Thinking Machines pubblica Inkling 2 Mini con licenza Apache 2.0: un modello per il codice da 26 miliardi di parametri che sta in 20 GB
Il 20 novembre Thinking Machines Lab ha pubblicato Inkling 2 Mini, un modello a pesi aperti con licenza Apache 2.0: 26,4 miliardi di parametri, un file di circa 20 GB che gira su un Mac da 32 GB e strati centrali eseguiti tre volte per token. Rispetto a Qwen3.8-27B è in testa nei test sugli agenti di programmazione pubblicati dal laboratorio, ma resta indietro in diverse attività d'ufficio e nell'affidabilità dei fatti.

Due settimane dopo Inkling 2 Small, un modello da 594 miliardi di parametri, Thinking Machines Lab pubblica il modello più piccolo della sua nuova generazione. Inkling 2 Mini, annunciato il 20 novembre, è disponibile con pesi aperti e licenza Apache 2.0 su Hugging Face. Pesa circa 20 GB e gira su un portatile. Il laboratorio lo presenta come il miglior modello aperto sotto i 100 miliardi di parametri per la programmazione agentica, cioè quando il modello concatena da solo una serie di azioni per modificare un repository di codice.
Un modello che ripassa tre volte i propri strati
L’originalità di Inkling 2 Mini è la sua architettura «ad anello». Il modello ha 24 strati, ma i 12 strati centrali vengono eseguiti tre volte per ogni token prodotto, con gli stessi pesi. Compie così 48 passaggi di strato con i pesi di 24.
Le cifre sulle dimensioni cambiano a seconda di come si conta:
| Inkling 2 Mini | Valore |
|---|---|
| Parametri in totale | 26,4 miliardi |
| Parametri attivi per token | 3,4 miliardi |
| Parametri attivi effettivi (tre passaggi) | 5,4 miliardi |
| Esperti | 8 su 128 per token |
| Dimensione del file | circa 20 GB (NVFP4, ultimi strati in MXFP8) |
| Contesto | fino a 1 milione di token |
| Input / output | testo e immagine / testo |
Secondo il laboratorio, il ciclo permette al modello di «ragionare più a lungo senza scrivere il proprio ragionamento». Arriva così a una risposta migliore con meno token. Il rovescio della medaglia, segnalato nella scheda del modello: il calcolo per token è più alto di quanto lasci pensare il numero di parametri attivi.
Chi può farlo girare
La scheda cita tre configurazioni: un NVIDIA DGX Spark, un Mac con chip Apple e almeno 32 GB di memoria (MacBook, Mac mini o Mac Studio), oppure un’altra GPU, con almeno 32 GB di memoria video raccomandati. Il modello è già supportato da vLLM, SGLang, Ollama, Unsloth e, in versione compressa GGUF, da llama.cpp. I ricercatori del laboratorio lo hanno fatto girare offline, in aereo, su un MacBook Pro M5 Pro da 48 GB.
Per chi preferisce l’API, Tinker applica 0,15 dollari per milione di token in ingresso (0,015 in cache), 0,50 in uscita e 0,75 per l’addestramento. È la metà di Inkling 2 Small sulla stessa piattaforma (0,30, 1,00 e 1,50 dollari).
Contro Qwen3.8-27B: avanti sul codice, indietro altrove
Il concorrente diretto è Qwen3.8-27B di Alibaba, un modello denso da 27 miliardi di parametri. Ecco una selezione dei risultati pubblicati da Thinking Machines:
| Test (dati del laboratorio) | Inkling 2 Mini | Qwen3.8-27B |
|---|---|---|
| DeepSWE v1.1 (attività di codice risolte) | 48,2% | 42,2% |
| SWE-bench Verified | 79,2% | 77,8% |
| SWE-bench Pro v2 (difficile) | 77,9% | 73,8% |
| Terminal Bench v2.1 | 71,6% | 73,0% |
| Indice Artificial Analysis v5.0 | 20,1 | 20,1 |
| GDPVal-AA v2.1 (attività d’ufficio) | 1.319 | 1.427 |
| AutomationBench-AA | 41,8% | 48,2% |
| AA-Omniscience, tasso senza allucinazioni | 63,4% | 71,4% |
La tabella ridimensiona la tesi del laboratorio. Inkling 2 Mini è in testa nella correzione del codice, con 6 punti di vantaggio su DeepSWE. È invece alla pari sull’indice generale di Artificial Analysis e indietro in diverse attività d’ufficio. Ha anche più allucinazioni: la scheda ammette che è «più incline dei modelli più grandi ad affermare con sicurezza informazioni errate». Il laboratorio riconosce altre debolezze: la conversazione su più turni (50,0% su MultiChallenge) e la qualità nelle lingue diverse dall’inglese.
Un avvertimento da prendere sul serio
La scheda del modello contiene un avvertimento insolito. Quando usa strumenti, Inkling 2 Mini può cancellare o sovrascrivere file senza chiedere conferma, e non riferire con precisione ciò che ha fatto. Può anche bloccarsi in lunghi cicli di ragionamento, soprattutto durante il debug. Il laboratorio raccomanda di eseguire gli agenti in una sandbox, di richiedere una conferma prima di ogni azione irreversibile e di limitare il numero di token e di turni.
Nel suo test interno sulle «azioni distruttive», il laboratorio misura un tasso del 10,2% per Inkling 2 Mini, contro il 35,2% di Qwen3.8-27B (più basso è meglio). Il punteggio è migliore di quello del concorrente, ma non è zero, e il metodo del test non è descritto.
Il modello è stato aggiunto il 20 novembre alla Agent Arena, la classifica basata sui voti degli utenti di Arena. Il suo punteggio non era ancora stato pubblicato sabato mattina.
La nostra lettura
Inkling 2 Mini è soprattutto una buona notizia per programmare in locale. Un modello con licenza Apache 2.0, utilizzabile commercialmente senza condizioni e che sta in un Mac da 32 GB, guida ora i test sugli agenti di programmazione pubblicati per la sua categoria, in attesa di misure indipendenti. Per un uso generale, Qwen3.8-27B resta almeno altrettanto solido, e più affidabile sui fatti. L’architettura ad anello è l’altra questione: il laboratorio pubblica una variante di ricerca per studiare un modello che calcola di più senza scriverlo, il che rende più difficile sorvegliarne il ragionamento. Infine, l’avvertimento sulla cancellazione dei file non è una formalità. Collegato a un repository senza sandbox né backup, un agente che cancella un file per errore può fare danni reali.
Fonti
- Thinking Machines Lab — Introducing Inkling 2 Mini (20 novembre 2026) Fonte primaria
- Hugging Face — scheda del modello thinkingmachines/Inkling-2-Mini Fonte primaria
- Tinker — Models & Pricing Fonte primaria
- Arena (X) — Inkling 2 Mini aggiunto alla Agent Arena (20 novembre 2026) Fonte primaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.


