Thinking Machines Lab ha lanzado Inkling 2 Small, su segunda generación de modelos diseñados específicamente para trabajos autónomos de largo alcance. El modelo utiliza una arquitectura Mixture-of-Experts (MoE), con un total de 594 mil millones de parámetros y 17 mil millones de parámetros activos. Está diseñado para admitir entradas de imagen y niveles de esfuerzo variables, con el objetivo de proporcionar un rendimiento más robusto en flujos de trabajo complejos de múltiples pasos en comparación con su predecesor. El laboratorio informa que el modelo alcanzó una puntuación de 31 en el Artificial Analysis Intelligence Index, lo que atribuyen a mejoras significativas en razonamiento, trabajo de conocimiento, visión y programación de agentes.
Un diferenciador clave de Inkling 2 Small es su competencia en tareas 'agénticas', escenarios donde el modelo debe refinar iterativamente su propio trabajo basándose en la retroalimentación. Por ejemplo, el modelo puede usar Three.js para generar procedimentalmente un simulador de ciudad completo desde cero o construir un emulador de PC Linux en Python que arranque un kernel en vivo en un navegador web. Estas capacidades se vieron reforzadas por un proceso de entrenamiento que fue más allá de las simples recompensas de pruebas unitarias. En su lugar, el laboratorio utilizó un evaluador de RL (Aprendizaje por Refuerzo) agéntico que evalúa el enfoque del modelo hacia un problema, en lugar de simplemente si el código final pasó una prueba. Este entrenamiento incluyó cientos de miles de tareas de programación de largo alcance a través de varios arneses de agentes y estrategias de compactación de contexto.
Más allá de la programación, el modelo demuestra capacidades de 'autoresearch', como el entrenamiento autónomo de otros modelos. En una prueba documentada, Inkling 2 Small recibió la tarea de entrenar un modelo Qwen3.5-4B para pronosticar datos de series temporales como la demanda de electricidad y el clima. El modelo analizó la tarea de forma independiente, escribió sus propios scripts de evaluación, seleccionó conjuntos de datos de entrenamiento y experimentó con diferentes recetas de ajuste fino supervisado (SFT) y RL. Aunque el modelo está disponible actualmente con pesos cerrados en la plataforma Tinker, Thinking Machines Lab tiene la intención de lanzar los pesos completos bajo una licencia Apache 2.0 tras la finalización de las pruebas de seguridad externas y el red-teaming. Debido a que estos puntos de referencia son reportados por el propio desarrollador, la verificación independiente del rendimiento del modelo en relación con competidores como DeepSeek o Claude sigue siendo un factor pendiente para la comunidad.
Esta imagen ilustra la capacidad del modelo para entrenar autónomamente otros modelos y evaluar su rendimiento en datos de series temporales.