AI News
Alle Meldungen
Offiziell

Thinking Machines stellt Inkling 2 Small vor, Gewichte folgen nächste Woche

Laut Matthew Berman erreicht Inkling 2 Small 31 Punkte im Artificial Analysis Intelligence Index und lässt sich herunterladen. Das Unternehmen selbst sagt jedoch, dass die Gewichte noch nicht veröffentlicht sind.

Open Source · · Aktualisiert · 2 Min. Lesezeit

Thinking Machines hat Inkling 2 Small vorgestellt. Laut der Ankündigung des Unternehmens vom 5. November 2026 erreicht das Modell 31 Punkte im Artificial Analysis Intelligence Index. Matthew Berman bezeichnete es in einem Video vom 11. November als Open-Weights-Modell, das sich bereits herunterladen lasse. Die Ankündigung stützt diese Aussage in dieser Form nicht. Demnach ist Inkling 2 Small zunächst über Tinker mit geschlossenen Gewichten verfügbar. Die vollständigen Gewichte sollen nächste Woche unter einer Apache-2.0-Lizenz erscheinen, nach externen Sicherheitstests und Red-Teaming. Dass die Gewichte bereits online sind, steht in der Ankündigung nicht.

Das Unternehmen beschreibt Inkling 2 Small als Mixture-of-Experts-Modell mit insgesamt 594B Parametern, davon 17B aktiv. Zudem verarbeite das Modell Bildeingaben und biete einen variablen Rechenaufwand. Bei einer Mixture-of-Experts-Architektur läuft pro Token nur ein Teil der Gewichte, daher bestimmt der Wert von 17B aktiven Parametern den Rechenaufwand pro Token. Gespeichert werden müssen aber alle 594B Parameter. Berman meinte, das Modell könnte auf einen lokalen Rechner passen. Angesichts der in der Ankündigung genannten Gesamtzahl an Parametern lässt sich diese Aussage schwer beurteilen. Weder die Ankündigung noch das Video nennen einen Speicherbedarf oder eine quantisierte Größe.

Berman verglich das Modell mit DeepSeek V4.1 Flash, und die Tabelle in der Ankündigung bestätigt seine Zahlen bei einigen Benchmarks. Bei FrontierCode v2.0 kommt Inkling 2 Small auf 25,4 %, DeepSeek-V4.1-Flash-1017 auf 28,5 %. Bei DeepSWE v1.1 sind es 72,1 % gegenüber 77,0 %. Beide Zeilen sind in der Tabelle als zweitbester und nicht als bester Wert markiert, und die Tabelle beruht auf den eigenen Angaben des Unternehmens. Bei SWEBench Pro v2 (Hard) weist die Tabelle für Inkling 2 Small 86,3 % aus, für DeepSeek nur einen Strich; in dieser Zeile gibt es also keinen direkten Vergleich. Berman bezeichnete DeepSeek V4.1 Flash außerdem als das beste Open-Source- und Open-Weights-Modell der Welt. Diese Einordnung trifft die Ankündigung nicht.

Den ausführlichsten Beleg in der Ankündigung liefert eine Fallstudie zu Autoresearch. Darin trainierte Inkling 2 Small selbstständig Qwen3.5-4B auf Tinker, um Zeitreihen wie Strombedarf, Wetter und Seitenaufrufe auf Wikipedia vorherzusagen. Laut Ankündigung dauerte das 4,5 Stunden und kostete 426 $ für Tinker, und das trainierte Modell habe seinen Prognosewert mehr als verdoppelt. Das Laufprotokoll auf derselben Seite nennt eine andere Dauer, nämlich 4 h 17 min. Die Skill Scores steigen dort von 0,191 beim Basismodell auf 0,289 beim eingereichten Checkpoint, also um etwa die Hälfte und nicht auf das Doppelte. Das Protokoll meldet zudem rund 15 % weniger Fehler als das Basismodell bei bisher nicht gesehenen Daten aus August und September. Das ist allerdings eine andere Kennzahl als der Skill Score.

Im Bereich Bildverarbeitung soll das Modell laut Ankündigung das beste Open-Weights-Modell auf DesignArena werden, sobald seine Gewichte veröffentlicht sind. In der zugehörigen Tabelle liegt Inkling 2 Small mit 1.340 insgesamt auf Platz drei, hinter Muse Wonder (max) mit 1.366 und Muse Spark 1.3 (xhigh) mit 1.351. Die Balken der Tabelle beginnen bei 1.100 statt bei 0. Die Spitzenposition unter den Open-Weights-Modellen hängt somit von einer Veröffentlichung ab, die laut Ankündigung noch aussteht.

Was sich ändert

Art: Neue Funktion · Betrifft: Inkling 2 Small, Tinker

Warum es wichtig ist

Ein kompaktes Open-Weights-Modell mit einem gemeldeten starken Ergebnis bietet Teams eine günstigere Option, um kleinere Aufgaben mit Agenten auszuführen.

Wie sich die Meldung entwickelt hat

  1. Die Gewichte sind inzwischen unter Apache 2.0 veröffentlicht, und die Quelle ergänzt Angaben zu Größe, Architektur und Day-0-Serving.

Originalquelle

Weitere Berichte

Wo wir es gesehen haben

2 Quellen

Forward Future (Matthew Berman), Latent Space

KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es