أوزان Inkling 2 Small متاحة الآن: 394 غيغابايت، وApache 2.0، وفاتورة بحجم عقدة

أول إيداع للأوزان في مستودع Inkling 2 Small مؤرخ عند الساعة 19:53 بالتوقيت العالمي المنسق يوم 12 نوفمبر 2026 — أي قبل كتابة هذا النص بتسع ساعات. حتى ذلك الحين، كان النموذج مجرد بطاقة أسعار وجدول معايير: أطلقته Thinking Machines Lab في 5 نوفمبر بأوزان مغلقة، ونقطة نهاية Tinker، وإعلان نية صريحة لنشر نقاط الحفظ تحت Apache 2.0 «الأسبوع المقبل». وعليه، فإن عمر النموذج نفسه ثمانية أيام. الجديد هو أنه بات بإمكانك تنزيله، والتنزيل ليس ملفًا صغيرًا.

مستودعان عامّان. نقطة التحقق الأساسية بحجم 393.5 غيغابايت موزعة على 36 ملفًا، 24 منها أجزاء safetensors. نسخة MXFP8 بحجم 622.8 غيغابايت. كلاهما مصرَّح عنهما بترخيص Apache 2.0 في البيانات الوصفية لبطاقة النموذج. هذا كل ما يتضمنه الإعلان حتى الآن — بطاقة النموذج، والمستودعان، وتحديث من فقرة واحدة مُلحَق بمنشور الإطلاق. كل ما أدناه مستخلص من تلك المصادر الأولية إضافةً إلى دليلَي إعداد الخدمة اللذين صدرا معهما، ويجدر بنا أن نكون صريحين بشأن الأمر الذي لا يزال غائبًا: اختبار السلامة الخارجي الذي كان الشرط المسبق المعلن لفتح هذه الأوزان لم يُنشَر بعد.

ما الذي يوجد فعليًا في التنزيل؟

ابدأ بالحجم، لأنه أول ما يحدد ما إذا كان هذا الطراز متاحًا لك على الإطلاق. ويفسّر تخطيط الدقة المختلطة هذا الرقم على نحو يكاد يكون تامًا، وهذه علامة جيدة على أن الأرقام المنشورة متسقة فيما بينها لا مجرد نص تسويقي.

• تقسيم نقطة التحقق — خبراء NVFP4 في الطبقات من 0 إلى 39، وخبراء MXFP8 في الطبقات من 40 إلى 47، وفقًا لكتيب SGLang.

• الحجم المتوقَّع — احتساب المتوسط البالغ 5.33 بت لكل معامل على أساس ذلك التقسيم 40/48 و8/48 يُعطي 396 غيغابايت لـ594 مليار معامل.

• الحجم المقيس — 393.5 GB للمستودع الأساسي، بما في ذلك ملفات المُرمِّز والإعدادات.

• مستودع MXFP8 — 622.8 غيغابايت، ويحصي فهرس safetensors 612.4B معامل مخزّن مقابل 383.1B في المستودع الأساسي، لأن تعبئة أوزان الخبراء إلى أربع بتات تقلّل عدد العناصر المعدودة لا النموذج نفسه.

البنية الأساسية هي محوّل ببنية فكّ فقط مكوّن من 48 طبقة، مع كتلة تغذية أمامية متناثرة من خليط الخبراء: 384 خبيرًا موجّهًا، و8 منها نشطة لكل رمز، وعرض مخفي قدره 4,608، و48 رأس انتباه فوق 8 رؤوس مفتاح-قيمة بأبعاد 128 لكل منها، ومفردات من 201,024 رمزًا. الانتباه هجين وليس موحدًا — تستخدم 40 من الطبقات الـ48 نافذة منزلقة بحجم 1,024 رمزًا، و8 فقط عالمية، ومن هنا تأتي ميزانية السياق الطويل. برج الرؤية محوّل منفصل ذو 23 طبقة بعرض مخفي قدره 1,024 و16 رأسًا، يقرأ رقعًا بحجم 20×20 بكسل مع دمج 2×2، بحيث تغطي كل وحدة رمز صورة منطقة 40×40 بكسل؛ وتطلب البطاقة صورًا يتراوح طول ضلعها بين 40 و4,096 بكسل.

