
Inkling 2 Small — мультимодальная модель Thinking Machines Lab для агентного программирования, работы со знаниями, финансами и данными, представленная 5 ноября 2026 года. Она сочетает MoE-архитектуру на 594 млрд параметров с 17 млрд активных, контекст на 1M токенов и регулируемое усилие рассуждений. Попробовать модель можно через API ВЕГА.
Inkling 2 Small — первая модель второго поколения Thinking Machines Lab, компании, основанной бывшим CTO OpenAI Мирой Мурати. Это разреженная MoE-модель: при обработке каждого токена работает только часть её параметров.
Основной сценарий — агентная работа, в которой недостаточно написать один ответ. Модели нужно выполнить последовательность действий, оценить промежуточный результат, внести изменения и проверить себя. Например, исправить код и проверить рендеринг созданного сайта или подготовить аналитические материалы по данным.
| Характеристика | Значение |
|---|---|
| Общее число параметров | 594 млрд |
| Активных параметров на токен | Около 17 млрд |
| Контекстное окно | 1 048 576 токенов |
| Входные данные | Текст и изображения |
| Выходные данные | Текст |
| Аудиовход | Не поддерживается |
| Архитектура | 48 слоёв: 40 sliding-window и 8 full-attention |
| Эксперты | 384, из них 8 выбираются для каждого токена |
| Vision-энкодер | 23-слойный ViT, 292 млн параметров |
| Управление рассуждениями | reasoning_effort, от none до max |
Контекст на 1M токенов позволяет передавать объёмные материалы в одном запросе. Но вместимость контекста не означает безошибочную работу со всеми деталями: длинные диалоги остаются одним из ограничений модели.
Параметр reasoning_effort регулирует усилие рассуждений. Для своего приложения его стоит подбирать на тестовых задачах: максимальное значение не следует автоматически считать лучшим режимом для любого запроса.
Модель обучали на длинных агентных задачах программирования, включая пост-тренинг нейросетей и оптимизацию GPU-ядер. В обучении использовали 12,2 трлн токенов претрейна и 3 трлн токенов обучения с подкреплением — по 17 млн роллаутов.
В поведении акцент сделан на соблюдении инструкций, аккуратной оценке изменений и самостоятельной проверке работы. Для разработчика это повод тестировать Inkling 2 Small не только как генератор фрагментов кода, но и внутри полноценного агентного цикла.
| Бенчмарк | Inkling 2 Small | Для сравнения |
|---|---|---|
| SWE-Bench Pro v2 (Hard) | 86,3% | — |
| SWE-bench Verified | 82,2% | — |
| DeepSWE v1.1 | 72,1% | — |
| Terminal-Bench 2.1, Pi harness | 85,1% | — |
| Terminal-Bench 4.0, AA | 13,1% | слабое место модели |
| FrontierCode 2.0, AA | 25% | Inkling Small — 5% |
| AutomationBench-AA | 46% | Inkling Small — 5% |
| ARC-AGI-2 | 81,7% | лучший результат по версии ARC Prize |
| ARC-AGI-1 | 96,5% | — |
Результаты сильно зависят от набора задач и окружения агента. Показатели Terminal-Bench 2.1 и 4.0 нельзя трактовать как одну шкалу: это разные версии и условия оценки. Высокий результат в одном тесте не отменяет слабые 13,1% в другом.
Мультимодальность полезна там, где результат нужно увидеть. В агентном контуре Inkling 2 Small может визуально проверить собственный вывод — например, рендеринг сайта. При этом на выходе модель выдаёт текст, а не изображения.
