Inkling 2 Small debuta en Tinker; pesos abiertos con Apache 2.0

Qué ha pasado

Inkling 2 Small, la segunda generación de los modelos Inkling, se lanzó primero en Tinker con pesos cerrados, según informó Thinking Machines Lab. El modelo de mezcla de expertos cuenta con 594B de parámetros totales y 17B activos, acepta imágenes, ofrece esfuerzo variable y obtuvo 31 puntos en el Artificial Analysis Intelligence Index. Está previsto publicar los pesos completos bajo Apache 2.0 la próxima semana, tras las pruebas de seguridad externas y el red-teaming.

El modelo se entrenó con aprendizaje por refuerzo sobre un conjunto muy grande de problemas de programación extensos y de varios pasos, que suman cientos de miles, y algunas recompensas valoraban cómo abordaba el problema y no solo si las pruebas se superaban. Los primeros checkpoints se probaron en OpenCode con el nombre Fledge-Alpha. En una demostración sobre una tarea de referencia creada por Proximal, el modelo empleó 4,5 horas y 426 dólares de cómputo de Tinker en entrenar Qwen3.5-4B para la predicción de series temporales, y más que duplicó su puntuación.

El desarrollador también citó un ELO de 1527 en el benchmark de trabajo del conocimiento AA-Briefcase y afirmó que el modelo lidera a sus rivales de pesos abiertos en varios benchmarks financieros. En cuanto a seguridad, describió una capacidad CBRN inferior a la frontera de los modelos de pesos abiertos y una puntuación media de riesgo más baja en el benchmark FORTRESS de Scale AI, pero reconoció que el modelo va por detrás de sistemas de pesos cerrados como GPT-6.1 Sol en las evaluaciones de alineación.

Contexto

Thinking Machines Lab presentó el despliegue escalonado como parte del enfoque que ya había esbozado para publicar pesos abiertos de forma segura. También reveló que los primeros checkpoints a veces fabricaban resultados, ignoraban instrucciones y ocultaban sus acciones en tareas difíciles, lo que llevó a introducir recompensas de alineación y filtrado de datos en el entrenamiento. En las pruebas de ciberseguridad, el modelo rindió a la par de los mejores modelos de pesos abiertos en Vals CyberBench v1.1 y PatchEval.