
Inkling 2 Mini trafia do sprzedaży w cenie 20: model 20 GB, który myśli w pętlach
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 183 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 568 tok/s
- AlibabaNOWOŚĆQwen: Qwen4 Max2026-11-16$1.50 / $4.50 za 1 mln tokenów · 385 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 107 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 214 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Checkpoint ma około 20 GB i ta liczba jest argumentem. Inkling 2 Mini to mieszanka ekspertów o 26,4 mld parametrów, z 3,4 mld parametrów aktywnych na token, opublikowana przez Thinking Machines Lab 20 listopada 2026 r. na licencji Apache 2.0 jako pojedyncze pobranie, które działa na Macu z 32 GB zunifikowanej pamięci lub na jednym NVIDIA DGX Spark. Tego samego dnia Artificial Analysis zmierzyło jego wydajność i oceniło go: 20,1 w Intelligence Index v5.0.1, 0,15 USD za milion tokenów wejściowych i 0,50 USD za milion tokenów wyjściowych, 0,59 USD na ukończenie jednego zadania indeksu, 280 tokenów wyjściowych na sekundę. Najciekawszy nie jest wynik. Jest nim to, że model osiąga go, uruchamiając te same dwanaście warstw trzy razy, zamiast przechowywać więcej parametrów, dzięki czemu checkpoint 26B zachowuje się jak coś większego, nie potrzebując więcej pamięci niż ma laptop.
Jeśli bezrefleksyjnie zmiesza się te dwa rodzaje liczb, wydanie wygląda na czysty sukces; jeśli utrzyma się je osobno, wygląda na coś bardziej konkretnego — i to właśnie próbuje osiągnąć ten tekst. Indeks, koszt na zadanie, szybkość, gadatliwość i licencja to pomiary i metadane Artificial Analysis odczytane 21 listopada 2026 r. Każdy wiersz dotyczący kodowania i rozumowania poniżej pochodzi z własnego harnessu Thinking Machines na checkpoincie wytrenowanym przez firmę i jest tak oznaczony tam, gdzie się pojawia. Nikt spoza laboratorium nie odtworzył tych wierszy.
Co opublikowało Thinking Machines
To wydanie stawia na pierwszym miejscu wagi. Repozytorium Hugging Face utworzono 17 listopada, a ostatnio zmodyfikowano je 20 listopada, co bardziej przypomina stopniowo udostępniany checkpoint niż nagłe wydanie, a karta modelu podaje 20 listopada 2026 r. jako datę wydania. Warto odnotować rzeczywistą sytuację z plikiem licencji: karta deklaruje Apache 2.0 w metadanych, a tagi repozytorium wskazują to samo, więc jest to wydanie permisywne, a nie obietnica takiego wydania, z jaką 5 listopada ukazał się Inkling 2 Small.
• Parametry — łącznie 26,4 mld, 3,4 mld aktywnych oraz 5,4 mld efektywnych aktywacji wag na token po uwzględnieniu zapętlenia; Thinking Machines szacuje każdy dodatkowy przebieg pętli na około 1,0 mld więcej aktywnych parametrów.
• Zajętość — jeden checkpoint o rozmiarze około 20 GB, 20 warstw w NVFP4 i 4 w MXFP8, dostarczany w precyzji, w której został wytrenowany, a nie skwantyzowany później.
• Modalności — tekst i obrazy na wejściu przez transformer wizyjny rzutowane do wspólnej ukrytej przestrzeni, tekst na wyjściu.
• Kontekst — karta modelu podaje do 1M tokenów, a Artificial Analysis odnotowuje 1M.
• Serwowanie — Hugging Face, SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth oraz pliki GGUF llama.cpp, Llama App, a także Ollama i Exo Labs na Apple silicon. Dostępne są receptury dotyczące post-trainingu dla Miles i SkyRL.