هناك أيضًا رأس للتنبؤ بعدة رموز مضاف لخدمة فك الترميز التخميني — خمس طبقات، وحجم كتلة 8، ورتبة ماركوف 256، وطبقات مستهدفة عند 5 و11 و17 و23 و29 و35 و41 والكتلة الأخيرة. هذه بالتحديد طبقات الانتباه العام الثماني، وهي التفصيل الذي يدل على أن رأس المسودة صُمم حول المكدس الهجين بدلًا من أن يُضاف لاحقًا. وتسمي Thinking Machines وحدة فك الترميز الناتجة «DSpark».

بندٌ تنظيمي واحد لمن تتطلب مراجعته القانونية مستندات: الترخيص مُعلَن في بيانات بطاقة النموذج بوصفه Apache 2.0، وتُحيل البطاقة إلى الصك القياسي، لكن لا يوجد ملف LICENSE أو LICENSE.md أو LICENSE.txt أو NOTICE في شجرة المستودع. الأربعة جميعها لا تُرجع شيئًا. الإعلان حقيقي ولا لبس فيه؛ أما الأثر الذي تتوقع معظم الفرق القانونية العثور عليه فغير موجود.

قائمة العتاد، والمواضع التي يختلف فيها المورّد وكتاب الوصفات.

بطاقة النموذج تعطي حدًّا أدنى من ذاكرة VRAM. ووصفات التقديم تعطي طوبولوجيا. وهما ليسا الرقم نفسه، والفجوة بينهما هي أكثر ما ينفع عمليًا في هذه الصفحة.

• NVFP4 أساسي — ما لا يقل عن 500 غيغابايت من إجمالي ذاكرة VRAM المجمّعة؛ وأمثلة البطاقة هي 2× B300 أو 4× H200.

• متغير MXFP8 — 800 غيغابايت على الأقل؛ ومن الأمثلة 4× B300 أو 8× H200.

• SGLang، طوبولوجيا لكل GPU — GB200 وGB300 وB300 عند TP 4 / EP 4؛ B200 عند TP 4 / EP 4 مع التوصية بـ TP 8 لتوفير سعة احتياطية لذاكرة KV؛ H200 مع NVFP4 عند TP 8 / EP 8؛ MI350X وMI355X عند TP 8 / EP 8؛ Vera Rubin عند TP 4 / EP 4؛ TPU7x at 8 / 8 على مضيف بأربع شرائح.

• MXFP8 على B200 أو GB200 — TP 8 / EP 8، بنحو 151 غيغابايت من الأوزان لكل GPU.

• القيد الكامن وراء كل ذلك — يجب أن يتساوى التوازي بين الخبراء مع التوازي التنسوري، لأن مقاييس تنشيط الخبراء في NVFP4 تمتد على عرض الإدخال الكامل لكل خبير ولا يمكن تجزئتها عبر التوازي التنسوري.

إذن، مثال البطاقة ذي 4× H200 يفي بالحد الأدنى البالغ 500 GB، لكنه ليس طوبولوجيا يتحقق منها دليل الوصفات؛ فـ H200 مُدرَج بتهيئة 8-way. تخبرك حدود التخزين والذاكرة الدنيا بما إذا كان يتناسب. لكنها لا تخبرك بما إذا كان يعمل، وبالنسبة لنقطة الحفظ هذه فإن الرقم الثاني ضعف الأول على العتاد الذي يمتلكه معظم الناس. إذا كنت تجهّز الموارد، فخطّط وفق الوصفة، لا وفق الحد الأدنى.

