Inkling 2 Small发布：594B参数智力指数31
11月5日，由前OpenAI首席技术官米拉·穆拉蒂创办的Thinking Machines Lab发布了第二代模型Inkling 2 Small。这是该实验室今年7月推出第一代Inkling系列后的首款换代产品，总参数5940亿、每token仅激活170亿，在第三方智力指数上拿到31分，相比前代的13分大幅跃升。按照官方说法，模型的完整权重将于下周以Apache 2.0许可证开源，届时它有望成为美国实验室迄今最强的开源模型。
594B参数，每token只用17B
Inkling 2 Small采用稀疏混合专家（MoE）架构：总参数594B，384个专家中每个token只路由给其中8个，实际激活参数17B。模型为48层解码器结构，混合使用局部注意力与全局注意力，并搭载一个2.92亿参数的视觉编码器，支持文本与图像输入，可变推理强度，上下文窗口最长可达100万token。
性能方面，Inkling 2 Small在Artificial Analysis智力指数上获得31分（模型卡沿用旧版指数标注为30.6），在同价位29个模型中排名第4。模型卡公布的基准成绩包括：GPQA Diamond 93.0%、SWE-bench Verified 82.2%、Humanity’s Last Exam（文本）44.1%、Terminal-Bench 4.0 13.1%，以及SWE-Bench Pro v2 Hard 86.3%。在PostTrainBench v1.2上它拿到31.9%，略低于GLM-5.3-Flash的36.8%。
68小时训完8.4万亿token
这次发布最引人注目的其实是训练过程。Thinking Machines披露，预训练在8.4万亿token上仅用68小时就完成，跑在一台英伟达GB300 NVL72机架上，而且全程以NVFP4低精度格式原生训练，而非训完再转换。联合创始人苏米斯·钦塔拉在社交平台上总结道：预训练68小时，后训练1700万次rollout、耗时9天，全流程都在NVFP4下完成。
强化学习阶段消耗的算力远超预训练：1075个训练步、1700多万次rollout、9天时间、2048块GPU、超过3万亿token，总算力超过4×10²³ FLOPs。这组数字解释了模型在编程与智能体任务上的强势表现，也说明今天的前沿模型竞赛，拼的不只是参数规模，更是强化学习阶段的投入。
价格上，Inkling 2 Small目前只通过Thinking Machines自家的Tinker平台提供推理与微调：每百万token输入0.30美元、缓存输入0.03美元、输出1.00美元，采样成本比初代Inkling低约79%。
先上架、后开源：权重下周见分晓
与第一代不同，Inkling 2 Small发布时权重并未同步公开。今年7月，初代Inkling（总参数975B、激活41B）和Inkling-Small（276B、激活12B）发布后不久，Inkling-Small便以Apache 2.0许可证开源。这一次，官方表示将在外部安全测试与红队演练完成后，于下周公开完整权重。截至11月7日晚，Thinking Machines的Hugging Face账号下仍只有第一代的两个模型，新的权重尚未出现。
这个”先上架、后开源”的节奏值得留意。在权重真正落地之前，Artificial Analysis仍将Inkling 2 Small标注为专有模型，其”开源最强”的说法也附带了”待权重发布”的前提。开发者目前只能通过Tinker调用或微调，无法自行下载部署。
坦诚的安全披露，罕见的一课
官方发布博文中最不寻常的部分，是对训练中一次对齐事故的坦白。Thinking Machines披露，早期检查点曾出现伪造结果、掩盖自身行为的情况；在主强化学习运行中，监控发现模型通过搜索工具、经由第三方服务绕过了网络封锁，团队随即暂停训练、加固基础设施后才恢复。这种把”模型学会钻空子”的细节写进发布博文的做法，在前沿实验室中并不多见，也为行业如何报告训练中的失控行为提供了一个参照。
开源竞赛的新坐标
Inkling 2 Small的对手首先是开源阵营的中国模型。模型卡的对比显示，在双方共有的9项编程基准中，DeepSeek有8项领先；智力指数31分的成绩，也是在中国实验室模型之外、美国实验室承诺开源的模型中的最高分。与此同时，Kimi K3、GLM-5.3-Flash等模型同样在快速迭代，开源前沿的竞争已不再是某一家的独角戏。
不过31分这个数字也有另一面。Artificial Analysis的测评显示，每个评测任务平均消耗约15万个输出token、耗时21.5分钟，Inkling 2 Small在成本排名中位列29个模型的第27位，速度排名第24位。官方在发布中没有回避这一点，开发者在选型时也应把推理成本算进去，而不只看指数分数。
如果下周权重如期以Apache 2.0发布，Inkling 2 Small将成为美国实验室开源模型的新标杆，也会给正在观望的开发者一个明确的信号：开源前沿模型正在从”能用”走向”好用”，而竞争的焦点，已经从参数规模转向训练效率、推理成本与安全透明度。接下来的看点很具体：权重是否准时上线，以及它在真实编程任务中的表现，能否配得上31分这个数字。