Да, эти направления входят в целевые сценарии модели. Особенно интересны задачи с несколькими связанными результатами: таблицей, презентацией и меморандумом, которые должны согласовываться между собой.
| Проверка | Inkling 2 Small | Для сравнения |
|---|---|---|
| AA-Briefcase, длинные бизнес-задачи | 1527 Elo | Inkling Small — 912; Claude Sonnet 5.5 — 1439; Gemini 3.8 Flash — 1203 |
| AA-Briefcase, выполненные рубрики-проверки | 50% | Inkling Small — 20% |
| Finance Agent v2.1 | 67,5% | лучший результат в тесте |
| DAYJOB Finance | 14,3% | лучший результат в тесте |
| Plotly DataAnalyticsBench | 39 из 43, или 91% | — |
| AA Intelligence Index v5.0.1 | 31, место 6 из 34 | Inkling Small — 13; уровень Gemini 3.8 Flash |
| AA-Omniscience v1.1, доля галлюцинаций | 27% | Inkling Small — 61% |
В Plotly DataAnalyticsBench модель идеально прошла категории с неоднозначными вопросами, невыполнимыми запросами и статистическими ловушками. Это важная проверка для аналитики: полезный ответ иногда состоит не в вычислении числа, а в обнаружении некорректной постановки задачи.
Финансовые результаты стоит читать вместе с абсолютными значениями. Например, лидерство в DAYJOB Finance при 14,3% не означает готовности автономно выполнять любую финансовую работу. Расчёты и выводы по-прежнему требуют проверки.
Отдельный пример — autoresearch-демо. Inkling 2 Small самостоятельно дообучила Qwen3.5-4B для прогнозирования временных рядов и удвоила скоринг за 4,5 часа на Tinker. Это демонстрация исследовательского цикла с измеримым результатом, а не гарантия аналогичного улучшения на любых данных.
Модель доступна в API ВЕГА. Идентификатор для запросов — thinkingmachines/inkling-2-small, страница каталога — api.vega.chat/aimodels/inkling-2-small.
Для первого теста лучше взять реальную задачу из своего процесса, результат которой можно проверить:
thinkingmachines/inkling-2-small в поле model вашего запроса.reasoning_effort под задачу и сравните качество результата и время выполнения.Не ограничивайтесь первым удачным примером. Для внедрения важнее повторяемость на ваших задачах, особенно если агент работает с инструментами и выполняет длинные последовательности действий.
В каталоге есть бесплатный вариант thinkingmachines/inkling-2-small:free, предназначенный для агентных харнесов — окружений, которые управляют работой агента. По условиям Thinking Machines промпты и ответы на этом эндпоинте логируются и используются для улучшения их моделей. Персональные и конфиденциальные данные отправлять туда нельзя.
Есть два пути:
У Защитника остаются тот же ключ и SDK; меняется только base URL на https://api.vega.chat/guard/v1. До отправки в модель персональные данные заменяются метками вида #PERSON_1#, а в ответе настоящие значения подставляются обратно.
Обезличивание персональных данных не стоит считать разрешением отправлять любую конфиденциальную информацию. Если документ содержит коммерческие секреты или другие чувствительные сведения, не включайте их в запрос к бесплатному эндпоинту.
Помимо слабого результата Terminal-Bench 4.0, нужно учитывать длительность сложных задач. В тестах Index модель тратила около 21,5 минуты на задачу; средняя длина вывода составляла примерно 150 тысяч токенов. Это не прогноз времени для каждого API-запроса, но важный ориентир для длинных агентных сценариев.
Также заявлены галлюцинации и деградация в длинных многоходовых диалогах. Поэтому большое контекстное окно не заменяет проверку фактов, тесты кода и контроль промежуточных результатов. Для эмоциональной поддержки отдельно отмечаются избыточные дисклеймеры.
Чем Inkling 2 Small отличается от первого поколения?
В таблицах выше видны изменения в кодинге, автоматизации и бизнес-задачах. При выборе ориентируйтесь на свой сценарий: универсального преимущества во всех задачах результаты не обещают.
Что означает reasoning_effort?
Это настройка усилия рассуждений от none до max. Подходящее значение лучше выбирать экспериментально, проверяя результат и длительность выполнения.
Можно ли передавать изображения и аудио?
Изображения и текст поддерживаются на входе. Аудиовхода нет; ответ модель возвращает текстом.
Безопасно ли отправлять рабочие документы на бесплатный эндпоинт?
Только если в них нет персональных и конфиденциальных данных. Для персональных данных доступно обезличивание через Защитник ВЕГА; остальные чувствительные сведения нужно исключить из запроса.