Uso primário declarado ou inferido com cautela a partir da documentação oficial.
TML-d24-varloop-research
Checkpoint de investigação publicado com o Inkling 2 Mini em 20 de novembro. Permite variar o número de passagens pelas camadas intermédias reutilizadas durante a inferência. Mantém 26,4 mil milhões de parâmetros físicos e aceita texto e imagens; não é uma simples quantização do Mini.
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
Limites e integração
| ID de API | thinkingmachines/TML-d24-varloop-research |
|---|---|
| Tipo de modelo | Multimodal · Código · Texto e raciocínio |
| Modelo de acesso | Pesos abertos |
| Licença | Apache 2.0 |
| Implantação | Alojamento próprio |
| Lançamento | 20 NOV 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto · Imagem |
| Saída | Texto |
| Janela de contexto | 1M tokens |
| saída máxima | Texto; máximo de saída independente não publicado |
| Raciocínio | Não publicado |
| Ferramentas publicadas | |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face |
Estudar a qualidade com uma, duas, três, quatro ou cinco passagens pelos mesmos pesos.
Distribuído apenas como pesos: indisponível por API ou no Tinker. Cada passagem adicional acrescenta cálculo, não novos parâmetros físicos. Use pelo menos 32 GB de memória e runtimes compatíveis; não atribua as pontuações do Mini a este checkpoint.
O que pode fazer
Orientação
Estudar a qualidade com uma, duas, três, quatro ou cinco passagens pelos mesmos pesos.
Contexto
1M tokens · Texto; máximo de saída independente não publicado
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Sem tarifa API oficial verificada. A execução própria exige memória, processamento e manutenção; pesos descarregáveis não tornam a inferência gratuita.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
Como ler os resultados
Com três passagens, a tabela oficial apresenta 47,4% no DeepSWE v1.1 e 84,2% no GPQA Diamond. Conserva-se o número de passagens porque os resultados dependem dele. Não se combinam máximos de configurações diferentes.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| DeepSWE v1.1 (varloop 3 passes) | 47,4 % | mini-swe-agent v2.4.6 | Ver fonte ↗ |
| GPQA Diamond (varloop 3 passes) | 84,2 % | Pontuação publicada | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
Cronologia
thinkingmachines/TML-d24-varloop-research
Versão incorporada no catálogo verificado da Inferama.