Thinking Machines wypuszcza Inkling 2 Small: model MoE 594B, który potrafi dostrajać inne modele
Thinking Machines zaprezentowało Inkling 2 Small — model MoE o 594B parametrów, który prowadzi wśród modeli otwartych w wielu zadaniach i samodzielnie dostrajał Qwen3.5-4B.
Thinking Machines, startup Miry Murati, wydał nowy model o nazwie Inkling 2 Small.
W rzeczywistości model nie jest taki mały: to MoE z 594B parametrów i 17B aktywnych. Wagi są na razie zamknięte, ale wkrótce mają zostać udostępnione na licencji Apache 2.0.
Inkling 2 Small zajął trzecie miejsce w DesignArena Website i pierwsze miejsce w ogólnym rankingu wśród otwartych modeli. Skok względem poprzedniej wersji jest bardzo znaczący.
W zadaniach vision, finansach i biurowych zadaniach agentowych prowadzi wśród modeli open source. W kodowaniu sytuacja jest nieco skromniejsza, ale model jest już dość blisko zaktualizowanego DeepSeek-V4.1-Flash.
Najciekawszym elementem premiery było demo, w którym model samodzielnie dostrajał Qwen3.5-4B do prognozowania szeregów czasowych. Napisał własny ewaluator, znalazł w nim błąd, wypróbował SFT i RL, a po 4,5 godzinach i $426 dostarczył najlepszy checkpoint. Na nowych danych błąd był około 15% niższy niż w modelu bazowym.
Model dobrze radzi też z optymalizacją kerneli GPU: w PMPP-Hard rozwiązuje średnio 54 z 69 zadań, na poziomie DeepSeek V4.1 Flash.
Na razie dostępny przez Tinker.
Dlaczego to ważne
AnalizaPremiera pokazuje, że duże modele MoE stają się coraz bardziej konkurencyjne w segmencie otwartego AI. Autonomiczne dostrajanie wskazuje na rozwój agentów AI, którzy samodzielnie trenują i optymalizują inne modele.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Thinking Machines wypuściła Inkling 2 Small: model MoE, który konkuruje z większymi flagowcami
Thinking Machines zaprezentowało Inkling 2 Small — multimodalny model oparty na architekturze Mixture-of-Experts z 594 miliardami parametrów i 17 miliardami aktywowanymi na token. Pełne wagi mają zostać opublikowane w przyszłym tygodniu na licencji Apache 2.0.
Modele Frontier
Najsilniejsza klasa sztucznej inteligencji na czele światowych badań (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), wyznaczająca granice współczesnych możliwości w zakresie rozumowania, autonomii i programowania.
Revolut przenosi około 2000 inżynierów na lokalne modele GLM do programowania
Revolut przeniosło około 2000 inżynierów na lokalnie wdrożone modele GLM, obniżając koszty kodowania z AI około dziesięciokrotnie i skracając czas realizacji zadań o 70%.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).