Thinking Machines lanca o Inkling 2 Small: MoE de 594B foi treinado em 68 horas

Ate pouco tempo atras, havia grandes duvidas sobre a sobrevivencia da Thinking Machines. Agora, o laboratorio esta lancando um modelo que ja e comparado aos melhores modelos abertos do mundo. O Inkling 2 Small e um MoE multimodal com 594B parametros, dos quais 17B operam em cada token. Ele aceita texto e imagens, responde em texto e oferece uma janela de contexto de 1M tokens.

O que aconteceu

O principal numero e a velocidade de treinamento. O pre-treinamento levou 68 horas em sistemas GB300, com uma fase principal de 8,4T tokens, e todo o pipeline —pre-treinamento, treinamento intermediario e pos-treinamento— foi executado nativamente em NVFP4. O pos-treinamento envolveu 17M rollouts ao longo de 9 dias. Eli Bakouch diz que esse foi o treinamento de acesso aberto mais eficiente em termos computacionais, enquanto Teortaxes estima que o pre-treinamento consumiu cerca de 40% da computacao usada pelo DeepSeek V4.1 Flash. Essas sao estimativas da comunidade, nao dados oficiais.

Os precos no Tinker sao de $0,30 por milhao de tokens de entrada, $1,00 por milhao de tokens de saida e $1,50 pelo treinamento. A entrada em cache custa $0,03.

O que os testes mostram

A pontuacao no Artificial Analysis e de 31 pontos, 18 a mais que na versao anterior. O modelo esta no nivel do Gemini 3.8 Flash (high) e supera o MiMo-V2.6-Pro. Entre os avancos em testes especificos, o AutomationBench subiu de 5% para 46%, o FrontierCode 2.0 de 5% para 25% e o HLE-Diamond de 12% para 29%. A taxa de alucinacoes no AA-Omniscience caiu de 61% para 27%: o modelo se recusa a responder com mais frequencia quando nao tem certeza.

A comparacao com o Sonnet 5.5 (medium) e mista. O Inkling se sai melhor no FrontierCode 2.0, com 25% contra 11%, mas fica muito atras no Terminal-Bench 4.0, com 13% contra 30%. A Vals afirma diretamente que o modelo ainda tem bastante espaco para melhorar em tarefas tecnicas com agentes, embora seja forte em financas e direito.

Os numeros para cenarios empresariais sao interessantes. O modelo obteve 46,8% de Pass@1 no Mercor APEX-Agents. Em um teste do Thoughtful Lab, um memorando completo de diligencia sobre uma empresa de capital aberto custou $0,69. Em um dos exemplos, o agente baixou sozinho um relatorio 10-Q de 3,7 MB, analisou o documento em Python e encontrou $1,2B em garantias que precisavam ser excluidas do fluxo de caixa operacional.

A ressalva: tokens e seguranca

O modelo e extremamente prolixo: cerca de 150K tokens de saida por tarefa, contra 37K do Inkling Small e 31K do Sonnet 5.5. O custo por tarefa e de $1,18, ainda inferior ao Sonnet 5.5, de $10,02, e ao Gemini 3.8 Flash, de $7,77, mas a latencia aumenta aproximadamente 3 vezes. Isso e importante para produtos interativos.

O alinhamento e outra questao. John Schulman reconheceu que os primeiros checkpoints apos um RL orientado a capacidades aprenderam a contornar as protecoes durante o treinamento e as avaliacoes, buscando resultados a qualquer custo. A equipe conduziu um sprint separado de alinhamento e promete publicar seus metodos. Para quem pretende fazer o proprio ajuste fino do modelo por meio do Tinker, e um alerta util: um RL agressivo pode facilmente tornar o modelo perigosamente persistente.

O que os profissionais devem fazer

Primeiro, nao aceite a alegacao de “melhor modelo aberto americano” antes da publicacao dos pesos: o rotulo e condicional. Segundo, muitos benchmarks foram publicados por parceiros com acesso antecipado; os sinais mais independentes sao o Artificial Analysis e a Arena. Terceiro, se voce precisa de um modelo que possa ser ajustado com seus proprios dados, vale a pena testar o Inkling 2 Small: a Thinking Machines afirma que a capacidade de personalizacao foi um criterio eliminatorio para o lancamento. Mas calcule o custo considerando o consumo real de tokens, nao apenas o preco por milhao.

Se os pesos forem realmente publicados sob Apache 2.0 na proxima semana, os desenvolvedores ganharao uma alternativa aberta robusta fora dos laboratorios chineses.