DISAHKANKeyakinan tarikh: DISAHKANDinyatakan sebagai tetapSejauh mana sumber menyatakan tarikh itu: disahkan, dijadualkan, dianggarkan, ditangguhkan atau belum disahkan.Tunjuk semua pin DISAHKAN88% KEYAKINANKeyakinan keseluruhan: 88%Sejauh mana sumber dan rujukan pin menyokong tarikhnya.Purata berpemberat bagi sejauh mana 4 rujukan, termasuk sumber, menyokong masa mula dan tamat pin; sesebuah rujukan diambil kira separuh kurang bagi setiap 180 hari lebih lama daripada yang terbaharuTunjuk semua pin pada keyakinan 75% atau lebih baik
Catatan Thinking Machines[1][4] "Introducing Inkling-Small" bertarikh 30 Julai 2026 dan dibuka dengan "Today, we are releasing Inkling-Small"; nota kemas kini pada catatan Inkling asal menyatakan ia dilancarkan "two weeks after this post was published" dan OpenRouter[3] menyenaraikannya sebagai dikeluarkan pada 30 Julai 2026.- Mula
- 30 Jul 202690% KEYAKINANdaripada sumber
Inkling-Small dikeluarkan
Diterjemah secara automatik daripada asal
Tajuk asal: Inkling-Small Released
Thinking Machines Lab mengeluarkan Inkling-Small, model berat terbuka dengan 276B parameter dan 12B aktif yang menyamai atau mengatasi Inkling 975B pada penanda aras penaakulan dan pengekodan agentik, termasuk 80.2% pada SWE-bench Verified.
- Thinking Machines Lab mengeluarkan Inkling-Small pada 30 Julai 2026, model campuran pakar berat terbuka dengan 276B parameter keseluruhan dan 12B aktif, yang menurut makmal mencapai "comparable performance to Inkling at a quarter of its size"[1][2]
- Seperti Inkling, ia menaakul merentas audio dan imej, mempunyai usaha pemikiran boleh ubah serta tetingkap konteks sehingga 1M token, dan dilatih pada sistem NVIDIA GB300 NVL72[1]
- Latihannya bermula selepas model abangnya yang lebih besar, membolehkan makmal memperbaik campuran data dan resipi pralatihan; satu pusat semakan pratonton awal disuling daripada Inkling, kemudian dilatih dua minggu lagi dengan pembelajaran pengukuhan pengekodan agentik[1][4]
- Pada kad modelnya ia mencatat 80.2% pada SWE-bench Verified, 64.7% pada Terminal Bench 2.1, 89.5% pada GPQA Diamond, 31.6% pada Humanity's Last Exam (teks sahaja), 95.5% pada AIME 2026 dan 84.0% pada ARC-AGI-1, yang menurut makmal mengatasi 29.7% Inkling pada HLE dan 77.6% pada SWE-bench Verified[1][2]
- Inkling mengekalkan kelebihan dalam pengetahuan dan kefaktaan: SimpleQA Verified ialah 20.6% pada kad akhir berbanding 43.9% bagi Inkling dalam jadual pelancaran[2][4]
Ciri-ciri utama
- Berat Apache 2.0 dalam BF16 dan NVFP4, serta penalaan halus di Tinker dan sembang teks, imej dan audio dalam Tinker Playground, pada diskaun masa terhad[1][2]
- Disasarkan untuk kecekapan: sapuan prestasi-pengiraan dan prestasi-kos makmal meletakkannya sebagai berdaya saing dengan model terbuka bersaiz serupa, termasuk DeepSeek V4 Flash dan Nemotron 3 Super, pada Terminal-Bench 2.1, HLE dan IFBench[1]
- Harga output ialah $1.20 setiap 1 juta token berbanding $4.05 bagi Inkling, dan OpenRouter menyenaraikan $0.45 setiap 1 juta token input dengan konteks 524K[1][3]
- Pada GDPval-AA v2 ia mencapai 1269 berbanding 1238 bagi Inkling, menggunakan kira-kira 23k token output bagi setiap tugas berbanding 28.6k[1]
- Keluarga seni bina yang sama seperti Inkling (256 pakar yang dilaluan dan 2 dikongsi, 6 yang dilaluan aktif bagi setiap token), dengan 42 lapisan[2]