مسار AMD عمره يومان ولم يُدمج

الرادار الذي أبرز هذا المقال التقط طلب السحب الخاص بدعم AMD بدلاً من إصدار الأوزان، والتوصيف الصادق لذلك الطلب في حد ذاته هو أنه عمل على المحرك — النوع الذي لا يُعد خبرًا. ولا يهم هنا إلا لأنه نزل في الأسبوع نفسه الذي نزلت فيه نقاط الحفظ، ولأنه ثاني مورّد سيليكون يمتلك صورة حاوية.

يضيف طلب السحب دعم gfx950 لـ MI350X وMI355X، مبنيًا على نقل Inkling 2 Small الأساسي. ما الذي يغيّره: توجد نوى ROCm في وحدات *_hip.py منفصلة لا يُوصَل إليها إلا تحت HIP، ومسارات CUDA وNPU دون تغيير، ويصبح تجمّع KV الموحّد والتعبئة المسبقة بالرسم البياني الكامل إعدادات افتراضية عند التشغيل، ويُرفض MegaMoE بدلًا من محاولته، وتُتجاهل تكميم quick-reduce ما لم يسمح به علم بيئي. يُشترط gfx950 ما لم يتجاوزه متغير بيئي ثانٍ — ما يعني رفض بطاقات فئة MI300 عند التشغيل، ويقول مؤلف طلب السحب إن gfx942 "لم يُشغَّل".

القياسات في طلب السحب (PR)، وهي قياسات المؤلف نفسه وغير مراجعة: 426 اختبار وحدة ناجحًا على MI350X واحد، و98.0% على GSM8K-200 عند الجهد المتوازن و97.5% مع DSpark عند طول قبول 4.04، وزمن لكل رمز إخراج عند إدخال 2,048 وإخراج 512 قدره 5.15 ms في وضع الجهد المتوازن مقابل 2.10 ms مع DSpark. وتُترجم هذه إلى نحو 194 و476 رمز إخراج في الثانية على تدفق واحد عبر ثماني مسرّعات. وعند تمكين AITer تصبح أرقام الدقة 97.5% و96.5%.

حالة طلب السحب (PR) هي مسودة. لم يتم تشغيل CI عليه — وظيفة الأساس محظورة بسبب تسمية مفقودة، ولا يوجد تشغيل AMD مسجّل مقابل الالتزام قيد المراجعة — وجميع مالكي الشيفرة المدرجين ما زالوا في انتظار المراجعة. تعامل مع دعم MI350X على أنه شيء يمكنك بناؤه من المصدر هذا الأسبوع، وليس شيئًا يمكنك شراؤه.

تقديمه يعني صورة تطوير، وليس إصدارًا

تمتلك كلتا المنصتين الرئيسيتين دعمًا من اليوم الأول، ولم يُطلق أيٌّ منهما هذا الدعم بعد. تقول SGLang صراحةً إن الدعم غير موجود في أي إصدار بعد، وتشير إلى إصدارات dev-inkling-2-small، مع صور منفصلة لـ Hopper وBlackwell وVera Rubin وMI35x وTPU7x. أما vLLM فتطلب إصدار nightly أو أحدث، أو صورة vllm/vllm-openai:inkling-2-small. هذا طبيعي لنموذج بهذا الحجم وبهذه الحداثة، لكنه يغيّر معنى «مدعوم»: فأنت تتابع فرعًا، وقد تؤدي إعادة الأساس (rebase) إلى تعطيل نشرك.

التفاصيل التشغيلية التي ستُسبب مشاكل فعلية:

• السياق — يحدّ إعداد TP 4 في vLLM عند 262,144 رمزًا على صينية واحدة؛ بينما تتطلب النافذة الكاملة البالغة 1,048,576 رمزًا استخدام TP 8 عبر عقدتين. عند TP 4، يحتاج طلب واحد بطول 1M رمز إلى 64.47 GiB من ذاكرة KV المؤقتة، وهو أكثر مما تبقى في صينية واحدة.

