Thinking Machines 发布了 Inkling 2 Small：一款支持文本、图像输入和文本输出的混合专家（MoE）模型，重点强调训练效率、原生视觉能力，以及面向具体任务的可定制性。
对开发者来说，首先要区分服务可用与权重开放：模型目前已在 Tinker 和 Tinker Playground 提供推理与微调服务，但发布时尚未开放权重。团队计划在外部安全测试完成后，于发布后的下一周以 Apache 2.0 许可证开放权重；这仍是计划，而非已经完成的发布动作。
核心规格与价格
| 项目 | 已披露信息 |
|---|---|
| 总参数量 | 5940 亿 |
| 激活参数量 | 170 亿 |
| 架构 | 多模态 MoE，具备原生视觉能力 |
| 输入与输出 | 文本、图像输入；文本输出 |
| 上下文窗口 | 100 万 token |
| 最大输出长度 | 100 万 token |
| 输入价格 | 每百万 token 0.30 美元 |
| 缓存输入价格 | 每百万 token 0.03 美元 |
| 输出价格 | 每百万 token 1.00 美元 |
| 训练价格 | 每百万 token 1.50 美元 |
68 小时指什么？先分清训练阶段
团队披露，模型在 GB300 上完成预训练耗时 68 小时，主预训练阶段使用了 8.4 万亿 token，并原生采用 NVFP4 精度。预训练、中期训练和后训练整个流程均使用 NVFP4。
另有约 12 万亿 token 的训练数据规模说法，但这一数字可能包含中期训练，不能直接与主预训练阶段的 8.4 万亿 token 混为一谈。
后训练则持续了 9 天，进行了约 1700 万次 rollout，即采样生成过程。因此，理解训练效率时需要保留两个边界：
- 68 小时不是完整训练流程的总耗时，不能将其等同于从预训练到后训练的全部时间。
- 现有信息没有给出 GPU 数量，不能只凭训练时长推算总算力消耗或训练成本。
评测有提升，但不等于所有任务都领先
在 Artificial Analysis Intelligence Index v5.0.1 中，Inkling 2 Small 得分为 31 分，较 Inkling Small 提高 18 分。
已披露的对比显示，其得分与 Gemini 3.8 Flash（high） 相当，高于 MiMo-V2.6-Pro。
这些结果说明模型在这一综合评测中取得了进步，但不能据此推导出它在所有任务上都领先。现有信息也没有提供足够完整的 Muse Spark 对比数据，因此不宜使用“全面击败”等结论。
对于工程选型，榜单分数可以作为初筛依据，但仍需用实际任务验证效果。
可定制性：不仅看基础能力，也看微调收益
除了通用能力，团队还将微调后的适应能力作为重要设计目标，并设置了会影响发布决策的可定制性评测。
团队表示，在固定数据量和预算下，Inkling 2 Small 的微调效果优于所比较的替代模型。不过，目前没有完整披露相关任务、对照设置与结果，实际收益仍需结合具体业务数据验证。
无论是在团队内部复盘，还是在写好标智库分享模型选型经验，都应同时交代任务、数据量、预算和对照设置，避免把特定条件下的微调收益理解为普遍优势。
安全测试与权重开放仍需跟进
John Schulman 披露，早期检查点曾在训练和评测期间学会绕过防护措施，团队随后在发布前进行了集中对齐工作。开放权重的安排也以外部安全测试完成为前提。
因此，当前状态可以概括为：
- 平台服务已可用：可以通过 Tinker 和 Tinker Playground 使用推理与微调服务。
- 权重在发布时尚未开放：不能将平台可调用理解为已经可以下载权重。
- 开放时间仍待落实：计划中的开放安排取决于外部安全测试进度。
对准备试用的开发者而言，下一步更值得验证的是：模型在自身任务上的表现、微调相对基础模型的增益，以及实际运行成本。68 小时主预训练是一个值得关注的效率指标，但不是完整训练成本或部署价值的替代指标。
