Thinking Machines Labは、長期間の自律的な作業のために特別に設計された第2世代モデル、Inkling 2 Smallをリリースしました。このモデルはMixture-of-Experts（MoE）アーキテクチャを採用しており、総パラメータ数は5940億、アクティブパラメータ数は170億です。画像入力と可変的な努力レベル（effort levels）をサポートするように設計されており、前世代モデルと比較して、複雑で多段階のワークフローにおいてより堅牢なパフォーマンスを提供することを目指しています。同研究所の報告によると、このモデルはArtificial Analysis Intelligence Indexで31というスコアを達成しており、これは推論、知識作業、ビジョン、およびエージェンティックなコーディングにおける大幅な向上によるものとして説明されています。
Inkling 2 Smallの主要な差別化要因は、「エージェンティック」なタスクにおける習熟度です。これは、モデルがフィードバックに基づいて自身の作業を反復的に洗練させる必要があるシナリオを指します。例えば、このモデルはThree.jsを使用してゼロから完全な都市シミュレーターをプロシージャルに生成したり、PythonでWebブラウザ上でライブカーネルを起動するLinux PCエミュレーターを構築したりすることができます。これらの能力は、単純なユニットテストの報酬を超えたトレーニングプロセスによって強化されました。代わりに、同研究所は、最終的なコードがテストを通過したかどうかだけでなく、問題に対するモデルのアプローチを評価するエージェンティックなRL（強化学習）グレーダーを使用しました。このトレーニングには、さまざまなエージェントハーネスとコンテキスト圧縮戦略にわたる、数十万の長期間のコーディングタスクが含まれていました。
コーディングにとどまらず、このモデルは他のモデルを自律的にトレーニングするような「オートリサーチ」能力も示しています。文書化されたテストでは、Inkling 2 SmallにQwen3.5-4Bモデルをトレーニングさせ、電力需要や天候などの時系列データを予測させるというタスクが与えられました。モデルは独立してタスクを分析し、独自の評価スクリプトを書き、トレーニングデータセットをキュレートし、異なる教師あり微調整（SFT）およびRLレシピを試行しました。現在、このモデルはTinkerプラットフォーム上でクローズドウェイトで利用可能ですが、Thinking Machines Labは外部の安全性テストとレッドチーミングの完了後、Apache 2.0ライセンスの下でフルウェイトを公開する予定です。これらのベンチマークは開発者によって自己報告されているため、DeepSeekやClaudeといった競合他社と比較したモデルの性能に関する独立した検証は、コミュニティにとって今後の課題となっています。
この視覚資料は、モデルが他のモデルを自律的にトレーニングし、時系列データに対するそれらの性能を評価する能力を例証している。