Inkling 2 Small da Thinking Machines: 17 bilhões de parâmetros ativos e US$ 1,18 por tarefa

Se você constrói agentes com modelos abertos, normalmente tem duas opções desagradáveis: ou um modelo fraco, que falha em longas cadeias de ações, ou uma API fechada e cara, em que a conta de uma única tarefa chega facilmente a dezenas de dólares. A Thinking Machines, startup da ex-diretora de tecnologia da OpenAI Mira Murati, propõe um terceiro caminho: o Inkling 2 Small.

O que é o modelo

O Inkling 2 Small é um mixture-of-experts: 594 bilhões de parâmetros no total, mas apenas 17 bilhões trabalham em cada token. Em termos simples, o modelo tem muitos "especialistas", e para cada requisição são acionados apenas os necessários. Daí vêm a velocidade e o preço moderado. O modelo aceita texto e imagens, e a profundidade do raciocínio pode ser ajustada: mais rápido ou mais minucioso.

Um detalhe importante: o Inkling foi concebido como base para ajuste fino. Ou seja, a ideia é que ele apareça não só no chat, mas também como alicerce de produtos altamente especializados.

Números que importam na prática

No índice da Artificial Analysis, o modelo marcou 31 pontos contra 13 da versão anterior. Esse é o nível do Gemini 3.8 Flash. O principal avanço veio nas tarefas agênticas: o AutomationBench-AA saltou de 5% para 46%, e o FrontierCode 2.0, de 5% para 25%. No DeepSWE, o resultado é 72,1%, e no SWEBench Pro v2 (Hard), 86,3%.

Por outro lado, em programação o modelo não é um líder incontestável: o DeepSeek V4.1 Flash está à frente na maioria dos testes (28,5% no FrontierCode e 77% no DeepSWE), e no SWEBench Pro v2 Hard o Kimi K3 é um pouco melhor. O título de "melhor modelo aberto ocidental" é, antes de tudo, uma formulação sobre o Ocidente.

A multimodalidade também é forte: 81,6% no MMMU Pro, 64,7% no PerceptionBench, 25,2% no GDP.pdf (trabalho com PDFs complexos) e 1.340 Elo no DesignArena Website, o melhor resultado entre os modelos abertos.

Preço e pegadinhas

O mais interessante é a economia. Segundo a Artificial Analysis, uma tarefa custa US$ 1,18, enquanto o Gemini 3.8 Flash custa US$ 7,77 e o Claude Sonnet 5.5, US$ 10,02. Mas na antecessora o preço era cerca de seis vezes menor: o Inkling 2 Small gera cerca de 150 mil tokens de saída por tarefa, quatro vezes mais que antes. A qualidade foi comprada com "pensar em voz alta".

Há também ressalvas. A queda das alucinações de 61% para 27% se explica em grande parte pelo fato de o modelo ficar calado com mais frequência: a proporção de respostas caiu de 77% para 53%. Os próprios desenvolvedores admitem que ele nem sempre escolhe as melhores ferramentas em grandes bases de código, não oferece suporte a áudio, é menos adequado para chat, pode ser excessivamente cauteloso em temas médicos e gerar saídas sobrecarregadas.

O que fazer

Por enquanto, o modelo está disponível apenas como serviço fechado na plataforma Tinker. Os pesos sob Apache 2.0 são prometidos após testes externos de segurança, e a licença é mais permissiva que as da Meta ou da Mistral. Isso importa para quem quer hospedar o modelo por conta própria ou ajustá-lo ao seu domínio.

Conclusão prática para as equipes: testem-no em seus próprios cenários agênticos e calculem o custo por tarefa, não o preço por token. Se o seu pipeline esbarra no orçamento para modelos da classe Flash ou Sonnet, o Inkling 2 Small pode gerar uma economia notável. Mas, se você precisa de um assistente preciso e conversador, aguarde as avaliações independentes e a liberação dos pesos. Vale também acompanhar os outros tamanhos da família: a empresa promete lançá-los em breve.