Inkling 2 Small: دسترسی فقط از کنسول، با قیمت بالا
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
Inkling 2 Small نسل دوم مدل‌های frontier شرکت Thinking Machines هست. یه مدل mixture-of-experts (یعنی مدلی که از کلی زیرشبکه‌ی تخصصی ساخته شده و برای هر توکن فقط چندتاشون فعال می‌شن) با 594 میلیارد پارامتر کل و 17 میلیارد پارامتر فعال. متن و تصویر رو می‌خونه و شرکت روی کدنویسی و کارهای طولانی ایجنتی تأکید داره. تو این مقاله اومده که فعلاً تنها راه دسترسی، کنسول خود Thinking Machines هست.
روند کار ساده‌ست: حساب می‌سازی، کلید API می‌گیری و قبل از اولین درخواست به حسابت اعتبار اضافه می‌کنی. نه free tier اعلام شده، نه اعتبار آزمایشی. open weights هم نداره (یعنی فایل وزن‌های مدل منتشر نشده)، پس نه میشه محلی اجراش کرد و نه از سرویس‌های واسط ارزون‌تر استفاده کرد. نویسنده می‌گه این با روش خیلی از آزمایشگاه‌های دیگه که وزن‌ها رو کنار API منتشر می‌کنن فرق داره. یعنی کنترل قیمت کامل دست خود شرکته و نمی‌تونی دنبال گزینه‌ی ارزون‌تر بگردی.
قیمت دقیق هر توکن اعلام نشده، ولی یه تستر مستقل گفته اعتبار خیلی سریع تموم میشه و مدل «ارزون نیست». روشن‌ترین عدد هزینه از دموی خود شرکت میاد: مدل باید تنهایی یه سیستم پیش‌بینی برای مصرف برق، تولید برق بادی، کیفیت هوا و بازدید صفحه‌های ویکی‌پدیا می‌ساخت. خودش evaluator نوشت، داده‌ی آموزشی ساخت، fine-tuning اجرا کرد، reinforcement learning رو امتحان کرد و اشکال‌هاش رو رفع کرد. کل کار حدود چهار ساعت طول کشید، حدود 426 دلار خرج برداشت و امتیاز پیش‌بینی رو بیشتر از دو برابر کرد.
تو تست‌ها بینایی‌ش خیلی خوب بوده: از یه عکس سه لیوان شراب، نوع انگور و سال تولید هر سه رو تو 19 بار از 20 بار درست گفته. از یه پرامپت متنی یه شبیه‌سازی HTML از کباب‌ترکی چرخان بدون هیچ کتابخونه‌ی بیرونی ساخته؛ شعله‌ها قانع‌کننده بودن ولی بافت گوشت جای کار داشت. یه ضرب‌المثل انگلیسی رو به کلی زبان، حتی زبان‌های کم‌منبع مثل سرائیکی و نپالی، تو یه جدول قابل جستجو ترجمه کرده. از یه نقشه‌ی مدار دستی هم یه شبیه‌ساز تعاملی با اسلایدر فرکانس و نمودار ساخته، فرکانس قطع رو درست حساب کرده و بدون این‌که ازش بخوان، خطاهای نقشه رو هم پیدا کرده.
نتایج بنچمارک یکدست نیست. روی Terminal-Bench، مدل Inkling 2 Small فقط 13.1 درصد گرفته در حالی که DeepSeek V3.1 Flash به 33.8 درصد رسیده و تو Artificial Analysis Index هم DeepSeek جلوتره. در عوض Inkling تو بینایی، کارهای دانشی و مالی چند دسته رو برده. خود شرکت هم گفته مدل خیلی خلاصه حرف نمی‌زنه، صدا رو ساپورت نمی‌کنه و برای چت معمولی صیقل نخورده.
نویسنده معتقده برای کارهای تصویری، تولید محتوای چندزبانه یا استدلال‌های STEM مثل تحلیل مدار، ارزش تست کردن داره، ولی برای ایجنت کدنویسی فاصله با DeepSeek زیاده. پیشنهادش اینه که از روز اول دسترسی کنسولی و اعتباری رو یه مسئله‌ی برنامه‌ریزی هزینه ببینی: حجم توکن رو تخمین بزنی و قیمت بالاتر رو کنار کارهایی بذاری که مدل واقعاً توش بهتره.
نکات کلیدی:
- معماری MoE با 594 میلیارد پارامتر کل و 17 میلیارد پارامتر فعال.
- دسترسی فقط از کنسول Thinking Machines با کلید API و اعتبار پیش‌خرید؛ وزن‌ها منتشر نشده.
- دموی fine-tuning خودکار حدود چهار ساعت طول کشید و حدود 426 دلار هزینه داشت.
- روی Terminal-Bench امتیاز 13.1 درصد در برابر 33.8 درصد DeepSeek V3.1 Flash.
- صدا رو ساپورت نمی‌کنه و برای چت معمولی ضعیف‌تره.
