
Inkling 2 Miniが20で出荷:ループで考える20GBモデル
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 183 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 568 tok/s
- AlibabaNEWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 100万トークンあたり · 385 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 107 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 214 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
チェックポイントは約20GBで、その数字こそが主張の根拠だ。Inkling 2 Miniは264億パラメータのMixture of Expertsで、トークンあたり34億パラメータが有効になる。Thinking Machines Labが2026年11月20日にApache 2.0で公開した単一のダウンロードで、32GBの統合メモリを搭載したMacまたは単一のNVIDIA DGX Spark上で動作する。同日、Artificial Analysisはその計時と採点を行った。Intelligence Index v5.0.1で20.1、入力トークン100万あたり0.15ドル、出力トークン100万あたり0.50ドル、インデックスタスク1件の完了に0.59ドル、毎秒280出力トークン。興味深いのはスコアではない。モデルがより多くのパラメータを保存するのではなく、同じ12層を3回実行することでそこに到達するという点だ。これにより、26Bのチェックポイントが、ノートPCが搭載する以上のメモリを必要とせずに、より大規模なモデルのように振る舞う。
2種類の数値をいい加減に混ぜると、リリースは文句なしの勝利のように読める。分けておけば、より具体的な何かとして読める——それが本稿の試みだ。指標、タスクあたりのコスト、速度、冗長性、ライセンスは、2026年11月21日に読み取ったArtificial Analysisの測定値とメタデータである。以下の各コーディング行と推論行はすべて、同社が訓練したチェックポイントに対するThinking Machines自身のハーネスによるもので、登場する箇所でその旨を明記している。ラボの外でこれらの行を再現した者はいない。
Thinking Machinesが公開したもの
今回のリリースは重み先行です。Hugging Face リポジトリは 11 月 17 日に作成され、20 日に最終更新されています。これは突然のサプライズ公開というより、段階的に置かれたチェックポイントの様相を呈しており、モデルカードにはリリース日として 2026 年 11 月 20 日が記載されています。注目すべきライセンスファイルの事情も実際にあります。カードはメタデータで Apache 2.0 を宣言し、リポジトリのタグも同じ表記なので、これは Inkling 2 Small が 11 月 5 日に掲げて出した「パーミッシブになるという約束」ではなく、実際にパーミッシブなリリースです。
• パラメータ — 合計26.4B、アクティブ3.4B、ループを考慮するとトークンあたり実効重みアクティベーション5.4B。Thinking Machinesによると、追加のループパスごとにアクティブパラメータがおよそ1.0B増える。
• フットプリント — 約20GBのチェックポイント1つで、20層がNVFP4、4層がMXFP8となり、後から量子化するのではなく学習時の精度のまま提供されます。
• モダリティ — テキストと画像はビジョントランスフォーマーを通じて入力され、共有の隠れ空間へと射影され、出力はテキストです。
• コンテキスト — モデルカードには最大1Mトークンと記載されており、Artificial Analysisは1Mと記録しています。
• サービング — Hugging Face、SGLang、vLLM、TokenSpeed、NVIDIA Dynamo、Unsloth および llama.cpp GGUFs、Llama App、さらに Apple silicon 上の Ollama と Exo Labs。Miles と SkyRL 向けのポストトレーニング用レシピがあります。