• فك التشفير التخميني — يتحقق SGLang من 8 رموز لكل خطوة باستخدام رأس DSpark المضمَّن؛ بينما يضبط مكافئ vLLM 7 رموز تخمينية مع صياغة احتمالية. وتحذّر الوصفة من أن معدل القبول ينخفض بنسبة 15 إلى 25% عند درجة حرارة 1.0 إذا صغتَ بشكل جشع.

• المحلِّلات — يستخدم الاستدلال inkling، وتستخدم استدعاءات الأدوات inkling2، ويختار SGLang كليهما تلقائيًا عند عدم ضبطهما. مُحلِّل استدعاء الأدوات في vLLM يتطلب تفعيلًا صريحًا، وتذكر الوصفة أن استدعاء الأدوات لم يُقَس أداؤه من البداية إلى النهاية، بل اختُبر على مستوى الوحدات فقط.

• فصل مرحلة التعبئة (prefill) عن فك التشفير (decode) — تم التحقق منه فقط بنمط 1P1D على درج GB300 رباعي وحدات معالجة الرسوميات، وNVFP4، وبدون MegaMoE، مع خفض نسبة الذاكرة الساكنة قسرًا إلى 0.86 لأن القيمة التلقائية 0.963 تسببت في نفاد الذاكرة. لا يتوافق هذا التقسيم مع نقطة التحقق MXFP8.

• تفكيك المُرمز — ليس في الصور بعد، ويتوقف خادم اللغة إذا تعذّر الوصول إلى أي مُرمز سليم.

• هامش الذاكرة — على وحدات B200 أو GB200 بسعة 192 GB عند TP 4، تبلغ سعة KV نحو ثلث ما يوفره درج GB300، وهو الحد الحقيقي للتزامن في السياقات الطويلة بدلاً من حجم النافذة المطبوع على البطاقة.

هناك أيضًا تقرير مجتمعي واحد على بطاقة النموذج نفسها، من الساعات الأولى بعد الرفع، بعنوان «بطاقات Hopper غير متوافقة حاليًا مع صورة vllm». لا يظهر أي رد من المشرفين ولم أتمكن من إعادة إنتاج المشكلة، لذا تعامل معه كإشارة تحذيرية لا كنتيجة مؤكدة، وتحقق قبل أن تلتزم بعقدة Hopper. أما جانب SGLang فيُدرج H200 بوضع 8-way، لذا فإن مسار Hopper ليس مغلقًا — لكنه ليس المسار الذي تصفه وصفة vLLM.

ما تكاليف الاستضافة الذاتية، ولماذا نادرًا ما تكون الإجابة هي السعر

إن سبب تنزيل 394 غيغابايت هو التحكم، لا اقتصاديات الوحدة، والحساب يجعل ذلك واضحًا بسرعة.

على Tinker، يُسعَّر النموذج عند 0.30 دولار لكل مليون رمز إدخال، و0.03 دولار لكل مليون إدخال مخزَّن مؤقتًا، و1.00 دولار لكل مليون رمز إخراج، عند سياق 256K. وتقيس Artificial Analysis 84 رمز إخراج في الثانية و67.71 ثانية حتى أول رمز إجابة، بتكلفة 1.18 دولار لكل مهمة مؤشر و29.6 دقيقة لكل مهمة، مقابل 154 مليون رمز إخراج عبر المجموعة ووسيط نظراء يبلغ 89.8 مليون. عدد الرموز هذا هو الدليل: هذا نموذج يفكّر مطوّلًا قبل أن يجيب، وبسعر الإخراج المدرَج، ينتج تدفق واحد يعمل بكامل طاقته لمدة ساعة نحو 302,000 رمز، أو نحو ثلاثين سنتًا من الإخراج. ولكي تتغلب على عقدة تكلفتها دولار واحد في الساعة تحتاج إلى إبقاء نحو أربعة تدفقات مشغولة؛ ولكي تتغلب على عقدة تكلفتها عشرون دولارًا في الساعة تحتاج إلى ستة وستين. قليل جدًا من أعباء عمل التقييم، وأقل منها الأعباء الوكيلية، تحافظ على هذا القدر من التزامن مع نموذج يبلغ زمن وصوله إلى أول رمز 67 ثانية.

