Inkling 2 Small تحصد 31 نقطة في مؤشر Artificial Analysis وتبلغ كلفة المهمة معها $1,18

أطلقت Thinking Machines نموذج Inkling 2 Small، الذي حصد 31 نقطة في المؤشر المركّب للمختبر المستقل Artificial Analysis. يتكوّن المؤشر من عشرات الاختبارات: المعرفة، والبرمجة، والأسئلة المعقدة بمستوى الخبراء، وعمل الوكلاء. تزيد الـ31 نقطة بمقدار 18 نقطة على نتيجة Inkling Small السابق، وتساوي نتيجة Gemini 3.

8 Flash (high) من Google DeepMind. أما الرقم الثاني في العنوان، $1,18، فهو متوسط كلفة المهمة الواحدة في المؤشر، أي المبلغ الذي ستدفعه إذا أسندت إلى النموذج مهمة نموذجية وانتظرت النتيجة النهائية. للمقارنة، تبلغ كلفة المهمة نفسها $7,77 مع Gemini 3.

8 Flash (high)، و$10,02 مع Claude Sonnet 5.5 (medium). باختصار: إذا كنتم تختارون نموذجاً لوكيل يعدّل الشيفرة بنفسه أو يجمع التقارير أو يملأ الجداول، فرخص التوكن لا يعني رخص العمل، وهذه حالة تميل فيها حسابات كلفة المهمة لمصلحة النموذج الجديد.

حالياً، Inkling 2 Small نموذج مغلق: فهو متاح فقط على منصة Thinking Machines Tinker وفي Tinker Playground. تخطط الشركة لنشر الأوزان بترخيص Apache 2.0 لاحقاً، لكن الموعد لم يتأكد. وإذا نفّذت الشركة وعدها، فسيكون هذا أقوى نموذج مفتوح مطوَّر خارج الصين بحسب التصنيفات الحالية. كما تفوّق النموذج على MiMo-V2.6-Pro من Xiaomi. ومن المبكر بناء الخطط على النسخة المفتوحة.

أين يتفوق النموذج وأين يتراجع

هذا نموذج استدلال بـ594 مليار معامل، يعمل منها 17 مليار لكل توكن. يقبل النصوص والصور، ويُخرج نصاً. وكان النمو الأكبر في المهام الوكيلية، حيث يجب على النموذج إنهاء العمل بنفسه حتى النهاية:

• AutomationBench-AA، أتمتة سير العمل: من 5% إلى 46%.
• FrontierCode 2.0، مهام برمجة معقدة: من 5% إلى 25%، بينما يحقق Claude Sonnet 5.5 (medium) نسبة 11%.
• HLE-Diamond، أسئلة بمستوى الخبراء: من 12% إلى 29%.
• AA-Briefcase، سير عمل مكتبي طويل يشمل الجداول والعروض التقديمية والمذكرات الداخلية: 1527 Elo مقابل 912 للإصدار السابق، و1439 لدى Sonnet 5.5، و1203 لدى Gemini 3.8 Flash. ارتفعت نسبة الفحوص المجتازة من 20% إلى 50%.

في إنشاء مشاهد ثلاثية الأبعاد تفاعلية (AA-3D) وإنتاج الفيديو عبر الشيفرة (Code2Video-AA)، تفوّق النموذج على Gemini 3.8 Flash، لكن Claude Sonnet 5.5 يبقى في الصدارة في الاختبارين. وهناك نقاط ضعف أيضاً: ففي Terminal-Bench 4.0، حيث يعمل الوكيل في سطر الأوامر، حقق Inkling 2 Small نسبة 13% مقابل 30% لدى Sonnet 5.5. وفي الفيزياء بمستوى الأبحاث (CritPt v2) حقق 56% مقابل 65% لدى Gemini 3.8 Flash (high). لذا فالنتيجة أفضل في التعديلات المعقدة داخل المستودعات البرمجية، وأسوأ بوضوح في العمل عبر الطرفية.

هلوسات أقل لأن النموذج يمتنع عن الإجابة أكثر

في اختبار AA-Omniscience v1.1 انخفضت نسبة الهلوسات من 61% إلى 27%. لكن الدقة ارتفعت فقط من 32% إلى 34%. والسبب الرئيسي مختلف: صار النموذج يحاول الإجابة عن 53% من الأسئلة بدلاً من 77%. فحين لا يكون واثقاً، يرفض الإجابة في كثير من الأحيان، ولهذا يقل قوله ما هو غير صحيح. ارتفعت الدرجة النهائية من −9 إلى 16، لكن Gemini 3.8 Flash (high) بـ23 وSonnet 5.5 (medium) بـ19 ما زالا أعلى. إذا كانت الإجابة الخاطئة في منتجكم أغلى ثمناً من الرفض، كما في الدعم الفني أو المراجع القانونية، فهذا السلوك مفيد. أما إذا كان على روبوت الدردشة أن يجيب دائماً، فسيتعين التعامل مع حالات الرفض بشكل منفصل.

لماذا يبقى التفكير المكلف رخيصاً في النهاية

في المتوسط يستهلك Inkling 2 Small نحو 150 ألف توكن إخراج لكل مهمة في المؤشر. وكان الرقم لدى الإصدار السابق نحو 37 ألفاً، ولدى Sonnet 5.5 (medium) نحو 31 ألفاً، ولدى Gemini 3.8 Flash (high) نحو 99 ألفاً. لذلك ارتفعت كلفة المهمة نحو 6 أضعاف: من $0,20 إلى $1,18.

ومع ذلك فالأسعار منخفضة: $0,30 لكل مليون توكن إدخال، و$1,00 لكل مليون توكن إخراج، و$0,03 لكل مليون توكن إدخال مخزَّن مؤقتاً. ولهذا السبب تحديداً يظل النموذج أرخص من منافسيه ذوي الدرجات المماثلة، حتى مع هذا الاستهلاك الكبير للتوكنات.

ما العمل؟

على الفرق التي تبني وكلاء لأتمتة المهام المكتبية وإعداد التقارير وتوليد الواجهات أن تجرّب سيناريوهاتها الخاصة على Inkling 2 Small، وأن تقارن كلفة المهمة المنجزة لا سعر التوكن. تزيد عمليات الاستدلال الطويلة زمن الاستجابة، لذا قد يكون النموذج بطيئاً في الدردشات التفاعلية. الأرقام مأخوذة من اختبارات Artificial Analysis وتعكس مجموعة المهام الخاصة بها، وقد تختلف النتيجة على بياناتكم. ستهم الأوزان المفتوحة من يريد تشغيل النموذج لديه، لكنها حتى الآن وعد دون موعد.