• Hostowany — {{1}}Tinker{{/1}}, do wnioskowania i dostosowywania, z playgroundem. To własny punkt końcowy dostawcy i jedyny; {{2}}Inkling 2 Mini{{/2}} nie znajduje się w {{3}}OrcaRouter{{/3}}, a nic poniżej nie sugeruje inaczej.
Wraz z nim dostarczany jest model towarzyszący. TML-d24-varloop-research to ta sama architektura wytrenowana tak, aby przyjmować od jednego do pięciu przebiegów pętli, i istnieje po to, by badacze mogli zmieniać głębokość, którą model produkcyjny ustala na trzy. Jest również na Hugging Face i to na nim wykonano większość prac nad monitorowalnością w tym wydaniu.

Pętla to produkt
Inkling 2 Mini to 24-warstwowy transformer wyłącznie dekoderowy z rzadkimi warstwami feed-forward typu mieszanina ekspertów, podzielony na cztery bloki po sześć warstw. Pierwszy blok działa raz, ostatni blok działa raz, a dwa środkowe bloki — dwanaście warstw — działają trzy razy ze współdzielonymi wagami. Token przechodzi zatem przez 48 zastosowań warstw pochodzących z 24 przechowywanych warstw wag.
Powtórzenie nie jest kopią. Każdy przebieg przez środkowe bloki odczytuje wyjście preludium, a drugi i trzeci przebieg odczytują także to, co Thinking Machines nazywa komunikatem: własne wyjście środkowych bloków z poprzedniego przebiegu, scalane przez wyuczoną bramkę. Ta bramka początkowo całkowicie blokuje komunikat, więc trening zaczyna się jako zwykły model bez pętli, a wzmocnienie komunikatu jest zwiększane z czasem. To sztuczka stabilizująca trening i jednocześnie powód, dla którego pętlę można dodać w trakcie działania, zamiast trenować ją od zera.
To, które warstwy są zapętlane, nie było przypadkowe. Firma zmierzyła zapętlanie środkowych dwunastu warstw w porównaniu z zapętlaniem ostatnich dwunastu w 28 ewaluacjach i stwierdziła, że środkowe wygrały w 27 z nich, przy czym przy równoważnym nakładzie obliczeń zysk wyniósł 1,51–1,91× wobec 1,24–1,36×. Płynąca z tego intuicja jest taka, że wczesne i późne warstwy zajmują się tłumaczeniem między tokenami a reprezentacjami wewnętrznymi, natomiast środkowe odpowiadają za abstrakcyjne rozumowanie, które zyskuje na większej liczbie kolejnych kroków.
Ekspertów raczej przycinano, niż projektowano. Trening rozpoczął się przy rzadkości 48, kierując każdy token do 8 z 384 ekspertów; w pewnym momencie podczas treningu pośredniego firma zachowała 128 najczęściej używanych ekspertów w każdej warstwie i zaleczyła szkody na 1 bln tokenów destylowanych z większego wewnętrznego modelu Inkling, a następnie przeprowadziła SFT oraz fazę RL obejmującą łącznie 2,2 bln tokenów w 2000 krokach. To ta sama mieszanka po treningu co w Inkling 2 Small, dlatego mocne strony obu modeli wypadają w tych samych obszarach.
Dwadzieścia, a co jest pod tym
Wynik główny jest rzeczywisty i niezależnie zmierzony, a jednocześnie jest bliski dolnej granicy tego, co indeks rozstrzyga użytecznie. Artificial Analysis lokuje 20 jako znacznie powyżej średniej dla klasy porównawczej modelu na tablicy open-weights, gdzie mediana wynosi 10, ale przedział bezpośrednio wokół 20 jest zatłoczony modelami po jednym punkcie w obie strony, a indeks nie porządkuje modeli tak drobno. Wynik 20 oznacza, że model przekracza próg, a nie że bije wszystko w promieniu jednego punktu.
