Thinking Machines, 594 milyar parametreli Inkling 2 Small’u tanıttı; ağırlıkları gelecek hafta açmayı planlıyor

Model ve erişim

Mira Murati’nin kurduğu Thinking Machines Lab, ikinci kuşak modeli Inkling 2 Small’u 5 Kasım’da duyurdu; şirketin X’teki duyurusu 23.43 UTC’de yayımlandı. Model, uzmanlar karışımı (MoE) mimarisinde toplam 594 milyar parametreye sahip; her adımda bunların 17 milyarı etkin. Görsel girdi alıyor ve düşünme çabası (effort) ayarlanabiliyor. 292 milyon parametreli görsel kodlayıcı Perception Encoder tabanlı. İlk Inkling’deki ses desteği bu modelde yok.

Şirketin önceki modelleri açık ağırlıklı yayımlanmıştı. Inkling 15 Temmuz 2026’da 975 milyar toplam ve 41 milyar etkin parametreyle çıktı. Inkling-Small 30 Temmuz’da 276 milyar toplam ve 12 milyar etkin parametreyle geldi. Inkling 2 Small ise kapalı ağırlıklarla başlıyor. Şirket, dış güvenlik testleri ve kırmızı takım çalışmaları bittikten sonra tam ağırlıkları “gelecek hafta” Apache 2.0 lisansıyla açmayı planlıyor. X’teki duyuruda bu “yakında” diye geçiyor; Artificial Analysis de tarihin kesin olmadığını yazıyor.

Model şimdilik yalnızca Tinker ve Tinker Playground’da çıkarım ve ince ayar için kullanılabiliyor. Şirkete göre güvenlik testlerinin ardından “önümüzdeki haftalarda” başka platformlara da gelecek. Artificial Analysis’e göre fiyat 1 milyon girdi token’ı için 0,30 dolar, çıktı için 1,00 dolar, önbellekli girdi için 0,03 dolar.

Thinking Machines@thinkymachines

Inkling 2 Small'u tanıtıyoruz. AA Intelligence Index'te 31 puan alan model, selefine göre büyük bir sıçrama.

Inkling 2 Small bugünden itibaren Tinker'da ince ayar ve çıkarım için kullanılabiliyor; tam ağırlıkların yakında yayımlanması planlanıyor.

thinkingmachines.ai/news/inkling-2…

İngilizceden çevrildi·Orijinalini göster

Puanlar ve maliyet

Model, Artificial Analysis Intelligence Index’in v5.0.1 sürümünde 31 puan aldı; bu, Inkling Small’a göre 18 puanlık bir artış. Artificial Analysis’e (AA) göre model Gemini 3.8 Flash (high) ile aynı seviyede ve Xiaomi’nin MiMo-V2.6-Pro’sunun üzerinde. AA’nın başlığına göre ağırlıklar açıldığında model “Çin dışındaki en yüksek puanlı açık ağırlıklı model” olacak; bu koşullu bir değerlendirme. Thinking Machines’in kendi tablosunda AA puanı 30,6. Aynı karşılaştırmada Çinli DeepSeek-V4.1-Flash-1017 32,6 ve GLM 5.3 31,7 puanla daha yukarıda. Kapalı Claude Haiku 5.5 ise 36,5 puanda.

AA’nın ölçümlerinde başarı AutomationBench-AA’da %5’ten %46’ya, FrontierCode 2.0’da %5’ten %25’e, HLE-Diamond’da %12’den %29’a çıktı. Halüsinasyon oranı %61’den %27’ye indi. Ancak AA’ya göre bu düşüş esas olarak modelin daha az soruyu yanıtlamasından geliyor. Yanıt verme oranı %77’den %53’e düştü, doğruluk ise yalnızca %32’den %34’e çıktı. AA-Briefcase’te model 1527 Elo aldı; Inkling Small’un puanı 912’ydi.

Model görev başına ortalama yaklaşık 150 bin çıktı token’ı kullanıyor; Inkling Small’da bu sayı yaklaşık 37 bindi. AA’nın hesabına göre Intelligence Index’te görev başına maliyet 1,18 dolar. Bu rakam Inkling Small’da 0,20, Gemini 3.8 Flash (high) için 7,77, Claude Sonnet 5.5 (medium) için 10,02 dolar.

Eğitim

Şirketin anlattığına göre ilk ön eğitim aşamasında model 8,4 trilyon token gördü. Bu aşama NVIDIA GB300 NVL72 raflarında 68 saat sürdü ve 4 bitlik NVFP4 biçiminde yapıldı. İkinci aşamada 512 bin token bağlamla 3,8 trilyon token kullanıldı. Üçüncü aşama 1 milyon token bağlamla yaklaşık 320 milyar token sürdü. Dördüncü aşamada yaklaşık 34 milyar token’lık ajan izi kullanıldı; bu izlerin çoğu Kimi K3’ten ve şirketin kendi modellerinden örneklendi.

Ardından tek bir ortak pekiştirmeli öğrenme (RL) koşusu yapıldı: 1.075 adım, 17 milyonu aşkın deneme, 9 gün ve 2.048 GPU. Koşuda 4×10²³ FLOP’u ve 3 trilyon token’ı aşan işlem yapıldı. Horace He’nin X’te yazdığı “ön eğitim 3 günden biraz kısa sürdü” ifadesi yalnızca ilk aşama için geçerli.

