O que foi lançado e quando
A Thinking Machines Lab publicou o Inkling 2 Small, um modelo multimodal de propósito geral que aceita texto e imagens como entrada e gera texto como saída. A data oficial de lançamento é 5 de novembro de 2026, conforme a ficha técnica do modelo.
O modelo é projetado para desenvolvedores que constroem aplicações com IA, incluindo sistemas agênticos, assistentes de código, chatbots e sistemas de geração aumentada por recuperação (RAG). Suporta inglês e outros idiomas, além de múltiplas linguagens de programação.
Arquitetura e especificações técnicas
O Inkling 2 Small é um transformador autoregressivo somente decodificador com 48 camadas e um esqueleto de Mistura de Especialistas (MoE) dispersa. Cada token é roteado para 8 de 384 especialistas, o que permite uma eficiência computacional significativa.
O modelo possui 594 bilhões de parâmetros totais, dos quais 17 bilhões estão ativos por token. A atenção é híbrida, combinando camadas locais e globais. É nativamente multimodal: as imagens são codificadas por um transformador de visão e projetadas em um espaço oculto compartilhado com o texto para serem processadas conjuntamente pelo decodificador.
Suporta numéricos MXFP8 e NVFP4. A janela de contexto declarada na ficha técnica é de até 1M de tokens, embora a disponibilidade real na plataforma Tinker varie conforme a modalidade de uso.
Especificações técnicas do Inkling 2 Small
| Característica | Detalhe |
|---|---|
| Parâmetros totais | 594B |
| Parâmetros ativos por token | 17B |
| Arquitetura | MoE dispersa (8 de 384 especialistas) |
| Camadas | 48 |
| Modalidades de entrada | Texto e imagem |
| Modalidade de saída | Texto |
| Janela de contexto (ficha) | Até 1M tokens |
| Suporte numérico | MXFP8, NVFP4 |
Variantes, modalidades e acesso
O modelo está disponível por meio da plataforma Tinker, que oferece acesso via API para ajuste fino e amostragem. Os desenvolvedores podem começar instalando o pacote `tml-renderers` e utilizando o Cookbook do Tinker.
O Tinker oferece duas configurações principais para o Inkling 2 Small: uma com contexto de 64K tokens e outra com 256K tokens (identificada pelo sufixo `:peft:262144`). A configuração de 256K tem um custo de treinamento mais elevado, mas os preços de pré-preenchimento e amostragem são os mesmos da versão de 64K.
Além disso, existe uma opção de inferência serverless em beta com um identificador específico (`:sampling-nvfp4`), disponível atualmente apenas para Inkling, Inkling-Small e Inkling 2 Small. Para uso em produção, os interessados devem solicitar acesso por meio de uma lista de espera.
Preço e custos operacionais
Os preços no Tinker são calculados por milhão de tokens. Para o Inkling 2 Small, o custo de pré-preenchimento (entrada) é de 0,30 USD, com um desconto para 0,03 USD para tokens em cache. O custo de amostragem (saída) é de 1,00 USD por milhão de tokens.
O treinamento tem um custo de 1,50 USD por milhão de tokens na configuração de 64K e 3,00 USD na configuração de 256K. O armazenamento de pontos de verificação é cobrado a 0,10 USD por GB ao mês.
Na modalidade de inferência serverless em beta, os preços são de 0,30 USD para entrada, 0,03 USD para entrada em cache e 1,00 USD para saída, com um contexto máximo de 256K tokens.
Preços do Inkling 2 Small no Tinker (por milhão de tokens)
| Modalidade | Contexto | Pré-preenchimento (USD) | Pré-preenchimento em cache (USD) | Amostragem (USD) | Treinamento (USD) |
|---|---|---|---|---|---|
| Padrão | 64K | 0,30 | 0,03 | 1,00 | 1,50 |
| Estendido | 256K | 0,30 | 0,03 | 1,00 | 3,00 |
| Serverless (beta) | 256K | 0,30 | 0,03 | 1,00 | N/D |
Avaliações e desempenho
A ficha técnica publica uma série de resultados em benchmarks de terceiros. No Índice de Inteligência da Artificial Analysis v5.0, o Inkling 2 Small obtém uma pontuação de 30,6. No DeepSWE v1.1, atinge 72,1 %, e no SWE-bench Pro v2 Hard, 86,3 %.
Esses resultados são publicados pelo fornecedor e não foram reproduzidos de forma independente pela Inferama. O desempenho pode variar conforme a configuração, o idioma e o domínio específico da aplicação. Recomenda-se que os desenvolvedores realizem suas próprias avaliações antes de implantar o modelo em contextos de alto risco ou críticos para a segurança.
O modelo foi avaliado em segurança antes do lançamento, incluindo testes de interação cotidiana e capacidades perigosas. Foram aplicadas mitigações para reduzir riscos, e constatou-se que o modelo está substancialmente abaixo das capacidades dos modelos de fronteira em termos de perda de controle.
Limitações e considerações de segurança
O Inkling 2 Small pode exibir limitações comuns aos modelos de base, incluindo alucinações (geração de conteúdo plausível, mas factualmente incorreto), falhas ocasionais no seguimento preciso de instruções e degradação do desempenho em conversas longas de múltiplas rodadas.
Por ter sido treinado com dados derivados da web e sintéticos, o modelo pode refletir vieses demográficos, culturais ou linguísticos presentes nos dados de treinamento. Seu conhecimento é limitado à informação disponível até seu corte de treinamento e não reflete eventos posteriores.
Recomenda-se que os desenvolvedores apliquem supervisão humana e revisão para saídas utilizadas em contextos de alto risco ou críticos para a segurança. O modelo não deve ser implantado em domínios como medicina, direito ou tomada de decisão crítica para a segurança sem ajuste fino adicional, validação específica do domínio e supervisão humana.
Continue a explorar
Fontes consultadas
Correções e transparência
Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.
Propor uma correção