Inkling 2 Small من Thinking Machines: 17 مليار معامل نشط و1.18 دولار للمهمة
قدّمت Thinking Machines، شركة ميرا موراتي، نموذج Inkling 2 Small، وهو نموذج MoE بحجم 594 مليار معامل يُفعَّل منها 17 مليارًا. في مؤشر Artificial Analysis حصل على 31 نقطة مقابل 13 للنسخة السابقة، وبلغ مستوى Gemini 3.8 Flash. تكلفة المهمة 1.18 دولار، لكن النموذج يستهلك رموزًا (tokens) أكثر بأربع مرات من النسخة السابقة.
معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
إذا كنت تبني وكلاء (agents) على نماذج مفتوحة، فأمامك عادةً خياران غير مريحين: إما نموذج ضعيف ينهار في سلاسل الإجراءات الطويلة، أو واجهة برمجية مغلقة باهظة الثمن قد تصل فيها فاتورة مهمة واحدة بسهولة إلى عشرات الدولارات. تقترح Thinking Machines، الشركة الناشئة التي أسستها ميرا موراتي، المديرة التقنية السابقة في OpenAI، طريقًا ثالثًا: Inkling 2 Small.
ما هذا النموذج؟
Inkling 2 Small نموذج مزيج الخبراء (mixture-of-experts): إجمالي معاملاته 594 مليارًا، لكن 17 مليارًا فقط تعمل على كل رمز (token). ببساطة، لدى النموذج الكثير من «المتخصصين»، ولكل طلب يُستدعى المناسبون فقط. ومن هنا السرعة والسعر المعتدل. يقبل النموذج النصوص والصور، ويمكن ضبط عمق الاستدلال: أسرع أو أدق.
تفصيل مهم: صُمم Inkling ليكون قاعدة للتدريب الإضافي (fine-tuning). أي أنهم يريدونه حاضرًا لا في المحادثة فحسب، بل أيضًا أساسًا لمنتجات متخصصة جدًا.
الأرقام المهمة عمليًا
في مؤشر Artificial Analysis حصل النموذج على 31 نقطة مقابل 13 للإصدار السابق، وهو مستوى Gemini 3.8 Flash. وجاء الجزء الأكبر من التحسن في مهام الوكلاء: قفز AutomationBench-AA من 5 إلى 46%، وFrontierCode 2.0 من 5 إلى 25%. وفي اختبار DeepSWE بلغت النتيجة 72.1%، وفي SWEBench Pro v2 (Hard) بلغت 86.3%.
ومع ذلك، ليس النموذج الرائد بلا منازع في البرمجة: يتقدم DeepSeek V4.1 Flash في معظم الاختبارات (28.5% في FrontierCode و77% في DeepSWE)، وفي SWEBench Pro v2 Hard يتفوق Kimi K3 قليلًا. أما لقب «أفضل نموذج مفتوح غربي» فهو في المقام الأول صياغة تخص الغرب.
كما أن تعدد الوسائط قوي: 81.6% في MMMU Pro، و64.7% في PerceptionBench، و25.2% في GDP.pdf (التعامل مع ملفات PDF المعقدة)، و1340 نقطة Elo في DesignArena Website، وهي أفضل نتيجة بين النماذج المفتوحة.
السعر والمحاذير
الأمر الأكثر إثارة هو الاقتصاد. بحسب Artificial Analysis، تكلف المهمة الواحدة 1.18 دولار، بينما تبلغ كلفتها 7.77 دولار مع Gemini 3.8 Flash و10.02 دولار مع Claude Sonnet 5.5. لكن النسخة السابقة كانت أرخص بنحو ست مرات: إذ ينتج Inkling 2 Small نحو 150 ألف رمز خرج للمهمة، أي أكثر بأربع مرات من قبل. فالجودة اشتُريت بـ«التفكير بصوت عالٍ».
وهناك تحفظات. فانخفاض الهلوسة من 61 إلى 27% يفسَّر إلى حد كبير بأن النموذج صار يلتزم الصمت أكثر: إذ تراجعت نسبة الإجابات من 77 إلى 53%. ويقر المطورون أنفسهم بأنه لا يختار دائمًا أفضل الأدوات في قواعد الشيفرة الكبيرة، ولا يدعم الصوت، وهو أقل ملاءمة للمحادثة، وقد يبالغ في الحذر في المواضيع الطبية ويقدم مخرجات مثقلة.