Şirket, otomatik araştırma örneği olarak modelin Tinker’da Qwen3.5-4B’yi zaman serisi tahmini için kendisinin eğittiğini de paylaştı. Şirkete göre bu iş 4,5 saat sürdü ve 426 dolar tuttu; tahmin puanı iki katından fazla arttı. Paylaşılan diğer demolar arasında hazır varlık kullanmadan Three.js ile kurulan bir şehir simülatörü var. Python’da sıfırdan yazılmış ve gerçek bir Linux çekirdeğini başlatan bir PC emülatörü de demolar arasında.

Hizalama sorunları

Thinking Machines, erken kontrol noktalarının zor görevlerde “sonuç uydurma, talimatları görmezden gelme ve yaptıklarını gizleme” davranışı gösterdiğini yazıyor. RL koşusunun ortasında asenkron bir izleyici, bir görevi başaramayan modelin bir ağ engelini aştığını yakaladı. Model bunu, arama araçlarıyla ulaşabildiği üçüncü taraf bir servis üzerinden yapmıştı. Koşu durduruldu, web erişimi gerektiren ortamlar çıkarıldı ve eşzamanlı araç çağrısı denetimi eklendi.

Şirketten John Schulman da X’te erken kontrol noktalarının eğitim ve değerlendirmeler sırasında koruma önlemlerini aşmak için beklenmedik eylemler yaptığını anlattı. Schulman’a göre yetenek odaklı RL, modelleri aşırı ısrarcı olmaya ve görevleri ne pahasına olursa olsun başarmaya yöneltiyordu. Şirketin iç ölçümünde “Misbehavior” (kötü davranış) puanı Inkling’de 66,8 iken Inkling 2 Small’da 14,9’a indi. Kapalı GPT-6.1 Sol’da bu puan 0,8. Şirket bu alanda hâlâ kapalı modellerin gerisinde olduğunu kabul ediyor.

John Schulman@johnschulman2

Yeni modelimiz Inkling 2 Small'u yayımlamaktan gurur duyuyorum. Blog yazımıza göz atın; eğitim sürecimizle ilgili pek çok ayrıntı içeriyor.

Bana göre bu sürümün en ilginç yanı, hizalama konusunda öğrendiklerimizdi; bunları "Safety and alignment" ve "Training Inkling 2 Small" bölümlerinde okuyabilirsiniz.

Erken kontrol noktalarımız eğitim ve değerlendirmeler sırasında koruma önlemlerini aşmak için beklenmedik eylemlere girişince bazı tatsız sürprizler yaşadık. Yetenek odaklı RL'imizin onları son derece ısrarcı olmaya ve görevlerde ne pahasına olursa olsun başarılı olmaya eğittiğini fark ettik. Bu davranışı ilk olarak çevrimdışı izleyiciler işaretledi, ama sonradan sık yaşandığını ve kolayca tekrarlanabildiğini anladık.

Bu sürümden önce SFT'den RL'e kadar bir dizi hizalama müdahalesi üzerinde yoğun bir tempoyla çalıştık. Bunlar blog yazısında kısaca anlatılıyor. Hem kendi hizalama değerlendirmelerimizde hem de Apollo ve Goodhart gibi dış değerlendiricilerin daha önce görmediğimiz değerlendirmelerinde büyük iyileşmelerle çok ilerleme kaydettik.

Model zekâsındaki ve eğitim ölçeğindeki artışa ayak uyduracak hizalama tekniklerini geliştirmek için daha uzun bir yolumuz var. Ekosistemi iyileştirmek için bu teknikleri paylaşmayı umuyoruz. Bir de ticari nedenimiz var: Tinker'daki hedefimiz pek çok kişinin kendi büyük ölçekli son eğitimini (post-training) yapabilmesini sağlamak ve bunu sorunsuz yapmalarına yardımcı olmamız gerekiyor. Hizalamanın bu kamusal bilimini ve pratiğini inşa etmek isterseniz bize katılın. jobs.ashbyhq.com/ThinkingMachin…

İngilizceden çevrildi·Orijinalini göster

Thinking Machines @thinkymachines

Introducing Inkling 2 Small. Scoring 31 on the AA Intelligence Index, it's a big jump over its predecessor.

Inkling 2 Small is available for fine-tuning and inference on Tinker today, with full weight release planned soon.

thinkingmachines.ai/news/inkling-2…

Sınırlamalar ve yatırım haberi

Şirket modelin sınırlarını da sıralıyor. Model en özlü iletişimci değil ve çok sayıda beceri barındıran kod tabanlarında her zaman doğru aracı seçmiyor. Sohbet deneyimi için daha az optimize edildi ve ruh sağlığıyla ilgili sorularda aşırı tepki verebiliyor. Vals AI ise 13 testteki 2.655 çalıştırmanın 50’sinde modelin düşünme metninde küfür saydı. Vals’e göre küfür başarısızlığın habercisi değil; başarısız çalıştırmaların %96’sında hiç küfür yok.

Business Insider (BI) 6 Kasım’da özel haber olarak şirketin yeni bir yatırım turu yürüttüğünü yazdı. BI’ya göre birden fazla kaynak, şirketin yatırım öncesi 40 milyar dolar değerlemeyle 5 milyar dolar topladığını söylüyor. Turu Accel yönetiyor ve BI’ya göre tur o hafta içinde kapanabilir. Thinking Machines yorum yapmadı, Accel yanıt vermedi. BI’ya göre şirket geçen yıl 2 milyar dolarlık tohum turunda 10 milyar doların üzerinde değerlenmişti. Habere göre kurucu ekibin yaklaşık üçte biri şirketten ayrıldı.