Uso principal declarado o inferido con cautela desde la documentación oficial.
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.
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
Límites e integración
| ID de API | thinkingmachines/TML-d24-varloop-research |
|---|---|
| Tipo de modelo | Multimodal · Código · Texto y razonamiento |
| Modelo de acceso | Pesos abiertos |
| Licencia | Apache 2.0 |
| Despliegue | Despliegue propio |
| Lanzamiento | 20 NOV 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto · Imagen |
| Salida | Texto |
| Ventana de contexto | 1M tokens |
| Salida máxima | Texto; máximo de salida independiente no publicado |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face |
Estudiar cómo cambia la calidad al asignar una, dos, tres, cuatro o cinco pasadas a los mismos pesos.
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.
Qué puede hacer
Orientación
Estudiar cómo cambia la calidad al asignar una, dos, tres, cuatro o cinco pasadas a los mismos pesos.
Contexto
1M tokens · Texto; máximo de salida independiente no publicado
Herramientas e integración
No publicado
Acceso
Hugging Face · checkpoint descargable
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento 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.
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.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| DeepSWE v1.1 (varloop 3 passes) | 47,4 % | mini-swe-agent v2.4.6 | Ver fuente ↗ |
| GPQA Diamond (varloop 3 passes) | 84,2 % | Puntuación publicada | Ver 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.
Cronología
thinkingmachines/TML-d24-varloop-research
Versión incorporada al catálogo verificado de Inferama.