Thinking Machines lança Inkling 2 Mini, um transformer em loop de pesos abertos que roda em um notebook

O modelo de mistura de especialistas com 26,4 bilhões de parâmetros executa suas camadas intermediárias três vezes por token, ocupa cerca de 20 GB e, segundo o laboratório, lidera os modelos abertos abaixo de 100 bilhões no DeepSWE v1.1 e no Vals Index v2.2.
Por que importa
A maioria dos modelos abertos pequenos troca qualidade por tamanho; a Thinking Machines reutiliza suas camadas intermediárias, de modo que o modelo raciocina mais por token sem escrever cadeias de pensamento mais longas. O laboratório diz que isso importa para a supervisão e relata que uma variante de pesquisa com loops variáveis manteve a cadeia de pensamento legível e não pontuou mais em testes de sabotagem agêntica com mais loops. O ARC Prize registra 49,3% no ARC-AGI-2. Vale acompanhar avaliações independentes de programação e se outros laboratórios adotarão loops em modelos locais.
Fatos principais
- 26,4 bilhões de parâmetros, 3,4 bilhões ativos
- Camadas intermediárias três vezes por token
- Cerca de 20 GB, principalmente em NVFP4
- DeepSWE v1.1: 48,2%; Vals Index v2.2: 46,5%
- ARC-AGI-2: 49,3% (ARC Prize)
- Modelo de pesquisa com loops variáveis também lançado