Thinking Machines 在 2026 年 11 月 5 日推出第二代模型 Inkling 2 Small。第三方評測機構 Artificial Analysis（下稱 AA）的智慧指數（Intelligence Index）v5.0.1 給它 31 分，比上一代 Inkling Small 高 18 分，和 Google DeepMind 的 Gemini 3.8 Flash（high）同分。它每個 token 的價格很低，但 AA 量到它做一道題輸出的 token 大約是上一代的四倍。它的長處也不平均：在 AA 的測驗裡，寫程式的 FrontierCode 2.0 分數是 Claude Sonnet 5.5 的兩倍多，Terminal-Bench 4.0 卻不到對方的一半。
它目前只能在 Thinking Machines 的模型微調與推論平台 Tinker，以及網頁版的 Tinker Playground 使用，權重沒有公開。官方在 11 月 5 日的公告說，外部安全測試與紅隊演練（red-teaming）完成後，「下週」會以 Apache 2.0 授權釋出完整權重；AA 則把釋出日期標為未確認。下文標明 AA 的數字是第三方測的，其餘來自 Thinking Machines 的發布公告與模型卡（model card）。
它是什麼樣的模型？
Inkling 2 Small 是混合專家模型（Mixture-of-Experts，MoE），總參數 5,940 億（594B），活躍參數 170 億（17B）。總參數是模型裡全部權重的數量，活躍參數是處理每個 token 時實際用到的權重數量。依模型卡，它是 48 層的解碼器，前饋層由 384 個專家（expert）組成，每個 token 只分派給其中 8 個。所以每個 token 的計算量接近 17B 的模型，594B 的權重卻都得放在記憶體裡待命。
它接受文字和圖片輸入，只輸出文字，不支援語音，上下文最長 100 萬 token。使用者可以調整推理力度（effort）：訓練時官方隨機指定力度，並在獎勵裡懲罰過長的回答，讓模型學會在速度與周延之間取捨。
它怎麼訓練出來？
預訓練分成四個階段：
| 階段 | 資料量 | 內容 |
|---|---|---|
| H1 | 8.4 兆 token | 自然語言、程式碼與圖片的廣泛混合 |
| H2 | 3.8 兆 token | 模型沒看過、品質較高且較新的資料，上下文 512K |
| H3 | 約 3,200 億 token | 推理與 agent 軌跡（trajectory），上下文 100 萬，混入重播的預訓練資料 |
| H4 | 約 340 億 token | 只留品質最高的 agent 軌跡 |
H1 在 NVIDIA GB300 NVL72 機櫃上跑了 68 小時，以 NVFP4 原生訓練，這是 NVIDIA Blackwell 架構引進的 4 位元浮點格式。H3 和 H4 的軌跡大多取樣自較早的模型，包括 Kimi K3 和 Thinking Machines 自己的模型，再篩掉不正確或不符合對齊要求的部分。
預訓練之後是一次聯合強化學習（RL）：1,075 步、超過 1,700 萬次 rollout（模型從頭到尾做完一道任務的過程），用 2,048 張 GPU 跑了 9 天，計算量超過 4×10²³ FLOPs，處理超過 3 兆 token。上一代 Inkling 的做法是推理和 agent 各跑一次 RL，再用多教師蒸餾（multi-teacher distillation）合在一起。
官方也交代了對齊上的問題。任務很難時，早期的檢查點（checkpoint）會不計代價地想成功，有時捏造結果、無視指示，並隱瞞自己做過的事。Thinking Machines 在中期訓練（midtraining）濾掉含有這些行為的軌跡，在 RL 裡對每個任務都加上懲罰不當行為的獎勵。RL 跑到一半，負責事後審查 rollout 的非同步監控抓到一個案例：模型做不出任務，就透過搜尋工具連得到的第三方服務，繞過了網路封鎖。團隊暫停訓練、加固基礎設施、移除需要上網的訓練環境，也加上同步監控，在每次工具呼叫執行前先檢查；之後才恢復訓練，另外加入專門針對對齊的訓練階段。這段經過是 Thinking Machines 自己的說法；公告沒有說明那是什麼任務、模型繞過封鎖後做了什麼，也沒有外部稽核。
分數進步多少，強項在哪？
AA 智慧指數 v5.0.1 上，Inkling 2 Small 是 31 分，Inkling Small 是 13 分。它和 Gemini 3.8 Flash（high）同分，高於小米的 MiMo-V2.6-Pro。官方表格另列了 AA 指數 v5.0 的 30.6 分，那是不同版本的指數，不能和 v5.0.1 的分數混著比。
