Thinking Machines 发布 Inkling 2 Small：594B 参数仅激活 17B，下周开源

很多开源大模型号称能写代码，但一旦丢进真实的智能体流程，跑上几个回合就会开始跑偏、自己打架。

Thinking Machines 拿出了他们的第二代模型 Inkling 2 Small。这个模型走的是稀疏混合专家路线，总参数量高达 594B，但实际推理时只激活 17B。

它的综合表现拿到了 Artificial Analysis 智能指数的 31 分，大幅超出了前代。现在团队已经在 Tinker Playground 上开放了试用和微调，等下周完成外部安全红队测试后，就会以 Apache 2.0 协议开源全部权重。

拿视觉当眼睛，自己写代码自己看

Inkling 2 Small 最大的亮点，是把视觉理解深度绑进了智能体的长程任务里。

它接入了一个 292M 参数的视觉编码器，把图像切片与文本 token 交错处理。这让它不只能看图写说明，还能在写网页、做 3D 设计或者写小游戏时，边生成边看效果。

它会把页面渲染出来的截图当作反馈，自己找出排版或交互问题，然后反复修改。官方甚至拿它做过一次盲品葡萄酒测试，模型光靠看单张照片，就在 20 轮测试中 19 次准确认出了三款酒。

在代码生成上，团队用了几十万个长程任务进行强化学习。他们没有只看单元测试通没通过，而是用智能体打分器去检查模型的思考路径。

之前在 OpenCode 上小范围测试的代号是 Fledge-Alpha。实测下来，它不仅指令遵循更严谨，而且在改动代码后，不用你提醒就会自己跑去验证一遍。

花 426 美元，自己炼出了一个新模型

除了写业务代码，Thinking Machines 还让它去干自主科研。

团队给它出了一道命题：在 Tinker 平台上，自主把 Qwen3.5-4B 训练成一个能预测天气和维基百科浏览量的时间序列模型。

Inkling 2 Small 先自己分析任务、写了评估脚本，然后自己挑选训练集，调配 SFT 和强化学习配方，并在报错时自行调试。

整套流程跑了 4.5 个小时，消耗了 426 美元的算力。最终训出来的 Qwen3.5 预测成绩提升了一倍以上。

在 GPU 内核优化基准 PMPP-Hard 上，它的表现也逼近了顶尖闭源模型，在 69 个任务里 Pass@4 达到了 64 个。

为什么重要

如果你的工作涉及大量长流程的代码调试或前端搭建，Inkling 2 Small 下周的开源非常值得蹲守。

市面上大多数开源模型在单次代码补全上不错，但一旦让它们自主多步排错，往往会陷入无限死循环。Inkling 2 Small 展现出的自我验证和结合视觉看渲染图的能力，补齐了开源智能体最缺的一环。

对于整个开源生态来说，这又是一次对闭源专有模型的有力冲击。激活 17B 意味着推理时的计算开销并不算夸张，开发者完全有机会把它部署在私有环境里，用来处理财报分析或工具调用。

不过我们也认为，实际使用中依然有门槛。594B 的总参数量哪怕只激活 17B，对显存容量依然有极高要求，个人普通电脑很难直接吃下全部权重。

另外，虽然它能自主完成长程科研任务，但 4.5 小时花费 426 美元的成本提醒我们，放手让智能体自由探索之前，最好先给它的算力账单设好硬性上限。