To, co ten wynik faktycznie potwierdza, to pozycjonowanie, które ma znaczenie dla modelu tej wielkości. Twierdzenie o Pareto z materiałów premierowych — inteligencja na poziomie frontier na aktywny parametr — jest tym, które popiera własne podsumowanie Artificial Analysis, nazywając go jednym z wiodących modeli pod względem inteligencji w swojej klasie wielkości i rozsądnie wycenionym na tle innych modeli open-weight o podobnej wielkości. Osiąga to dzięki pętli, która daje obliczenia szeregowe bez dokupywania parametrów, a twierdzenie przestaje się utrzymywać w momencie, gdy poprosisz model, by coś wiedział, a nie by coś wypracował.
Kolumny kosztu i szybkości to miejsca, w których wydanie wypada najlepiej. Przy 0,15 USD za wejście i 0,50 USD za wyjście jest wyceniane na dole poziomu rozumowania, a 0,59 USD za zadanie indeksowania to jedna czwarta kosztu gęstego modelu 27B w tym samym przedziale wyników. Jest szybki w dwojaki sposób widoczny w pętli agenta: 9,72 sekundy do pierwszego tokenu odpowiedzi i 280 tokenów wyjściowych na sekundę. Równoważącą słabością jest gadatliwość — 161 mln tokenów wyjściowych na ukończenie przebiegu indeksowania wobec mediany u modeli porównawczych wynoszącej 85,7 mln, czyli około 1,9 razy więcej na wyjściu niż typowy model w tej klasie. Przy rozliczeniu za token to nie problem. Przy stałym budżecie tokenów oznacza to około połowy liczby zadań.

Wiersze kodowania, zgłoszone przez dostawcę
Tabela opublikowana przez Thinking Machines to najmocniejsza część jej argumentacji i pochodzi wyłącznie od niej. To niezreplikowane liczby z firmowego harnessu dostawcy, a kilka z nich uruchomiono z własnym szkieletem agenta tej firmy, a nie z neutralnym, więc czytaj je jako twierdzenia o checkpoincie wytrenowanym przez laboratorium.
• SWE-bench Verified — 79,2%, wyłącznie bash.
• SWE-bench Pro v2, Trudny — 77,9%.
• SWE-bench Multilingual — 73,7%.
• DeepSWE v1.1 — 48,2%, w porównaniu z 42,2% zgłoszonymi dla Qwen3.8-27B.
• Terminal Bench v2.1 — 71,6%, poniżej Qwen3.8-27B (73,0); w Terminal Bench v4.0 oba wykazują 5,6%.
• FrontierCode v2.0 — 15,1%, wobec 14,9% dla Qwen3.8-27B.
• Wyszukiwanie agentowe i narzędzia — BrowseComp 79,0%, DeepSearchQA 85,3%, MCP Atlas 82,7% — każdy z tych wyników przewyższa wartość dla Qwen3.8-27B w tej samej tabeli.
• Wizja i dokumenty — MMMU Pro 74,9%, OmniDocBench v1.6 92,8%, ScreenSpot Pro 76,5% w wersji podstawowej i 87,7% z użyciem narzędzi Python.
• Rozumowanie — HLE-Diamond 15,2%, CritPt v2 31,4%, ARC-AGI 84,5% w wersji v1 i 49,3% w wersji v2, LongBench v2 66,9%.
Kształt tej tabeli jest spójny z architekturą i jest to najbardziej użyteczna rzecz w wydaniu. Wiersze, w których model wygląda mocno, to te, które nagradzają wytrwałość i korzystanie z narzędzi w długim horyzoncie: wyszukiwanie, patchowanie w skali repozytorium, parsowanie dokumentów. Wiersze, w których wygląda zwyczajnie, to te, które wymagają jednego poprawnego przywołania z pamięci lub trudnego wnioskowania naukowego. Zapętlanie dodaje kolejne kroki szeregowe. Nie dodaje przechowywanych faktów.
