 5 日发布第二代模型 Inkling 2 Small，594B 总参数、17B 激活的 MoE，配 292M 视觉编码器，支持图像输入与可变努力，原生 NVFP4 训练，在 Artificial Analysis Intelligence Index v5.0.1 上得 31 分，比上一代高 18 分。评测最大轨迹长度 1M，训练分四段推进，累计预训练约 12.2 万亿 token，最后做 1075 步联合强化学习，超过 1700 万次 rollout，用 2048 块 GPU 跑了 9 天。基准方面 SWEBench Pro v2 Hard 86.3%、DeepSWE v1.1 72.1%、MMMU Pro 81.6%、ScreenSpot Pro 83.8%、LongBench v2 70.6%、JobBench 70.5%。发布当天可在 Tinker 上微调与推理，完整权重计划下周以 Apache 2.0 发布，官方称若落实将成为中国以外得分最高的开源权重模型。