Thinking Machines lança o Inkling 2 Small: o melhor modelo aberto que não é da China

Nos últimos dois anos, os modelos abertos tiveram um endereço principal: a China. DeepSeek e Moonshot lideravam regularmente os rankings e alcançavam os modelos fechados da OpenAI e da Anthropic por uma fração do preço. Agora o Ocidente ganha uma resposta, e de dois lados ao mesmo tempo: o recente Le Chonk, da Mistral, e o novo Inkling 2 Small, da Thinking Machines.

Que modelo é esse

A Thinking Machines Lab é uma pequena startup de Mira Murati, ex-diretora de tecnologia da OpenAI. O Inkling 2 Small tem 594 bilhões de parâmetros, aceita imagens e responde apenas com texto. A empresa foca em design web, design de jogos e programação. Ela também destaca que, durante os testes, avaliou não só o código final, mas a própria abordagem do modelo para a tarefa. Segundo os desenvolvedores, isso resulta em um modelo mais forte em código e mais adequado a ciclos agênticos.

Por ora o modelo é formalmente proprietário. Os pesos são prometidos para a próxima semana. Esse esquema está virando norma: primeiro várias semanas de verificação por equipes de cibersegurança e revisores, depois a publicação. A Mistral fez o mesmo com o Le Chonk.

Os números

A avaliadora independente Artificial Analysis deu ao modelo 31 pontos em seu índice de inteligência. Isso está acima da média da sua classe e no mesmo nível do Gemini 3.8 Flash. Para dar escala: os líderes, Gemini 4 Carbon e Claude Opus 5.5, marcaram 60 e 59. Ou seja, está longe do topo, mas trata-se de um modelo aberto e, pelos rankings, será o melhor entre os abertos fora da China.

O progresso em relação à versão anterior é perceptível:

• a automação cresceu 41%;
• a programação melhorou 20%;
• a taxa de alucinações no AA-Omniscience v1.1 caiu de 61% para 27%;
• a precisão subiu de 32% para 34%;
• a proporção de tentativas de resposta diminuiu de 77% para 53%.

As três últimas linhas se leem assim: o modelo inventa menos porque com mais frequência se abstém honestamente de responder. A precisão quase não mudou. Para um gerente de produto, é uma mudança importante: melhor um «não sei» do que um absurdo confiante.

Limitações

O modelo tem desvantagens claras. A Artificial Analysis o descreve como notavelmente lento por tarefa e muito prolixo. Isso afeta tanto a latência quanto a conta: prolixidade significa mais tokens de saída. Os tokens de entrada custam $0,30 por milhão contra uma mediana da classe de $0,24, ou seja, um pouco mais caros. Além disso, nenhum modelo vence em tudo, e ainda é cedo para declarar o Inkling o melhor para programação.

O que fazer na prática

Enquanto os pesos não forem publicados, é uma notícia para acompanhar, não para migrar. Quando surgirem, vale testar o modelo em tarefas próprias: verificar o custo real considerando respostas longas, a velocidade em cadeias agênticas e a taxa de recusas. Para empresas que, por exigências de conformidade ou geopolíticas, não se sentem confortáveis com pesos chineses, é a primeira opção ocidental séria. Para os demais, a principal conclusão é que a concorrência entre modelos abertos está se intensificando, o que significa que a pressão sobre os preços dos laboratórios fechados também vai crescer.