Thinking Machines 釋出 Inkling 2 Small：594B 引數僅啟用 17B，下週開源

很多開源大模型號稱能寫程式碼，但一旦丟進真實的智慧體流程，跑上幾個回合就會開始跑偏、自己打架。

Thinking Machines 拿出了他們的第二代模型 Inkling 2 Small。這個模型走的是稀疏混合專家路線，總引數量高達 594B，但實際推理時只啟用 17B。

它的綜合表現拿到了 Artificial Analysis 智慧指數的 31 分，大幅超出了前代。現在團隊已經在 Tinker Playground 上開放了試用和微調，等下週完成外部安全紅隊測試後，就會以 Apache 2.0 協議開源全部權重。

拿視覺當眼睛，自己寫程式碼自己看

Inkling 2 Small 最大的亮點，是把視覺理解深度綁進了智慧體的長程任務裡。

它接入了一個 292M 引數的視覺編碼器，把影像切片與文本 token 交錯處理。這讓它不只能看圖寫說明，還能在寫網頁、做 3D 設計或者寫小遊戲時，邊生成邊看效果。

它會把頁面渲染出來的截圖當作反饋，自己找出排版或互動問題，然後反覆修改。官方甚至拿它做過一次盲品葡萄酒測試，模型光靠看單張照片，就在 20 輪測試中 19 次準確認出了三款酒。

在程式碼生成上，團隊用了幾十萬個長程任務進行強化學習。他們沒有隻看單元測試通沒通過，而是用智慧體打分器去檢查模型的思考路徑。

之前在 OpenCode 上小範圍測試的代號是 Fledge-Alpha。實測下來，它不僅指令遵循更嚴謹，而且在改動程式碼後，不用你提醒就會自己跑去驗證一遍。

花 426 美元，自己煉出了一個新模型

除了寫業務程式碼，Thinking Machines 還讓它去幹自主科研。

團隊給它出了一道命題：在 Tinker 平臺上，自主把 Qwen3.5-4B 訓練成一個能預測天氣和維基百科瀏覽量的時間序列模型。

Inkling 2 Small 先自己分析任務、寫了評估指令碼，然後自己挑選訓練集，調配 SFT 和強化學習配方，並在報錯時自行除錯。

整套流程跑了 4.5 個小時，消耗了 426 美元的算力。最終訓出來的 Qwen3.5 預測成績提升了一倍以上。

在 GPU 核心最佳化基準 PMPP-Hard 上，它的表現也逼近了頂尖閉源模型，在 69 個任務裡 Pass@4 達到了 64 個。

為什麼重要

如果你的工作涉及大量長流程的程式碼除錯或前端搭建，Inkling 2 Small 下週的開源非常值得蹲守。

市面上大多數開源模型在單次程式碼補全上不錯，但一旦讓它們自主多步排錯，往往會陷入無限死迴圈。Inkling 2 Small 展現出的自我驗證和結合視覺看渲染圖的能力，補齊了開源智慧體最缺的一環。

對於整個開源生態來說，這又是一次對閉源專有模型的有力衝擊。啟用 17B 意味著推理時的計算開銷並不算誇張，開發者完全有機會把它部署在私有環境裡，用來處理財報分析或工具呼叫。

不過我們也認為，實際使用中依然有門檻。594B 的總引數量哪怕只啟用 17B，對視訊記憶體容量依然有極高要求，個人普通電腦很難直接吃下全部權重。

另外，雖然它能自主完成長程科研任務，但 4.5 小時花費 426 美元的成本提醒我們，放手讓智慧體自由探索之前，最好先給它的算力賬單設好硬性上限。