ما الذي تحصل عليه بامتلاك الأوزان بدلًا من ذلك: النافذة الكاملة البالغة 1M وفق شروطك الخاصة بدلًا من طبقة خدمة Tinker البالغة 256K، ولا قائمة انتظار تجريبية تعترض طريق الإنتاج، وضبط دقيق على مكدسك الخاص، وبيانات لا تغادر شبكتك أبدًا، وعمليات تقييم شاملة لا تُحتسب لكل رمز. وما الذي تتنازل عنه: نسخة إصدار عاملة، والطوبولوجيا ثمانية الاتجاهات التي عليك شراؤها بدلًا من استئجارها، وحزمة خدمة تتولى صيانتها الآن.

هذا هو الشكل الصادق للقرار، وهو أيضاً الموضع الذي تلائم فيه طبقة توجيه دون أن يُطلب منها التظاهر باستضافة شيء لا تستضيفه. إن Inkling 2 Small ليس في كتالوج OrcaRouter — فقد راجعنا قائمة النماذج الحية هذا الأسبوع ولا يوجد أي إدخال باسم inkling ضمن 215 — لذا يبقى مسار API لهذا النموذج عبر منصة Tinker الخاصة بـ Thinking Machines، ووفقاً لتحديث الإطلاق، عبر عدة مزوّدي استدلال من طرف ثالث. وما يمنحك إياه أكثر من 200 نموذج خلف مفتاح واحد هو خيار احتياطي: يمكنك تشغيل تجربة الاستضافة الذاتية على عقدة واحدة وإبقاء الإنتاج على النماذج التي نوجّهها فعلاً، مع تحويل تلقائي عند الفشل إذا تعثّرت التجربة، وعلى النماذج التي نوجّهها فعلاً يُمرَّر سعر القائمة لدى المزوّد دون تغيير. عندما يتبنّى مضيف ثانٍ وثالث نقاط التحقق هذه، يتوقف مسار التحويل الاحتياطي عن كونه نظرياً — ويضعف الارتباط بالمورّد الذي يشكّل الحجة الرئيسية لتنزيل 394 GB أصلاً.

أين يقع الآن بعد أن أصبح مفتوحًا

لم تتغيّر الدرجة عندما صدرت الأوزان؛ ما تغيّر هو أنها أصبحت الآن ضمن لوحة صدارة كانت مستبعدة منها في السابق. وفي تصنيف الأوزان المفتوحة لدى Artificial Analysis، يحتل Inkling 2 Small المرتبة الرابعة من أصل 28 بمؤشر Intelligence Index قدره 31، مقابل وسيط قدره 24 لمجموعة المقارنة.

• Kimi K3.1 Pro — 46.

• DeepSeek V4.1 Flash 1017 بأقصى جهد — 33.

• GLM-5.3 بأقصى جهد — 32.

• Inkling 2 Small — 31.

• MiMo-V2.6-Pro وLing 3.1 Flash 1019 — 30 لكلٍّ منهما.

• Mistral Large 4 بجهد عالٍ — 26.

• Qwen3.8 27B بمستوى xhigh — 20.

العمود المثير للاهتمام في تلك القائمة ليس الأعلى. كل نموذج يعلو Inkling 2 Small هو من مختبر صيني، وأفضل نموذج مفتوح الأوزان من مختبر غير صيني كان Mistral Large 4 عند 26. فتح هذه الأوزان يقلّص تلك الفجوة بعينها من عشرين نقطة إلى خمس عشرة نقطة، وينقل صدارة العمود غير الصيني. وهو لا يمسّ الحدود القصوى: فأفضل نموذج مفتوح متقدّم بخمس عشرة نقطة، والنماذج المغلقة تقع أبعد من ذلك still.

