Thinking Machines Lab（OpenAI 前 CTO Mira Murati 創辦的新創公司）於 11 月 5 日發布第二代模型 Inkling 2 Small。這是一款 Mixture-of-Experts（MoE） 架構模型，總參數 594B、每個 token 僅活化 17B 參數，支援圖片輸入與可變推理深度（variable effort）；官方並表示模型以「視覺在環（vision in the loop）」方式解讀並驗證其生成的視覺化程式碼輸出。
發布模式：先封閉、後開源
Inkling 2 Small 初期以封閉權重形式透過自家平台 Tinker 與 Tinker Playground 提供推論與微調，API 定價為 $0.30／百萬輸入、$1.00／百萬輸出 token。官方計劃在外部安全測試與紅隊演練完成後（預期下週）以 Apache 2.0 授權釋出完整權重，延續其「通往開放權重的安全路徑（a safe path to open weights）」路線——即先以受控方式釋出能力，再逐步開放。
效能表現
- Artificial Analysis Intelligence Index：31 分，較前代 Inkling Small（13 分）躍升 18 分，大致與 Google Gemini 3.8 Flash 持平，並超越小米 MiMo-V2.6-Pro。
- Agent 任務進步最顯著：AutomationBench-AA 由 5% 升至 46%；FrontierCode 2.0 由 5% 升至 25%；知識工作基準 AA-Briefcase 達 1,527 Elo（+615）。
- DesignArena：Elo 1,376，於開放權重模型中排名第一、全體模型第四（權重釋出前尚未正式列入排名）。
- 幻覺率由 61% 降至 27%，但回應率同步由 77% 降至 53%——部分改善源於「少回答」，需一併看待。
- 成本：每個 Intelligence Index 任務平均輸出約 15 萬 token（約前代 4 倍），每任務成本 $1.18、約為前代 6 倍。
為何重要
Inkling 2 Small 的意義在於填補西方開放權重陣營的空白：若 Apache 2.0 權重如期釋出，它將成為目前「中國以外得分最高的開放權重模型」，直接與 Z.ai、DeepSeek、月之暗面等中國開放模型同場競爭。其以微調為基底的定位（Inkling 系列設計為 fine-tuning 專用基底模型）、約束寬鬆的 Apache 2.0 授權、1M 上下文與原生圖片理解，對自託管與垂直領域開發者具高度吸引力。另一方面，「先封閉數週、安全測試後再開源」的分階段釋出，正成為前緣實驗室處理雙面使用風險的新範式。
觀察點與局限
- 權重尚未落地：「下週釋出」目前仍是意向，實際時程與授權條款細節才是關鍵。
- 分數多為廠商自報：AA 分數由 Thinking Machines 提交，獨立複測前不宜過度解讀。
- 推理成本偏高：輸出 token 數大幅膨脹，實際應用定價與延遲仍需在權重釋出後由社群實測驗證。
整體而言，這是西方開放權重模型競賽的重要節點：Thinking Machines 首次以「大參數 MoE + 視覺能力 + 高端 agent 表現 + Apache 2.0」的組合正面進入前緣梯隊，權重釋出後的實測結果將是下一步觀察重點。
本文信息來源：Thinking Machines Lab 官方公告、Artificial Analysis、The Decoder。