Thinking Machines lança Inkling 2 Small: modelo MoE de 594B que pode treinar outros modelos
A Thinking Machines apresentou o Inkling 2 Small, um modelo MoE de 594B parâmetros que lidera entre modelos abertos em várias tarefas e demonstrou poder fazer fine-tuning do Qwen3.5-4B de forma autônoma.
Thinking Machines, a startup de Mira Murati, lançou um novo modelo chamado Inkling 2 Small.
Na verdade, o modelo não é tão Small: é um MoE com 594B de parâmetros e 17B ativos. Os pesos ainda estão fechados, mas a promessa é publicá-los em breve sob Apache 2.0.
Inkling 2 Small ficou em terceiro lugar no DesignArena Website e em primeiro no leaderboard geral entre modelos abertos. O salto em relação à versão anterior foi muito significativo.
Em tarefas de visão, finanças e agentes de escritório, ele lidera entre modelos open source. Em programação, o resultado é um pouco mais modesto, mas o modelo já está bem próximo do DeepSeek-V4.1-Flash atualizado.
O mais interessante do lançamento foi uma demo em que o próprio modelo fez fine-tuning do Qwen3.5-4B para previsão de séries temporais. Ele escreveu seu próprio avaliador, encontrou um bug, testou SFT e RL e, após 4,5 horas e $426, entregou o melhor checkpoint. Em novos dados, o erro foi cerca de 15% menor que o do modelo base.
Além disso, o modelo é bom na otimização de kernels de GPU: no PMPP-Hard resolve em média 54 de 69 tarefas, no nível do DeepSeek V4.1 Flash.
Por enquanto, está disponível via Tinker.
Por que isso importa
AnáliseO lançamento mostra que modelos MoE abertos estão ficando mais competitivos. O fine-tuning autônomo aponta para agentes de IA capazes de treinar e otimizar outros modelos com pouca intervenção humana.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Thinking Machines lança Inkling 2 Small: modelo MoE que compete com flagships maiores
A Thinking Machines lançou o Inkling 2 Small, um modelo multimodal baseado em Mixture-of-Experts com 594 bilhões de parâmetros e 17 bilhões ativos por token. Os pesos completos devem ser publicados na próxima semana sob licença Apache 2.0.
Guia de prompts para modelos generativos GPT Image
Os modelos de geração de imagens gpt-image da OpenAI foram criados para obter visuais de qualidade de produção e processos criativos totalmente controláveis. São adequados tanto para design profissional...
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: Comparação de Modelos 2026
A cada poucas semanas, surge um novo modelo, e sempre as mesmas perguntas: vale a pena migrar? O que mudou? Pelo que pagar?
Modelos de Fronteira
A classe mais poderosa de inteligência artificial na vanguarda da pesquisa global (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), que define os limites atuais das capacidades de raciocínio, autonomia e codificação.