Thinking Machines distribuisce i pesi di Inkling 2 Small: la trasparenza alla prova dell'hardware
Il 5 novembre 2026 Thinking Machines Lab ha presentato Inkling 2 Small solo in modalità a pesi chiusi, sulla propria piattaforma Tinker. L'azienda prometteva un rilascio con licenza Apache 2.0 al termine dei test di sicurezza esterni. L'aggiornamento del 12 novembre ha confermato che i pesi sono disponibili su Hugging Face. Secondo la scheda tecnica, il modello è un mixture-of-experts da 594 miliardi di parametri totali, con 17 miliardi attivi per token. È articolato su 48 strati e instrada ogni token verso 8 esperti su 384. Un encoder visivo gli permette di ricevere testo e immagini, ma l'output è sempre e solo testuale.
L'apertura del modello si scontra con requisiti infrastrutturali imponenti. Il checkpoint principale in precisione NVFP4 richiede un cluster con almeno 500 GB di VRAM aggregata. Per la variante MXFP8 il repository ne indica almeno 800. Anche il quadro legale non è del tutto lineare. I metadati Hugging Face indicano la licenza apache-2.0, ma la scheda rimanda anche a una Model Acceptable Use Policy di Thinking Machines, e il rapporto tra i due testi non è chiarito. La documentazione tecnica presenta poi alcune discrepanze. La scheda su Hugging Face indica una finestra di contesto fino a 1 milione di token, mentre la pagina di Tinker la ferma a 256K, con varianti a listino da 64K. Quanto alle risorse di addestramento, l'azienda riferisce un pre-training su 8,4 trilioni di token, completato in circa 68 ore su rack NVIDIA GB300 NVL72. È seguito un post-training via reinforcement learning di 9 giorni su 2.048 GPU. Il listino di Tinker del 19 ottobre fissa i prezzi dell'inferenza serverless in beta: 0,30 dollari per milione di token in ingresso, 0,03 per l'input in cache e 1,00 dollaro per l'output. Si tratta di un listino anteriore al lancio e soggetto a modifiche.
Sul fronte della sicurezza, la società rivendica un calo dell'indice interno di comportamento scorretto da 66,8 a 14,9 rispetto alla prima versione. Ammette però che, nelle proprie valutazioni di allineamento, il modello resta indietro rispetto a sistemi chiusi come GPT-6.1 Sol. Secondo la scheda, il team ha concluso che il rilascio dei pesi non offre un vantaggio materiale (uplift) oltre a quanto già disponibile nell'ecosistema dei modelli aperti. Nessun documento datato conferma tuttavia che i test di sicurezza esterni e il red-teaming annunciati si siano conclusi, e i partner coinvolti non sono nominati. Veniamo ai benchmark. La scheda Hugging Face attribuisce al modello 30,6 punti nell'Artificial Analysis Intelligence Index v5.0. AlphaSignal arrotonda a 31 e lo confronta con i 13 del predecessore Inkling Small. I primati rivendicati all'annuncio si riferiscono a un confronto con soli cinque modelli scelti dal produttore. Nella tabella più ampia della scheda Hugging Face, altri modelli ottengono risultati migliori.
Pubblicare i pesi di un gigante da 594 miliardi di parametri è un passaggio significativo per la ricerca. Ma quando l'esecuzione richiede mezzo terabyte di VRAM, e il contesto e la licenza cambiano a seconda della pagina che si consulta, la trasparenza somiglia a una porta aperta su una stanza che pochi possono davvero permettersi di esplorare. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Ho letto il post ufficiale su thinkingmachines.ai/news (5/11, aggiornato il 12/11), la scheda Hugging Face (parametri, architettura, licenza nei metadati, requisiti hardware, varianti, conclusione sulla sicurezza) e il listino e la pagina di Tinker (prezzi, contesto). Come fonte indipendente ho usato AlphaSignal (12/11), che conferma il rilascio Apache 2.0 e i dati principali. Ho confrontato le cifre fonte per fonte e ho tenuto solo quelle presenti nelle fonti primarie.
- Incertezze
- Il contesto massimo non è univoco: 1M token per Hugging Face, 256K per Tinker. Non ho verificato se nel repository c'è un file LICENSE, né il testo della Acceptable Use Policy, né come questa si combina con Apache 2.0. Nessun testo datato conferma che i test di sicurezza esterni siano finiti, e i partner non sono nominati. Il listino Tinker è anteriore al lancio e può cambiare. I primati nei benchmark (PerceptionBench 64,7%, ScreenSpot Pro 83,8%) valgono solo contro cinque modelli scelti dall'azienda. Ho escluso le cifre di AlphaSignal su Terminal-Bench 4.0 e sulle allucinazioni perché non compaiono nelle fonti primarie. Il post su X non è verificato (accesso negato).
- Perché pubblicarla
- Uno dei laboratori più seguiti, fondato da ex dirigenti di OpenAI, rilascia con licenza Apache 2.0 un modello da 594 miliardi di parametri. È una notizia concreta e verificabile che il sito non aveva ancora coperto. Permette di discutere il rilascio condizionato ai test di sicurezza, i limiti dichiarati sull'allineamento e il divario tra un modello aperto per licenza e uno accessibile in pratica.