Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
TML-d24-varloop-research
Checkpoint di ricerca pubblicato insieme a Inkling 2 Mini il 20 novembre. Permette di variare i passaggi nei livelli intermedi riutilizzati durante l’inferenza. Mantiene 26,4 miliardi di parametri fisici e accetta testo e immagini; non è una semplice quantizzazione di Mini.
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
Limiti e integrazione
| ID API | thinkingmachines/TML-d24-varloop-research |
|---|---|
| Tipo di modello | Multimodale · Codice · Testo e ragionamento |
| Modalità di accesso | Pesi aperti |
| Licenza | Apache 2.0 |
| Distribuzione | Hosting autonomo |
| Rilascio | 20 NOV 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Testo · Immagine |
| Uscita | Testo |
| Finestra di contesto | 1M tokens |
| rendimento massimo | Testo; massimo di output indipendente non pubblicato |
| Ragionamento | Non pubblicato |
| Strumenti pubblicati | |
| Uscite strutturate | Non pubblicato |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face |
Studiare la qualità con uno, due, tre, quattro o cinque passaggi sugli stessi pesi.
Distribuito solo come pesi: non disponibile via API o Tinker. Ogni passaggio aggiuntivo aggiunge calcolo, non nuovi parametri fisici. Servono almeno 32 GB di memoria e runtime compatibili; non attribuire a questo checkpoint i punteggi di Mini.
Cosa può fare
Orientamento
Studiare la qualità con uno, due, tre, quattro o cinque passaggi sugli stessi pesi.
Contesto
1M tokens · Testo; massimo di output indipendente non pubblicato
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Nessuna tariffa API ufficiale verificata. L’esecuzione autonoma richiede memoria, calcolo e manutenzione; pesi scaricabili non significano inferenza gratuita.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
Come leggere i risultati
Con tre passaggi, la tabella ufficiale riporta 47,4% su DeepSWE v1.1 e 84,2% su GPQA Diamond. Si conserva il numero di passaggi perché influenza i risultati. Non si combinano i massimi di configurazioni diverse.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| DeepSWE v1.1 (varloop 3 passes) | 47,4 % | mini-swe-agent v2.4.6 | Vedi fonte ↗ |
| GPQA Diamond (varloop 3 passes) | 84,2 % | Punteggio pubblicato | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
Cronologia
thinkingmachines/TML-d24-varloop-research
Versione inclusa nel catalogo verificato di Inferama.