• ホスト版 — 推論とカスタマイズ用の Tinker。プレイグラウンド付き。これはベンダー自身のエンドポイントであり、唯一のものです。Inkling 2 Mini は OrcaRouter には存在せず、以下の内容もそのような示唆は一切していません。
コンパニオンモデルもそれと一緒に提供されます。TML-d24-varloop-research は同じアーキテクチャで、1回から5回のループパスを受け入れるようにトレーニングされており、研究者が、本番モデルでは3回に固定されている深さを変えられるようにするために存在します。これは Hugging Face にもあり、このリリースにおけるモニタビリティ作業の大部分が行われた対象でもあります。

ループこそが製品です
Inkling 2 Miniは、疎な混合エキスパート(MoE)フィードフォワード層を備えた24層のデコーダーのみのトランスフォーマーであり、6層ずつの4つのブロックに分かれている。最初のブロックは1回、最後のブロックも1回実行され、中間の2つのブロック——12層——は共有重みで3回実行される。したがって、トークンは24層分の保存された重みから引き出された48回の層適用を通過する。
繰り返しはコピーではない。中間ブロックを通過する各パスはプレリュードの出力を読み、2回目と3回目のパスはさらに、Thinking Machines がメッセージと呼ぶもの、すなわち前回のパスでの中間ブロック自身の出力を、学習されたゲートを通して統合して読む。このゲートは最初、メッセージを完全に遮断するため、訓練は通常の非ループ型モデルとして始まり、メッセージに対するゲインは時間とともに引き上げられる。これは訓練の安定性のための工夫であり、ループをゼロから訓練するのではなく実行途中で追加できる理由でもある。
どの層をループさせるかは恣意的ではなかった。同社は、中間の12層をループさせる場合と最後の12層をループさせる場合を28件の評価で比較し、中間がそのうち27件で勝ち、計算量等価の向上が1.51–1.91×だったのに対し、1.24–1.36×だったことを見出した。そこから得られる直感は、初期層と後期層はトークンと内部表現の間の変換に忙しく、中間層はより多くの直列ステップから恩恵を受ける抽象推論を担っているというものだ。
エキスパートは設計されたのではなく、枝刈りされた。学習はスパース度48で始まり、各トークンを384個のエキスパートのうち8個にルーティングした。中間学習のある時点で、同社はレイヤーごとによく使われる128個のエキスパートを残し、より大規模な社内Inklingモデルから蒸留した1Tトークンで損傷を修復し、その後、2,000ステップにわたり合計2.2TトークンのSFTとRLフェーズを実行した。これはInkling 2 Smallと同じポストトレーニングの混合であるため、両モデルの強みは同じところに現れる。
20、そしてその下にあるもの
主要スコアは実在し、独立に測定されたものですが、同時に、この指数が有用に識別できる下限にも近い値です。Artificial Analysisは、中央値が10であるオープンウェイトボード上で、このモデルの比較クラスにとって20を平均を大きく上回る値と位置づけています。しかし、20のすぐ周辺の帯には上下1ポイント以内のモデルがひしめいており、この指数はそこまで細かくモデルを順位付けしません。スコア20は、モデルが基準をクリアしていることを意味するのであって、1ポイント以内のすべてのモデルに勝っていることを意味するのではありません。
スコアが裏づけているのは、この規模のモデルにとって重要な位置づけだ。ローンチ時の報道におけるパレート的な主張、つまりアクティブパラメータあたりのフロンティア知能という主張は、Artificial Analysis 自身の要約が支持しているもので、同社はこれを同サイズクラスで知能面のトップクラスのモデルの一つとし、同程度の規模の他のオープンウェイトモデルと比べて妥当な価格だと評している。そこに到達できるのはループのおかげであり、ループはパラメータを増やさずに逐次計算を手に入れる。そして、モデルに何かを導き出させるのではなく何かを知っていることを求めた瞬間に、その主張は成り立たなくなる。
コストと速度の列は、このリリースが最も強く見えるところだ。入力$0.15、出力$0.50で、推論ティアの最下層に位置する価格であり、インデックスタスクあたり$0.59は、同じスコア帯にある27B denseモデルのコストの4分の1にすぎない。エージェントループで現れる2つの面でも速い。最初の回答トークンまで9.72秒、毎秒280出力トークンだ。その代償となる弱点は冗長性である。インデックス実行を完了するのに161M出力トークンを要し、同業中央値は85.7M、同クラスの典型モデルの約1.9倍の出力になる。トークン単位の請求なら問題ない。固定トークン予算では、処理できるタスク数が約半分になるということだ。

