Mira Murati Thinking Machines startupja bemutatta az Inkling 2 Small modellt, 594 milliárd paraméterrel és erős ügynökfeladat-mérőszámokkal
A korábbi OpenAI-technológiai vezető, Mira Murati Thinking Machines startupja bemutatta az Inkling 2 Small második generációs, finomhangolásra szánt nyugati nyílt súlyú alapmodellt. A kevert szakértői hálózat 594 milliárd paraméterből egyszerre 17 milliárdot aktivál, szöveget és képet fogad, a gondolkodási mélység pedig a sebesség és az alaposabb válasz között állítható. A cég szerint a Mesterséges Elemzés intelligenciaindexén 31 pontot ér el – 18-cal többet, mint az előző Inkling Small 13 pontja –, nagyjából a Google Gemini 3.8 Flash szintjén. Az ügynökfeladatokban az AutomationBench-AA 5-ről 46 százalékra, a FrontierCode 2.0 5-ről 25,4 százalékra nőtt; az AA-Briefcase tudásmunka-mérésen 1527 Elo-t ért el, 615 ponttal a előd fölött. A hallucinációs arány 61-ről 27 százalékra esett, mert kevesebbet válaszol: a válaszadási arány 77-ről 53 százalékra csökkent. Feladatonként átlagosan mintegy 150 ezer kimeneti tokent használ, nagyjából négyszer annyit, mint elődje, 1,18 dolláros költsége majdnem hatszoros, de így is olcsóbb a Gemini 3.8 Flash 7,77 és a Claude Sonnet 5.5 10,02 dollárjánál. Megerősítéses tanulással százezres nagyságrendű hosszú kódolási feladaton tanították; a DeepSWE-n 72,1, a SWEBench Pro v2 Hardon 86,3 százalékot ért el, a Deepseek-V4.1-Flash azonban a FrontierCode-on 28,5, a DeepSWE-n 77 százalékkal még vezet. A GDP.pdf dokumentummérésen 25,2, az MMMU Pro-n 81,6, a PerceptionBench-en 64,7 százalékkal a mezőny élén áll, a DesignArena Website-en 1340 Elo a nyílt súlyú modellek között a legmagasabb. A teljes tanítás körülbelül 12 billió token, a megerősítéses szakasz 3 billió tokenen, 2048 GPU-n kilenc napig tartott. Hangot nem kezel, kevésbé chatre optimalizált; a Tinker platformon érhető el, a súlyokat külső biztonsági vizsgálat után Apache 2.0 alatt tervezik kiadni.
Folytasd az appban — szavazz és szólj hozzá ➔