ما العمل؟
حاليًا يتوفر النموذج فقط كخدمة مغلقة على منصة Tinker. والأوزان بترخيص Apache 2.0 موعودة بعد اختبارات أمان خارجية، وهذا الترخيص أكثر مرونة من ترخيصي Meta أو Mistral. وهذا مهم لمن يريد استضافة النموذج بنفسه أو تدريبه إضافيًا لمجاله.
الخلاصة العملية للفرق: اختبروه على سيناريوهات الوكلاء الخاصة بكم واحسبوا تكلفة المهمة، لا سعر الرمز. فإذا كان خط عملكم يصطدم بميزانية فئة Flash أو Sonnet، فقد يحقق Inkling 2 Small وفرًا ملحوظًا. أما إذا كنتم تحتاجون مساعدًا دقيقًا ومسهبًا، فانتظروا الفحوص المستقلة وصدور الأوزان. ومن المفيد أيضًا متابعة الأحجام الأخرى للعائلة: فالشركة تعد بإصدارها قريبًا.
- 8 نوفمبر 2026نموذج واحد فقط من أصل تسعة فك شيفرة مكعب روبيك، ونموذجان قدما «تحققا» زائفا
- 8 نوفمبر 2026OpenAI تطلق GPT Images 2.6: أسرع بنسبة 50% مع دعم SVG وGIF والتحرير عبر العلامات
- 8 نوفمبر 2026GPT 5.6 Sol يكتشف ثغرة حرجة في أوبنتو خلال ساعتين، وOpenAI تطلق ChatGPT Cyber
- 8 نوفمبر 2026METR: أنثروبيك تسارعت بمقدار الضعف تقريبًا، و80% من هذا التسارع يعود إلى الذكاء الاصطناعي داخل الشركة نفسها
أسئلة وأجوبة حول الخبر
ما هذا النموذج؟
Inkling 2 Small نموذج مزيج الخبراء (mixture-of-experts): إجمالي معاملاته 594 مليارًا، لكن 17 مليارًا فقط تعمل على كل رمز (token). ببساطة، لدى النموذج الكثير من «المتخصصين»، ولكل طلب يُستدعى المناسبون فقط. ومن هنا السرعة والسعر المعتدل. يقبل النموذج النصوص والصور، ويمكن ضبط عمق الاستدلال: أسرع أو أدق. تفصيل مهم: صُمم Inkling ليكون قاعدة للتدريب الإضافي (fine-tuning). أي أنهم يريدونه حاضرًا لا في المحادثة فحسب، بل أيضًا أساسًا لمنتجات متخصصة جدًا.
ما العمل؟
حاليًا يتوفر النموذج فقط كخدمة مغلقة على منصة Tinker. والأوزان بترخيص Apache 2.0 موعودة بعد اختبارات أمان خارجية، وهذا الترخيص أكثر مرونة من ترخيصي Meta أو Mistral. وهذا مهم لمن يريد استضافة النموذج بنفسه أو تدريبه إضافيًا لمجاله. الخلاصة العملية للفرق: اختبروه على سيناريوهات الوكلاء الخاصة بكم واحسبوا تكلفة المهمة، لا سعر الرمز. فإذا كان خط عملكم يصطدم بميزانية فئة Flash أو Sonnet، فقد يحقق Inkling 2 Small وفرًا ملحوظًا. أما إذا كنتم تحتاجون مساعدًا دقيقًا ومسهبًا، فانتظروا الفحوص المستقلة وصدور الأوزان.
ما أبرز التفاصيل حول الأرقام المهمة عمليًا؟
في مؤشر Artificial Analysis حصل النموذج على 31 نقطة مقابل 13 للإصدار السابق، وهو مستوى Gemini 3.8 Flash. وجاء الجزء الأكبر من التحسن في مهام الوكلاء: قفز AutomationBench-AA من 5 إلى 46%، وFrontierCode 2.0 من 5 إلى 25%. وفي اختبار DeepSWE بلغت النتيجة 72.1%، وفي SWEBench Pro v2 (Hard) بلغت 86.3%. ومع ذلك، ليس النموذج الرائد بلا منازع في البرمجة: يتقدم DeepSeek V4.1 Flash في معظم الاختبارات (28.5% في FrontierCode و77% في DeepSWE)، وفي SWEBench Pro v2 Hard يتفوق Kimi K3 قليلًا.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.