11 月 20 日,Thinking Machines Lab 发布 Inkling 2 Mini 并开放权重,Apache 2.0 许可,可在其 Tinker 平台调用。这家公司由前 OpenAI 首席技术官 Mira Murati 创立。模型采用循环 Transformer,把中间层对每个 token 重复运行三次,不增加参数即可延长推理链条;官方称这在智能体编码任务上效果明显。
该模型是混合专家架构,总参数 26.4B、每 token 激活 3.4B,计入循环后约 5.4B 权重激活。训练从每层 384 个专家起步,中期剪去三分之二、保留 128 个,再用 1T token 蒸馏恢复剪枝前表现。多数权重以 4 位 NVFP4 精度训练和部署,末四层为 MXFP8,内存占用约 20GB,可在笔记本上运行。
官方披露的测试显示,Inkling 2 Mini 在 DeepSWE v1.1 上得 48.2%、SWE-bench Verified 上得 79.2%,在总参数 100B 以下的开放权重模型中居前;对比的 Qwen3.8-27B 在 DeepSWE v1.1 上为 42.2%。在 Artificial Analysis 智能指数 v5 上该模型得 20.1,与 Qwen3.8-27B 持平,但激活参数约为后者五分之一。上述成绩均为厂商自测,尚无独立第三方复现。
发布同时开放可变循环研究模型 TML-d24-varloop-research,循环次数可在一到五次间调整,供研究者观察循环对可监控性的影响。官方称随着循环增加,思维链变短但仍可读,在智能体破坏性测试中没有上升趋势。循环提升的是推理深度而非事实存储,模型在知识密集型基准上与同规模产品持平,搜索与工具类基准上的表现被官方归因于外部工具。
这与该公司在 11 月 12 日开源的 Inkling 2 Small 形成区分,后者总参数 594B、每 token 激活 17B,运行需数百 GB 显存;Inkling 2 Mini 用循环换取小体积与本地可运行性。训练算力成本与实际部署表现尚未披露。