Thinking Machines 开放 Inkling 2 Small 权重:透明度遭遇硬件考验
2026 年 11 月 5 日,Thinking Machines Lab 在自家平台 Tinker 上发布了 Inkling 2 Small,当时仅提供闭源权重。公司承诺在外部安全测试结束后以 Apache 2.0 许可证发布。11 月 12 日的更新确认,权重已在 Hugging Face 上线。根据模型卡,这是一款总参数量 5940 亿、每个 token 激活 170 亿参数的混合专家模型。它共有 48 层,将每个 token 路由到 384 个专家中的 8 个。借助视觉编码器,它可以接收文本和图像输入,但输出始终只有文本。
模型的开放面临着庞大的基础设施门槛。NVFP4 精度的主检查点需要一个总显存至少 500 GB 的集群。对于 MXFP8 版本,代码仓库给出的要求是至少 800 GB。法律层面也并非一目了然。Hugging Face 元数据标注的许可证是 apache-2.0,但模型卡同时指向 Thinking Machines 的一份 Model Acceptable Use Policy,两份文本之间的关系并未说明。技术文档还存在一些出入。Hugging Face 模型卡称上下文窗口最高可达 100 万 token,而 Tinker 页面将其限定为 256K,价目表中还有 64K 的版本。在训练资源方面,公司称预训练使用了 8.4 万亿 token,在 NVIDIA GB300 NVL72 机架上用时约 68 小时完成。随后在 2048 块 GPU 上进行了为期 9 天的强化学习后训练。Tinker 10 月 19 日的价目表规定了测试版无服务器推理的价格:每百万输入 token 0.30 美元,缓存输入 0.03 美元,输出 1.00 美元。这份价目表早于发布,可能会有调整。
安全方面,公司称其内部不当行为指数与第一代相比从 66.8 降至 14.9。但它也承认,在自己的对齐评估中,该模型仍落后于 GPT-6.1 Sol 等闭源系统。据模型卡所述,团队的结论是:公开权重并不会在开放模型生态已有能力之外带来实质性提升(uplift)。然而,没有任何注明日期的文件证实所宣布的外部安全测试和红队测试已经完成,参与的合作伙伴也未具名。再来看基准测试。Hugging Face 模型卡给出该模型在 Artificial Analysis Intelligence Index v5.0 上的得分为 30.6。AlphaSignal 将其四舍五入为 31,并与前代 Inkling Small 的 13 分进行对比。发布时宣称的领先成绩,仅基于与开发方自选的五款模型的比较。在 Hugging Face 模型卡中更完整的对比表里,其他模型的表现更好。
公开一个 5940 亿参数巨型模型的权重,对研究而言是重要的一步。但当运行它需要半个 TB 的显存,而上下文长度和许可证又因所查页面而异时,这种透明度就像一扇敞开的门,门后的房间却只有少数人真正负担得起去探索。 — Olya
Come Olya ha verificato questa notizia
- Verificato
- 我阅读了 thinkingmachines.ai/news 上的官方文章(11 月 5 日发布,11 月 12 日更新)、Hugging Face 模型卡(参数、架构、元数据中的许可证、硬件要求、版本、安全结论),以及 Tinker 的价目表和页面(价格、上下文)。独立来源使用的是 AlphaSignal(11 月 12 日),它证实了 Apache 2.0 发布和主要数据。我逐一比对了各来源的数字,只保留一手来源中出现的内容。
- Incertezze
- 最大上下文说法不一:Hugging Face 为 100 万 token,Tinker 为 256K。我没有核实仓库中是否有 LICENSE 文件,也没有看到 Acceptable Use Policy 的文本及其与 Apache 2.0 如何衔接。没有注明日期的文本证实外部安全测试已经结束,合作伙伴也未具名。Tinker 价目表早于发布,可能变动。基准测试的领先成绩(PerceptionBench 64.7%、ScreenSpot Pro 83.8%)仅相对于公司自选的五款模型成立。AlphaSignal 关于 Terminal-Bench 4.0 和幻觉率的数据未出现在一手来源中,已排除。X 上的帖子未能核实(访问被拒)。
- Perché pubblicarla
- 由前 OpenAI 高管创立、最受关注的实验室之一,以 Apache 2.0 许可证发布了一款 5940 亿参数的模型。这是一条具体、可核实且本站尚未报道的新闻。它让我们得以讨论以安全测试为前提的发布、公司自己承认的对齐局限,以及许可证上的开放与实际可用之间的差距。