ยืนยันแล้วความเชื่อมั่นของวันที่: ยืนยันแล้วระบุว่าแน่นอนแหล่งที่มาระบุวันที่ชัดเจนเพียงใด: ยืนยันแล้ว กำหนดการ ประมาณการ เลื่อน หรือยังไม่ยืนยันแสดงหมุดทั้งหมดที่เป็น ยืนยันแล้วความเชื่อมั่น 88%ความเชื่อมั่นโดยรวม: 88%แหล่งที่มาและแหล่งอ้างอิงของหมุดยืนยันวันที่ได้ดีเพียงใดค่าเฉลี่ยถ่วงน้ำหนักว่าแหล่งอ้างอิง 4 แหล่ง รวมแหล่งที่มา สนับสนุนเวลาเริ่มและสิ้นสุดของหมุดมากเพียงใด แหล่งอ้างอิงจะมีน้ำหนักลดลงครึ่งหนึ่งทุก ๆ 180 วันที่เก่ากว่าแหล่งล่าสุดแสดงหมุดทั้งหมดที่มีความเชื่อมั่น 75% ขึ้นไป
โพสต์ของ Thinking Machines[1][4] เรื่อง "Introducing Inkling-Small" ลงวันที่ 30 กรกฎาคม 2026 และเริ่มด้วย "Today, we are releasing Inkling-Small" หมายเหตุอัปเดตในโพสต์ Inkling ต้นฉบับระบุว่าเปิดตัว "two weeks after this post was published" และ OpenRouter[3] ระบุว่าเปิดตัวเมื่อวันที่ 30 กรกฎาคม 2026- เริ่ม
- 30 ก.ค. 2026ความเชื่อมั่น 90%จาก แหล่งที่มา
เปิดตัว Inkling-Small
แปลอัตโนมัติจากต้นฉบับ
ชื่อต้นฉบับ: Inkling-Small Released
Thinking Machines Lab เปิดตัว Inkling-Small โมเดลแบบเปิดน้ำหนักขนาด 276B พารามิเตอร์ (ทำงานจริง 12B) ที่เทียบเท่าหรือเหนือกว่า Inkling ขนาด 975B ในเบนช์มาร์กด้านการให้เหตุผลและการเขียนโค้ดเชิงเอเจนต์ รวมถึง 80.2% บน SWE-bench Verified
- Thinking Machines Lab เปิดตัว Inkling-Small เมื่อวันที่ 30 กรกฎาคม 2026 เป็นโมเดล Mixture-of-Experts แบบเปิดน้ำหนักที่มีพารามิเตอร์รวม 276B และทำงานจริง 12B ซึ่งห้องวิจัยระบุว่าให้ประสิทธิภาพ "comparable performance to Inkling at a quarter of its size"[1][2]
- เช่นเดียวกับ Inkling มันให้เหตุผลกับเสียงและรูปภาพได้ ปรับระดับความพยายามในการคิดได้ มีหน้าต่างบริบทสูงสุด 1M โทเค็น และฝึกบนระบบ NVIDIA GB300 NVL72[1]
- เริ่มฝึกหลังโมเดลพี่ใหญ่ ทำให้ห้องวิจัยปรับปรุงส่วนผสมข้อมูลและสูตรการพรีเทรนได้ เช็กพอยต์พรีวิวช่วงแรกถูกกลั่นจาก Inkling แล้วฝึกต่ออีกสองสัปดาห์ด้วยการเรียนรู้แบบเสริมกำลังด้านการเขียนโค้ดเชิงเอเจนต์[1][4]
- ตามการ์ดโมเดล ได้ 80.2% บน SWE-bench Verified, 64.7% บน Terminal Bench 2.1, 89.5% บน GPQA Diamond, 31.6% บน Humanity's Last Exam (เฉพาะข้อความ), 95.5% บน AIME 2026 และ 84.0% บน ARC-AGI-1 ซึ่งห้องวิจัยระบุว่าสูงกว่า 29.7% ของ Inkling บน HLE และ 77.6% บน SWE-bench Verified[1][2]
- Inkling ยังคงนำในด้านความรู้และความถูกต้องของข้อเท็จจริง: SimpleQA Verified อยู่ที่ 20.6% ในการ์ดฉบับสุดท้าย เทียบกับ 43.9% ของ Inkling ในตารางตอนเปิดตัว[2][4]
ฟีเจอร์เด่น
- น้ำหนักภายใต้ Apache 2.0 ในรูปแบบ BF16 และ NVFP4 รวมถึงการปรับแต่งบน Tinker และแชตข้อความ รูปภาพ และเสียงใน Tinker Playground ในราคาลดเป็นเวลาจำกัด[1][2]
- มุ่งเน้นประสิทธิภาพ: การเปรียบเทียบประสิทธิภาพต่อการประมวลผลและประสิทธิภาพต่อต้นทุนของห้องวิจัยวางให้แข่งขันได้กับโมเดลเปิดขนาดใกล้เคียง รวมถึง DeepSeek V4 Flash และ Nemotron 3 Super บน Terminal-Bench 2.1, HLE และ IFBench[1]
- ราคาเอาต์พุตอยู่ที่ $1.20 ต่อ 1 ล้านโทเค็น เทียบกับ $4.05 ของ Inkling และ OpenRouter ระบุ $0.45 ต่อโทเค็นอินพุต 1 ล้านโทเค็น พร้อมบริบท 524K[1][3]
- บน GDPval-AA v2 ได้ 1269 เทียบกับ 1238 ของ Inkling โดยใช้โทเค็นเอาต์พุตประมาณ 23k ต่องาน เทียบกับ 28.6k[1]
- สถาปัตยกรรมตระกูลเดียวกับ Inkling (ผู้เชี่ยวชาญแบบเลือกเส้นทาง 256 ตัวและแบบใช้ร่วม 2 ตัว เปิดใช้แบบเลือกเส้นทาง 6 ตัวต่อโทเค็น) มี 42 ชั้น[2]