Thinking Machines Lab 已推出 Inkling 模型家族最新成員 Inkling 2 Small，該模型在人工分析智慧指數（Artificial Analysis Intelligence Index）5.0 版獲得 31 分。

儘管該公司自稱致力於開放權重，這款新模型初期仍以專有產品形式推出，僅能透過其 Tinker 平台使用，權重則承諾於日後釋出。

此次發布於 2026 年 11 月 5 日進行，使 Inkling 2 Small 成為該實驗室的第二代產品，距離初代 Inkling 系列於 7 月問世不到四個月——對一家 2025 年初才成立的實驗室而言，這是相當快速的迭代週期。

架構與定價

Inkling 2 Small 採用混合專家（Mixture-of-Experts）架構，總參數量達 5,940 億，但任一時刻僅啟用 170 億參數。每個請求只會被路由至模型內部「專家」的一小部分，使系統得以儲存大量知識，同時在單一查詢上僅消耗一小部分運算資源。這種分工正是參數總量遠大於實際運算成本的原因：每次查詢的運算量取決於 170 億個啟用參數，而非全部 5,940 億參數。這類設計已成為當今大型模型的主流效率方案。

透過 Thinking Machines 的 Tinker 平台使用，價格為每 100 萬輸入權杖 0.30 美元、每 100 萬輸出權杖 1.00 美元，該公司的研究結果稱此定價與同業相比具競爭力。

該模型接受圖像輸入，並支援可變思考強度，使用者可依需求調整其在問題上的推理深度，以速度與成本換取深度。Thinking Machines 將其定位於代理式程式編寫、視覺、推理與知識型工作任務。「代理式」意指模型能夠自主執行多步驟任務，而非僅逐題回答。

訓練過程仰賴一次大規模的整合式強化學習運行，此流程讓模型能利用視覺回饋來調整其工作，例如建立網站與遊戲等任務。

基準測試結果

在基準測試方面，Inkling 2 Small 在 DesignArena 上總排名第 4——該排行榜專注於設計與前端輸出——並在開放權重模型中位居第一。其 31 分的 AA 智慧指數分數提供了一個概括整體能力的單一數據，且由於該指數為 5.0 版，此分數反映的是該測試套件的最新版本。由於版本化的基準測試在每次修訂時都會重置比較基準，因此 31 分最宜與其他 v5.0 分數並列解讀，而非與舊版結果比較。

公司背景

Thinking Machines Lab 於 2025 年 2 月成立，完成 20 億美元種子輪融資，估值達 120 億美元，是 AI 新創公司有史以來規模最大的種子輪融資之一。

初代 Inkling 模型於 2026 年 7 月 15 日推出，是較龐大的系統，總參數量為 9,750 億、啟用參數 410 億。Inkling-Small 隨後於 2026 年 7 月 30 日推出，總參數量 2,760 億、啟用參數 120 億。新發布的模型在規模上介於兩者之間。

Inkling 2 Small 的總規模是其同名前代的兩倍以上，啟用參數量也從 120 億增加到 170 億。

開放權重問題

最值得關注的張力在於權重問題。Thinking Machines 以開放權重路線自我定位，但 Inkling 2 Small 目前僅能以封閉模型形式在 Tinker 上執行。

該公司計劃在外部安全測試完成後，以 Apache 2.0 授權釋出權重。Apache 2.0 是一種寬鬆的授權，一般允許任何人使用、修改該軟體並在其基礎上開發商業產品。對開發者而言，這項授權決定了他們是只能向單一供應商租用存取權，還是能在自有基礎設施上執行或客製化模型。

在權重釋出之前，開發者僅能透過 Thinking Machines 自有平台存取該模型。他們可以在平台上執行推論與微調，但無法下載並自行部署。權重釋出尚未設定日期，這使得外部安全測試的結果成為後續最值得關注的動態。

在每 100 萬輸入與輸出權杖分別為 0.30 美元與 1.00 美元的定價下，該模型鎖定需要強大程式編寫與設計能力、又不想支付高階方案費用的團隊。DesignArena 的結果印證了這一定位：總排名第 4，加上在開放權重模型中奪冠，顯示視覺回饋訓練在前端與設計工作中正發揮成效。

來源：CryptoBriefing — Thinking Machines releases Inkling 2 Small, scores 31 on AI Index。編輯：Diego Almada Lopez。