T
THINKING MACHINES LAB / thinkingmachines/TML-d24-varloop-research

TML-d24-varloop-research

Checkpoint de investigación publicado junto a Inkling 2 Mini el 20 de noviembre. Permite variar cuántas veces se reutilizan las capas intermedias durante la inferencia. Mantiene 26.400 millones de parámetros físicos y acepta texto e imágenes; no es una simple cuantización de Mini.

01 / RESUMEN

Lo esencial

ORIENTACIÓNInvestigación de bucles variables

Uso principal declarado o inferido con cautela desde la documentación oficial.

CONTEXTO1M tokens

Capacidad máxima de entrada cuando la fuente la publica.

SALIDATexto; máximo de salida independiente no publicado

Límite máximo de generación documentado.

ACCESOHugging Face · checkpoint descargable

Canales de disponibilidad verificados.

TIPO DE MODELOMultimodal · Código · Texto y razonamiento

Familia funcional principal y especialidades verificadas.

LICENCIAApache 2.0

Condiciones declaradas para API, pesos o despliegue propio.

02 / FICHA TÉCNICA

Límites e integración

ID de APIthinkingmachines/TML-d24-varloop-research
Tipo de modeloMultimodal · Código · Texto y razonamiento
Modelo de accesoPesos abiertos
LicenciaApache 2.0
DespliegueDespliegue propio
Lanzamiento20 NOV 2026
Corte de conocimientoNo publicado
EntradaTexto · Imagen
SalidaTexto
Ventana de contexto1M tokens
Salida máximaTexto; máximo de salida independiente no publicado
RazonamientoNo publicado
Herramientas publicadas
Salidas estructuradasNo publicado
Procesamiento por lotesNo publicado
Caché de promptsNo publicado
Ajuste finoNo publicado
Plataformas verificadasHugging Face
ENCAJA MEJOR EN

Estudiar cómo cambia la calidad al asignar una, dos, tres, cuatro o cinco pasadas a los mismos pesos.

CONVIENE VIGILAR

Solo se distribuye como pesos: no está disponible por API ni en Tinker. Cada pasada adicional añade cómputo, no parámetros físicos nuevos. Usa al menos 32 GB de memoria y runtimes compatibles; no atribuyas al checkpoint las cifras de Mini.

03 / CAPACIDADES

Qué puede hacer

01

Orientación

Estudiar cómo cambia la calidad al asignar una, dos, tres, cuatro o cinco pasadas a los mismos pesos.

02

Contexto

1M tokens · Texto; máximo de salida independiente no publicado

03

Herramientas e integración

No publicado

04

Acceso

Hugging Face · checkpoint descargable

Modalidades de entrada
TextoImagen
04 / PRECIOS

Coste documentado

ConceptoValorUnidad / condición
Entrada estándarSin tarifa API oficial publicadaTarifa estándar de API
Entrada en cachéNo publicadoLectura de prefijos reutilizados
Escritura o almacenamiento de cachéNo publicadoLa condición varía según proveedor
Salida estándarCoste de infraestructura propiaPuede incluir tokens de razonamiento
Entrada por lotesNo publicadoProcesamiento asíncrono
Salida por lotesNo publicadoProcesamiento asíncrono

Sin tarifa API oficial verificada. La ejecución propia requiere memoria, cómputo y mantenimiento; los pesos descargables no hacen gratuita la inferencia.

i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.

05 / EVALUACIONES

Cómo leer los resultados

“

Con tres pasadas, la tabla oficial indica 47,4 % en DeepSWE v1.1 y 84,2 % en GPQA Diamond. Se conserva el número de pasadas porque los resultados cambian con él. No se combinan los máximos de diferentes configuraciones.

BenchmarkResultadoMétricaFuente
DeepSWE v1.1 (varloop 3 passes)47,4 %mini-swe-agent v2.4.6Ver fuente ↗
GPQA Diamond (varloop 3 passes)84,2 %Puntuación publicadaVer fuente ↗

Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.

06 / VERSIONES

Cronología

thinkingmachines/TML-d24-varloop-research

Versión incorporada al catálogo verificado de Inferama.

07 / FUENTES

Trazabilidad