ベンダー報告によるコーディング行
Thinking Machines が公開した表は、その主張の中で最も強い部分であり、完全に自社独自のものである。これらはベンダーのハーネスから得られた再現されていない数値であり、そのいくつかは中立的なものではなく同社自身のエージェント scaffold で実行されている。したがって、これらはラボが訓練したチェックポイントに関する主張として読むべきだ。
• SWE-bench Verified — 79.2%、bash のみ。
• SWE-bench Pro v2、Hard — 77.9%。
• SWE-bench Multilingual — 73.7%。
• DeepSWE v1.1 — 48.2%(Qwen3.8-27Bで報告されている42.2%に対して)
• Terminal Bench v2.1 — 71.6%。Qwen3.8-27Bの73.0には及ばず、Terminal Bench v4.0では両方とも5.6%と出力します。
• FrontierCode v2.0 — 15.1%、Qwen3.8-27Bの14.9%に対して。
• エージェント型検索とツール — BrowseComp 79.0%、DeepSearchQA 85.3%、MCP Atlas 82.7%で、いずれも同じ表のQwen3.8-27Bの数値を上回っています。
• 視覚とドキュメント — MMMU Pro 74.9%、OmniDocBench v1.6 92.8%、ScreenSpot Pro はプレーンで76.5%、Pythonツール使用時で87.7%。
• 推論 — HLE-Diamond 15.2%、CritPt v2 31.4%、ARC-AGI は v1 で 84.5%、v2 で 49.3%、LongBench v2 66.9%。
その表の形はアーキテクチャと整合しており、今回のリリースで最も有用なものだ。モデルが強く見える行は、長いホライズンにわたる粘り強さとツール使用が報われる行だ:検索、リポジトリ規模のパッチ適用、文書解析。平凡に見える行は、単一の正確な想起や難しい科学的推論を必要とする行だ。ループは直列ステップを増やす。保存された事実を増やすわけではない。
ループは推論をもたらすが、事実はもたらさない
その区別こそがこのリリース自体の主張であり、同社はそれを断言するのではなく検証している。事実性ベンチマークであるAA-Omniscienceでは、ベンダーの表にInkling 2 Miniの−8.6が、63.4%の非ハルシネーション率とともに掲載されている。そこでの負のスコアは、モデルが回答を控えるよりも悪いことを意味する。自信満々の誤りを生み出すのだ。同社の説明では、知識のギャップは同じ総サイズの他のモデルと同程度であり、モデルは検索をうまく行うことでそれを補っているという。これはまさにBrowseCompとDeepSearchQAの行が示していることであり、このモデルの正直な要約が「見つけるのは得意で、覚えるのは苦手」であるまさに理由だ。
可変ループを備えたコンパニオンは、その点をより鮮明に示している。思考の連鎖を書き出さない場合のタイムホライズン、つまり推論を書き留めずに50%の信頼性で完了できるタスクの期間は、1パスでは16秒だが3パスでは37秒に伸び、その後は頭打ちになる。一方、Nホップ検索タスクでの逐次推論は10パスまで改善し続け、これは訓練時の深さの2倍に当たる。向上はマルチホップ検索、数学・科学の推論、長期的なエージェント作業に集中している。クローズドブック形式の事実質問応答はほとんど変わらない。
モニタリング可能性の結果は、研究者が最も気にする部分だ。なぜなら、それがループモデルに対する反論だからである。モデルが1トークン内でより多くの計算を行うと、可視的な思考の連鎖に現れる推論が減り、思考の連鎖モニターが見られるものも減る。Thinking Machines はこれを測定し、この規模ではその効果が懸念より小さいことを見い出した。可変ループモデルの推論は、5パス時では1パス時の半分未満の長さで(平均1,661トークン対3,703トークン)、文の長さと辞書語の割合は変わらなかった。これは、読み取りにくい推論ではなく、より直接的な推論と解釈できる。同社の LinuxArena ステルス評価では、Inkling 2 Mini は3.9%で、Qwen3.8-27B の20.5%を大きく下回る。いずれも保証ではない。これは、これまでダウンロード可能な重みが存在しなかった種類のアーキテクチャに対する最初の測定であり、同社は、他の人が検証できるようにするためもあってモデルを公開したと明言している。
