Thinking Machines lança Inkling 2 Small: um MoE de 594B que ajustou o Qwen sozinho por $426

Se você já fez o ajuste fino de um modelo para uma tarefa específica, sabe quanto trabalho repetitivo isso envolve: escrever um avaliador, encontrar um bug nele, experimentar SFT e RL e acompanhar checkpoints. A Thinking Machines, startup de Mira Murati, afirma que o novo Inkling 2 Small consegue fazer tudo isso sozinho.

Que modelo é esse

Apesar do Small no nome, trata-se de um MoE com 594 bilhões de parâmetros, dos quais 17 bilhões ficam ativos por token. Ou seja, o custo de inferência se aproxima do de modelos médios, enquanto a capacidade se aproxima da de modelos grandes. Os pesos continuam fechados, mas a empresa promete publicá-los sob Apache 2.0. Por enquanto, o modelo está disponível pelo Tinker, plataforma da própria Thinking Machines.

Segundo os resultados divulgados, o Inkling 2 Small ficou em primeiro no ranking geral entre os modelos abertos e em terceiro no DesignArena Website. Ele lidera entre os modelos de código aberto em tarefas de visão, finanças e fluxos de trabalho com agentes para atividades de escritório. Em programação, o resultado é mais modesto, mas chega bastante perto da versão atualizada do DeepSeek-V4.1-Flash. Segundo seus criadores, o salto em relação à versão anterior é bastante expressivo.

A demonstração que faz valer a leitura do anúncio

O mais interessante é o experimento, mais do que o ranking. O modelo recebeu a tarefa de ajustar o Qwen3.5-4B para previsão de séries temporais. Em seguida, agiu como um engenheiro júnior de ML: escreveu seu próprio avaliador, encontrou um bug nele, testou SFT e RL e, no fim, entregou o melhor checkpoint. O processo levou 4,5 horas e custou $426. Em dados novos, o erro foi aproximadamente 15% menor que o do Qwen base.

Imagine uma necessidade típica de produto: prever a demanda ou a carga do sistema sem ter uma equipe própria de ML. Antes, você recorria a um modelo grande pronto e pagava por cada solicitação, ou contratava profissionais. Aqui surge uma terceira opção: um agente prepara um modelo pequeno e especializado, barato de executar em produção.

Outro sinal prático: no PMPP-Hard, um conjunto de tarefas de otimização de kernels de GPU, o modelo resolve em média 54 das 69, no mesmo nível do DeepSeek V4.1 Flash. Isso interessa a equipes que enfrentam gargalos no desempenho da inferência.

Limitações e próximos passos

Algumas ressalvas desde já. Todos os números vêm, por enquanto, da própria empresa, sem verificação independente. Uma única demonstração com uma única tarefa não prova que o ajuste fino automático funcionará tão bem com os seus dados. Uma melhora de 15% em séries temporais pode ser modesta ou significativa, dependendo da precisão inicial. Os pesos estão fechados, portanto não é possível executar o modelo na própria infraestrutura e verificar os resultados até que chegue a prometida publicação sob Apache 2.0.

Para desenvolvedores e profissionais de produto, a conclusão prática é a seguinte. Primeiro, se você tem uma tarefa em que um modelo pequeno poderia substituir uma API cara, vale testar o ajuste fino conduzido por agentes: um orçamento de algumas centenas de dólares permite um experimento acessível. Segundo, espere os pesos abertos e compare o modelo com o DeepSeek-V4.1-Flash usando seu próprio código e seus documentos, em vez de benchmarks públicos. Terceiro, observe o padrão em si: um modelo que escreve um avaliador e identifica bugs nele está mais próximo de um pesquisador autônomo do que de um recurso de autocompletar.

Se as promessas sobre a licença forem cumpridas, o código aberto ganhará uma opção forte, com custo de inferência moderado e boas capacidades como agente. Por enquanto, vale experimentar pelo Tinker e acompanhar os próximos passos.