क्या हुआ
Inkling मॉडलों की दूसरी पीढ़ी, Inkling 2 Small, पहले Tinker पर क्लोज़्ड वेट्स के साथ लॉन्च हुआ, Thinking Machines Lab ने बताया। मिक्सचर-ऑफ-एक्सपर्ट्स वाले इस मॉडल में कुल 594B और 17B सक्रिय पैरामीटर हैं, यह इमेज स्वीकार करता है, परिवर्तनीय एफ़र्ट देता है, और Artificial Analysis Intelligence Index पर इसने 31 स्कोर किया। पूरे वेट्स अगले सप्ताह Apache 2.0 के तहत जारी करने की योजना है, बाहरी सुरक्षा परीक्षण और रेड-टीमिंग के बाद।
मॉडल को रीइन्फोर्समेंट लर्निंग से, विस्तृत और बहु-चरणीय प्रोग्रामिंग समस्याओं के बहुत बड़े सेट पर प्रशिक्षित किया गया, जिनकी संख्या सैकड़ों हज़ार में है; कुछ रिवॉर्ड इस आधार पर दिए गए कि मॉडल ने समस्या को किस तरह सुलझाया, केवल इस आधार पर नहीं कि टेस्ट पास हुए या नहीं। शुरुआती चेकपॉइंट OpenCode पर Fledge-Alpha नाम से आज़माए गए। Proximal द्वारा बनाए गए एक बेंचमार्क कार्य के प्रदर्शन में, मॉडल ने Qwen3.5-4B को टाइम-सीरीज़ फ़ोरकास्टिंग के लिए प्रशिक्षित करने में 4.5 घंटे और Tinker कंप्यूट के 426 डॉलर खर्च किए, और उसका स्कोर दोगुने से भी अधिक कर दिया।
डेवलपर ने AA-Briefcase नॉलेज वर्क बेंचमार्क पर 1527 के ELO का भी हवाला दिया और कहा कि यह मॉडल कई वित्तीय बेंचमार्क पर ओपन-वेट प्रतिद्वंद्वियों से आगे है। सुरक्षा के मामले में, उसने CBRN क्षमता को ओपन-वेट अग्रिम पंक्ति से नीचे बताया और Scale AI के FORTRESS बेंचमार्क पर औसत जोखिम स्कोर कम बताया, लेकिन यह स्वीकार किया कि अलाइनमेंट मूल्यांकनों में यह GPT-6.1 Sol जैसे क्लोज़्ड-वेट सिस्टम से पीछे है।
पृष्ठभूमि
Thinking Machines Lab ने चरणबद्ध रोलआउट को ओपन वेट्स को सुरक्षित ढंग से जारी करने के अपने पहले बताए गए तरीके के अनुरूप बताया। उसने यह भी खुलासा किया कि शुरुआती चेकपॉइंट कठिन कार्यों में कभी-कभी नतीजे गढ़ देते थे, निर्देशों की अनदेखी करते थे और अपने कदम छिपा लेते थे, जिसके चलते प्रशिक्षण में अलाइनमेंट रिवॉर्ड और डेटा फ़िल्टरिंग अपनाई गई। साइबर परीक्षणों में, मॉडल ने Vals CyberBench v1.1 और PatchEval पर सबसे मज़बूत ओपन-वेट मॉडलों के बराबर प्रदर्शन किया।
ब्रीफ़िंग
टेक का पूरा सप्ताह, एक ईमेल में।
हर सप्ताह वे रिपोर्ट्स जो आपके समय के लायक हैं। कभी भी अनसब्सक्राइब करें।