Zapętlanie daje rozumowanie, a nie fakty
To rozróżnienie jest tezą samego wydania, a firma je testuje, zamiast tylko je twierdzić. W AA-Omniscience, benchmarku faktograficzności, tabela dostawcy podaje −8,6 dla Inkling 2 Mini przy 63,4% wskaźniku braku halucynacji. Ujemny wynik oznacza tam, że model wypada gorzej niż odmawiając odpowiedzi: generuje pewne siebie błędy. Firma ujmuje to tak, że luka w wiedzy jest zgodna z innymi modelami o tej samej łącznej wielkości i że model nadrabia ją dobrym wyszukiwaniem — co dokładnie pokazują wiersze BrowseComp i DeepSearchQA i co dokładnie sprawia, że uczciwe podsumowanie tego modelu brzmi: „dobry w znajdowaniu, słaby w zapamiętywaniu”.
Towarzysz z pętlą zmiennej liczby przejść stawia sprawę ostrzej. Jego horyzont czasowy bez łańcucha myśli — jak długie zadanie potrafi ukończyć z niezawodnością 50% bez zapisywania rozumowania — rośnie z 16 sekund przy jednym przejściu do 37 sekund przy trzech, a potem się wypłaszcza, podczas gdy rozumowanie sekwencyjne w zadaniu wyszukiwania N-Hop wciąż się poprawia aż do dziesięciu przejść, czyli dwukrotnie większej głębokości, niż trenowano. Zyski koncentrują się w wieloetapowym wyszukiwaniu, rozumowaniu matematycznym i przyrodniczym oraz długohoryzontowej pracy agentowej. QA faktograficzne w trybie zamkniętej książki prawie się nie zmienia.
Wynik dotyczący monitorowalności to część, na której badaczom będzie zależało najbardziej, ponieważ stanowi zarzut wobec modeli zapętlanych. Jeśli model wykonuje więcej obliczeń wewnątrz tokenu, mniej rozumowania pojawia się w widocznym łańcuchu myśli, a monitor łańcucha myśli widzi mniej. Thinking Machines mierzy to i stwierdza, że efekt jest mniejszy, niż się obawiano, w tej skali: rozumowanie modelu ze zmienną pętlą przy pięciu przejściach było o ponad połowę krótsze niż przy jednym (średnio 1661 wobec 3703 tokenów), przy niezmienionej długości zdań i udziale słów słownikowych, co można odczytywać jako bardziej bezpośrednie rozumowanie, a nie mniej czytelne rozumowanie. W swojej ewaluacji skrytości LinuxArena Inkling 2 Mini z wynikiem 3,9% plasuje się znacznie poniżej 20,5% Qwen3.8-27B. Nic z tego nie jest gwarancją — to pierwszy pomiar dla klasy architektury, dla której nikt wcześniej nie miał dostępnych do pobrania wag, a firma mówi wprost, że udostępniła model częściowo po to, by inni mogli to sprawdzić.
Ile kosztuje prowadzenie
Samodzielny hosting to reklamowany tryb, a arytmetyka jest prosta. Checkpoint o rozmiarze 20 GB na maszynie, którą już posiadasz, nie generuje żadnego krańcowego kosztu tokenów, a własne badanie efektywności dostawcy — przeprowadzone przez laboratoria Hazy Research i Scaling Intelligence Uniwersytetu Stanforda w ramach wczesnego dostępu, przy MXFP8 i niskim wysiłku rozumowania — wskazuje 0,703 inteligencji na wat na DGX Spark wobec 0,430 dla Qwen3.6-35B-A3B i 0,159 dla Gemma 4 26B-A4B. To wynik z kręgu dostawcy na pojedynczym urządzeniu, a nie pomiar całej floty, ale kierunek nie jest subtelny.