運用にかかる費用
セルフホスティングは宣伝されているモードであり、計算は簡単だ。すでに所有しているマシン上の20GBチェックポイントには、限界トークンコストがまったくかからない。さらにベンダー自身の効率研究——スタンフォード大学のHazy ResearchとScaling Intelligenceの各ラボが早期アクセスで、MXFP8および低推論エフォートで実施したもの——によれば、DGX Spark上でワット当たり知能0.703となり、Qwen3.6-35B-A3Bの0.430、Gemma 4 26B-A4Bの0.159と対比される。これは単一デバイス上のベンダーに近い結果であり、フリート測定ではないが、方向性は微妙ではない。
自分で動かすことに対する率直な反対理由は、ループ型アーキテクチャにはサービングの成熟度がおよそ1日しかないということだ。SGLang、vLLMなどをはじめ各所はサポートを列挙しており、モデルカードも、ループ型モデルのランタイムサポートは新しく速度は変動すると自らの言葉で警告している。自分のマシンで測るスループットは、どのエンジンを選んだか、そのカーネルがどれだけ新しいかによって決まり、それはこのモデルに関する他の何よりも速く変わるだろう。
ここでルーターがその価値を発揮するのは、Mini を提供することではありません — 当社は Mini をホストしていません。価値があるのは、その周囲に何を配置するかという点です。未実証のアーキテクチャの評価が、ユーザーとエラーページの間にある唯一のものになってはなりません。それを実現する方法は、Mini を並行して動かしながら、本番経路には信頼できるモデルを呼び出すことです。Qwen3.8-Flashは OrcaRouter で、入力100万トークンあたり0.15ドル、出力100万トークンあたり0.47ドルで利用できます。これはプロバイダーの定価をマークアップなしでそのまま反映した価格です。また、ルーティング DSL と自動フェイルオーバーにより、Mini が当社から到達可能なエンドポイントに到達した日には、Mini をその背後に配置できます。1つのキーでその実験の両側をカバーできる — これが議論のすべてです。

注目すべき4つのポイント
最初のものは独立した再現です。Artificial Analysisには指標、コスト、速度、冗長性があり——測定済み——ですが、コーディングの表はラボのものです。Thinking Machinesの外の誰かが公開重み上でSWE-bench Pro v2やDeepSWEを実行するまで、77.9%と48.2%は主張にすぎません。
2つ目は、Tinker以外にホスト型エンドポイントが登場するかどうかだ。20GBのApache 2.0チェックポイントは、サードパーティのプロバイダーがすぐに取り上げる類の成果物まさにそのものであり、タスクあたり0.59ドルを持続可能に見せる価格競争は、2人目の販売者が現れて初めて始まる。
三つ目はループそのものです。パイロットが機能すれば、この手法は持ち運び可能です。中間層を3回通し、メッセージを統合するゲートを置き、追加パラメータは不要です。この分野のあらゆる小型モデルのレシピがその候補になり、興味深い問いは「このモデルが20点を取れるか」ではなく「同じメモリで次のモデルが24点を取れるか」になります。
第四は、このローンチでは決着しない部分だ。ループモデルは推論を可視の思考の連鎖からフォワードパスへと移す。Thinking Machinesは、5.4Bのアクティブパラメータで監視可能性に意味のある損失を認めなかった。50Bで同じ測定を公表した者はいない。それがこのリリースによって問えるようになる問いであり、スコアよりも20GBのダウンロードを気にかけるべき、より良い理由だ。
今週中に決断する人にとって、線引きは明確だ。手持ちのハードウェアでオフライン動作する有能なエージェント型コーダーを求め、それをサンドボックス化し、信頼する前に事実想起をテストすることをいとわないなら、Inkling 2 Mini は現在入手できる中で最も興味深い小型モデルであり、試すコストはダウンロードだけだ。背後に検索レイヤーを置かずに顧客の前に出せる回答が必要なら、これはそういうモデルではなく、インデックス上の20という数字がそれをそうさせることもない。