جدول التقييم الخاص بالمورّد أطول وأكثر إطراءً، وكل رقم فيه شغّلته Thinking Machines على منصّة الاختبار الخاصة بها بجهد مرتفع — دون إعادة إنتاج، وبالتالي فهو سقف لا توقّع. الصفوف المهمة للعمل القائم على الوكلاء: SWE-bench Pro v2 Hard 86.3%، وDeepSWE v1.1 72.1%، وVibe Code Bench v1.1 81.6%، وBrowseComp 90.2% وDeepSearchQA 90.9% وكلاهما مع ضغط السياق، وMCP Atlas 85.4% للنسخة الكاملة و85.0% للنسخة العامة، وHLE 44.1% للنص فقط، وFrontierCode v2.0 25.4%. الصف الذي يشير في الاتجاه المعاكس هو Terminal Bench Science عند 5.7%، وهو منخفض بالقيمة المطلقة ومتسق مع نمط الأفق الطويل والتفكير المطوّل بدلاً من ادعاء قدرة واسعة. يذكر المورّد 30.6 لمؤشر Intelligence Index حيث تعرض اللوحة الحية 31 — فرق لقطة، وليس خلافًا.

ما الذي قد يغيّر هذا التقييم؟

ثلاثة أمور، مرتّبة حسب مدى أهميتها.

لم تُنشَر عملية السلامة التي كان يُفترض أن تحكم هذا الإصدار. يصف منشور Thinking Machines الصادر في يوليو حول مسار آمن نحو الأوزان المفتوحة أربع منظمات خارجية تُجري اختبارات ما قبل النشر على الجيل الأول من Inkling، وقد ربط منشور الإطلاق في 5 نوفمبر هذا الإصدار بـ«الاختبار الأمني الخارجي والاختبار الأحمر». أما تحديث 12 نوفمبر الذي أعلن الأوزان فيحتوي على جملة واحدة ورابط واحد — إلى مستودع Hugging Face — ولا يتضمن أي نتائج تقييم، ولا أي نتائج اختبار أحمر، ولا أي مراجعة للشروط السابقة. هذا لا يعني أن الاختبار لم يحدث. بل يعني أن القارئ لا يستطيع التحقق، وأن منظمة لديها سياسة شراء تطلب الأدلة لن تجدها هنا.

إن الدعم الجاهز للإصدار الرسمي سيغيّر مَن يمكنه تبنّيه. فحاليًا، الخيار هو فرع تطويري في SGLang، أو إصدار nightly في vLLM، أو بناء مسار AMD من المصدر انطلاقًا من مسودة غير مدموجة. وفي اللحظة التي يصل فيها الدعم إلى إصدار موسوم، يصبح النموذج قرار نشر بدلًا من مشروع هندسي، وتتوقف الطوبولوجيا ثمانية المسارات عن كونها إعدادًا بحثيًا.

إعادة الإنتاج المستقلة بالإعدادات الافتراضية ستخبرك بقيمة 31 على أرض الواقع. الصفوف الوكيلية هي التي تستحق المراقبة — SWE-bench Pro عند 86.3 وDeepSWE عند 72.1 ادعاءات قوية لنموذج يمتلك 17 مليار معامل نشط، وقد أُنتجت بأقصى جهد. أما تشغيلات الأطراف الثالثة بالجهد الافتراضي فتأتي أقل دائمًا. السؤال هو: بكم؟ ولم يُجب عليه أحد خارج Thinking Machines بعد.

حتى يتحقق واحد منها على الأقل، فإن الوصف الصحيح لـ Inkling 2 Small دقيق على نحو غير معتاد: نقطة تحقق Apache 2.0 يمكنك تنزيلها اليوم، لا يدعمها أي مكدس تقديم مُصدَر، وأقوى مزاعمها تأتي من المختبر الذي صنعها، وبوابتها الترخيصية انفتحت دون الأوراق التي كان يُفترض أن تسبقها. هذا إصدار حقيقي وفجوة حقيقية، والفجوة هي الجزء الجدير بالمراقبة.