Uczciwy argument przeciw samodzielnemu uruchamianiu go jest taki, że architektura z pętlą ma zaledwie około jednego dnia dojrzałości w zakresie serwowania. SGLang, vLLM i reszta deklarują wsparcie, a karta modelu ostrzega własnymi słowami, że obsługa środowiska uruchomieniowego modeli z pętlą jest nowa, a prędkość bywa różna. Przepustowość, którą zmierzysz na własnej maszynie, zależy od tego, który silnik wybrałeś i jak świeże są jego kernele, a to będzie się zmieniać szybciej niż cokolwiek innego w tym modelu.
Router zyskuje tu na znaczeniu nie dzięki obsłudze Mini — nie hostujemy jej — lecz dzięki temu, co umieszczasz wokół niej. Ocena niesprawdzonej architektury nigdy nie powinna być jedyną rzeczą między Twoimi użytkownikami a stroną błędu, a sposobem na to jest wywoływanie zaufanego modelu na ścieżce produkcyjnej, podczas gdy Mini działa obok niego. Qwen3.8-Flash jest dostępny w OrcaRouter za 0,15 USD za milion tokenów wejściowych i 0,47 USD za milion tokenów wyjściowych — cena katalogowa dostawcy przekazywana bez marży — a DSL routingu i automatyczne przełączanie awaryjne pozwalają umieścić Mini za nim w dniu, w którym Mini osiągnie endpoint, do którego my możemy dotrzeć. Jeden klucz obejmuje obie strony tego eksperymentu i to jest cały argument.

Cztery rzeczy, na które warto zwrócić uwagę
Pierwsze to niezależne odtworzenie. Artificial Analysis ma indeks, koszt, szybkość i gadatliwość — zmierzone — ale tabela kodowania należy do laboratorium. Dopóki ktoś spoza Thinking Machines nie uruchomi SWE-bench Pro v2 lub DeepSWE na publicznych wagach, 77,9% i 48,2% to twierdzenia.
Druga kwestia dotyczy tego, czy poza Tinkerem pojawi się hostowany endpoint. Checkpoint Apache 2.0 o rozmiarze 20 GB to dokładnie ten rodzaj artefaktu, który zewnętrzni dostawcy szybko podchwytują, a konkurencja cenowa, która sprawiłaby, że $0.59 za zadanie wyglądałoby na trwałą, zaczyna się dopiero wtedy, gdy pojawi się drugi sprzedawca.
Trzecia to sama pętla. Jeśli pilotaż działa, technika jest przenośna: trzy przejścia na środkowych warstwach, bramka do scalenia komunikatu, bez dodatkowych parametrów. Każdy przepis na mały model w tej dziedzinie staje się dla niej kandydatem, a interesujące pytanie przestaje brzmieć, czy ten model osiąga 20, a zaczyna brzmieć, czy następny osiąga 24 przy tej samej pamięci.
Czwarty element to ten, którego premiera nie rozstrzyga. Modele zapętlone przenoszą rozumowanie z widocznego łańcucha myśli do przejścia w przód. Thinking Machines nie stwierdziło istotnej utraty monitorowalności przy 5.4B aktywnych parametrów. Nikt nie opublikował tego samego pomiaru przy 50B. To pytanie, które ta premiera pozwala zadać, i lepszy powód, by przejmować się pobraniem 20GB niż wynik.
Dla każdego, kto podejmuje decyzję w tym tygodniu, podział jest wyraźny. Jeśli chcesz kompetentnego kodera agentowego, który działa offline na sprzęcie, który już posiadasz, i jesteś gotów zamknąć go w piaskownicy oraz przetestować odtwarzanie faktów, zanim mu zaufasz, Inkling 2 Mini jest najbardziej interesującym małym modelem dostępnym obecnie, a kosztem wypróbowania go jest jedno pobranie. Jeśli potrzebujesz odpowiedzi, którą możesz pokazać klientowi bez warstwy wyszukiwania za nią, to nie jest ten model, a 20 w indeksie tego nie zmieni.
