Skip to main content
Всі новини
AI RADARМоделі
1•21.11.2026, 15:41•3 хв читання

Thinking Machines представила зациклений ШІ-трансформер Inkling 2 Mini

Thinking Machines представила зациклений ШІ-трансформер Inkling 2 Mini - 1
Thinking Machines представила зациклений ШІ-трансформер Inkling 2 Mini - 2
Thinking Machines представила зациклений ШІ-трансформер Inkling 2 Mini - 3
Thinking Machines представила зациклений ШІ-трансформер Inkling 2 Mini - 4
+1

Thinking Machines, стартап Міри Мураті, представила Inkling 2 Mini — модель на архітектурі looped transformer. Це той самий підхід, який, за припущеннями, нібито лежить в основі GPT-6 Astra.

Основна ідея: замість того, щоб проганяти фіксований стек шарів рівно один раз, модель багаторазово пропускає прихований стан через один і той самий блок шарів перед генерацією наступного токена. Це додає глибини міркуванню без збільшення кількості параметрів і без зайвої витрати токенів на міркування.

Багато хто припускає, що така архітектура також могла лягти в основу Fable 5.2 і GPT Sol. Саме завдяки зацикленню могло статися подешевшання моделей та оптимізація споживання токенів, які спостерігалися останніми місяцями.

Thinking Machines випустила компактну версію looped transformer, розраховану на локальний запуск:

  • усього 26,4B параметрів;
  • активних параметрів — приблизно 3,4B;
  • через повторний прогін шарів виходить близько 5,4B активацій ваг на токен.

У моделі загалом 24 шари, організовані в чотири блоки по шість шарів. Перший і останній блоки виконуються один раз, а два середні — по три рази. У підсумку на токен припадає 48 застосувань шарів. Повторно проганяються лише середні шари, тому що, як зазначають автори, саме в них відбувається більш абстрактне міркування. У тестах це дало значно кращий результат, ніж зациклювання останніх 12 шарів.

За бенчмарками модель демонструє рівень, порівнянний із Qwen3.8-27B, а за окремими метриками навіть вищий, попри меншу кількість параметрів. Для локального запуску це справді цікавий варіант.

Ваги | Блогпост

Чому це важливо

Аналітика

Inkling 2 Mini показує, що looped transformer може підвищувати глибину міркування без пропорційного зростання параметрів. Це важливо для локального та edge-запуску ШІ, де обмежені пам’ять і обчислювальні ресурси.

Обговорити новину у спільноті

Діліться своїм досвідом та думками з ШІ-розробниками

Спільнота Андрія Орлова
+5 Points
← До стрічки новин

Пов'язані матеріали екосистеми

Практичні гайди, термінологія та агентські скіли

Новина

Thinking Machines випустила Inkling 2 Mini — відкриту ШІ-модель для локального кодування

Thinking Machines представила модель Inkling 2 Mini з відкритими вагами, циклічною архітектурою трансформера та можливістю працювати локально на Mac без інтернету.

Практичний гайд

Частина I. Архітектура ШІ-агентів: фундаментальні блоки

Десять фундаментальних блоків сучасного агента: таксономія моделей, рантайм-петля, техніки промптингу, дистиляція, навички (skills), пам'ять, function calling та юніт-економіка.

Практичний гайд

Частина II. Архітектура ШІ-агентів: від моделі до пам'яті та інструментів

Глибоке інженерне занурення: токенізація, KV-кеш, детермінізм семплінгу, тренувальний стек, квантування, контекстна інженерія, стек безпеки, виробничий RAG, ReAct та мультиагентні swarm-системи.

Термін у глосарії

Frontier Models (Фронтирні моделі ШІ)

Найпотужніший клас штучного інтелекту на передньому краї світових досліджень (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), що визначає межу сучасних можливостей міркування, автономності та кодування.