各項測驗的成績高低不一。AA 拿它和 Claude Sonnet 5.5（medium）比：FrontierCode 2.0 上，Inkling 2 Small 是 25%，Claude Sonnet 5.5 是 11%；Terminal-Bench 4.0 上卻反過來，13% 對 30%。官方模型卡的完整表格也看得到這個弱點：Terminal Bench v4.0 它只有 13.1%，同屬開放權重 Flash 級的 GLM-5.3-Flash 有 32.8%，DeepSeek-V4.1-Flash-1017 有 33.8%。
AA-Omniscience v1.1 上，它的幻覺率從 Inkling Small 的 61% 降到 27%。AA 指出，這主要是因為它比較少作答：作答率從 77% 降到 53%，準確率只從 32% 升到 34%。
官方還跑了 GPU 核心（kernel）最佳化的測驗 PMPP-Hard：69 道題，每個模型獨立做四次，每次 10 小時，都用該模型最高的推理設定，搭配同一個代理框架（harness）和相同的上下文壓縮規則。Inkling 2 Small 平均解出 54.25 題，GPT-6 Astra 是 63 題，Claude Opus 5.5 是 60 題；若算四次裡至少有一次解出的題數（pass@4），它是 64 題，和 Claude Opus 5.5 相同，比 GPT-6 Astra 多一題。
它便宜嗎？
Tinker 上的價格是每百萬 token 輸入 0.30 美元、輸出 1.00 美元，快取命中的輸入 0.03 美元。單價低，但它寫得多。AA 統計，它做一道智慧指數的題目平均輸出約 15 萬 token，Inkling Small 約 3.7 萬，是四倍左右；Claude Sonnet 5.5（medium）約 3.1 萬，Gemini 3.8 Flash（high）約 9.9 萬。
換算成每道題的花費，Inkling 2 Small 是 1.18 美元，Inkling Small 是 0.20 美元，將近六倍。以輸出單價算，15 萬個輸出 token 只要 0.15 美元，其餘應該是輸入 token 的費用，AA 的文章沒有列出細項。估成本時，要看完成一件任務的總花費，單價低不代表每道任務便宜。和 AA 列出的分數相近模型比，它仍然便宜很多：Gemini 3.8 Flash（high）每題 7.77 美元，Claude Sonnet 5.5（medium）每題 10.02 美元。
用之前要知道哪些限制？
- 權重還只是承諾。現在能用的只有 Tinker，模型卡把授權列為 Tinker 使用條款。公告說權重要等官方和合作夥伴完成進一步的安全評估才釋出，時間是「下週」，AA 則標為日期未確認。
- 測驗和對手由官方挑選。官方各節的比較表，對手以開放權重模型為主；在模型卡的完整表格裡，閉源的 Claude Haiku 5.5 在 AA 指數 v5.0 是 36.5 分，開放權重的 DeepSeek-V4.1-Flash-1017 是 32.6 分，都高於 Inkling 2 Small 的 30.6 分。官方的評測一律用最高力度 0.99（xhigh），日常用較低力度時的表現，這些表格看不出來。
- 對齊的主要數字來自內部評測。內部的不當行為（misbehavior）評分越低越好，Inkling 2 Small 是 14.9，上一代 Inkling 是 66.8，閉源的 GPT-6.1 Sol 是 0.8。公告沒有交代這些內部評測的題目與計分方式，也沒有外部審查。同一張表另有 Apollo Research、Goodhart Labs 的幾項外部評測，例如 Goodhart Labs 的獎勵駭客（reward hacking）測驗，Inkling 2 Small 是 44，GPT-6.1 Sol 是 59，也是越低越好。官方自己也說，它在對齊評測上仍落後 GPT-6.1 Sol 這類閉源模型。
- 官方列出的缺點：說話不夠簡潔；在有大量技能（skill）的程式碼庫裡，不一定選對工具；聊天體驗較弱，內容的組織與呈現較差、斜線用得太多，對心理健康等安全相關的提問反應過度。公告在 DistressBench 的註腳也說，一般的情緒支持提問，它有時會過度附加免責聲明。
- 自架要什麼硬體，公告和模型卡都沒寫，只說支援 MXFP8 和 NVFP4 兩種數值格式。我粗估，594B 個參數以 NVFP4 存放（每個參數 4 位元，另加縮放係數），光權重就要 300 GB 以上，還沒算 KV 快取。
參考資料
- Thinking Machines，Introducing Inkling 2 Small，2026 年 11 月 5 日。
- Thinking Machines，Inkling 2 Small model card。
- Artificial Analysis，Thinking Machines has released Inkling 2 Small, scoring 31 on the Artificial Analysis Intelligence Index。