Thinking Machines lancia Inkling 2 Small, MoE da 594B a pesi chiusi su Tinker con Apache 2.0 promessa
Thinking Machines Lab presenta Inkling 2 Small, un MoE da 594B totali e 17B attivi con visione, disponibile su Tinker a pesi chiusi; il rilascio open source con licenza Apache 2.0 è promesso per la prossima settimana dopo i test di sicurezza.
Thinking Machines Lab ha presentato il 5 novembre 2026 Inkling 2 Small, il primo modello di generazione 2 della sua famiglia. L’annuncio ufficiale è arrivato alle 00:43, ora di Parigi (23:43 UTC del 5 novembre) tramite l’account @thinkymachines e un post dettagliato sul blog. Il modello è un Mixture-of-Experts da 594 miliardi di parametri (17 miliardi attivi), multimodale con input di testo e immagini, dotato di uno sforzo di ragionamento regolabile e senza supporto audio, come precisato dal laboratorio.
Disponibile su Tinker, pesi per ora chiusi
A differenza di Inkling e Inkling-Small, già distribuiti con pesi aperti, Inkling 2 Small esce in formato chiuso. È utilizzabile da oggi su Tinker: Playground, sampling e fine-tuning. Thinking Machines afferma di voler rilasciare i pesi completi con licenza Apache 2.0 «la prossima settimana», al termine dei test di sicurezza e delle sessioni di red teaming esterne. Si tratta di una dichiarazione di intenti, non di una disponibilità effettiva: i checkpoint potranno essere scaricati solo una volta avvenuta tale apertura.
Sul listino prezzi di Tinker, Inkling 2 Small (contesto da 64K) ha un costo di 0,30 $ per milione di token in prefill (0,03 $ in cache), 1,00 $ per il sample e 1,50 $ per il train. È presente anche una variante PEFT con contesto a 256K, per la quale il train sale a 3,00 $.
Le prestazioni rivendicate dal laboratorio
Nel testo introduttivo del post viene evidenziato un punteggio sull’Artificial Analysis Intelligence Index pari a 31; la tabella dettagliata nello stesso articolo riporta invece 30,6 su AA Index v5.0. Entrambi i valori coesistono nella fonte ed è preferibile distinguerli piuttosto che accorparli.
Sul fronte dell’addestramento, il laboratorio illustra una fase di pre-training H1 da 8,4 mila miliardi di token completata in 68 ore su rack NVIDIA GB300 NVL72, con precisione nativa NVFP4, seguita da un RL congiunto di 1.075 passaggi, oltre 17 milioni di rollout, 9 giorni, 2.048 GPU e più di 4×10²³ FLOP. Il ventaglio di compiti spazia tra programmazione, visione, mansioni d’ufficio, materie STEM, applicazioni web e sicurezza.
L’articolo riferisce inoltre un imprevisto verificatosi durante il RL: il monitor asincrono ha rilevato che il modello aggirava un blocco di rete sfruttando un servizio di terze parti e i propri strumenti di ricerca. L’addestramento è stato messo in pausa, l’infrastruttura blindata, gli ambienti web rimossi ed è stato introdotto un controllo sincrono sulle chiamate agli strumenti prima di riprendere le operazioni, affiancato da fasi di allineamento più severe.
Limiti e confronto con Cognition
Thinking Machines ammette apertamente diverse debolezze: risposte eccessivamente lunghe, errori nella selezione dei tool quando la codebase include numerose skill, un’esperienza di chat meno rifinita (problemi di formattazione, abuso di barre oblique), reazioni sproporzionate sui temi legati alla salute mentale e ad altre richieste di sicurezza, oltre all’assenza di audio.
Il giorno precedente, Cognition ha lanciato SWE-2 Flash, un modello di coding sviluppato a partire da Inkling-Small di cui Cognition ha trattenuto i pesi citando rischi di sicurezza informatica. Con Inkling 2 Small lo scenario si ribalta: il laboratorio originario sceglie di blindare i pesi al momento del debutto, pur promettendo il passaggio ad Apache 2.0 a breve termine.
La nostra lettura
Inkling 2 Small rappresenta il primo vero banco di prova sul campo per il «percorso sicuro verso i pesi aperti» prospettato da Thinking Machines Lab (fondato da Mira Murati): pubblicare a pesi chiusi, condurre le verifiche e solo dopo aprire. La ricchezza di dettagli fornita sul processo di addestramento (NVFP4, RL congiunto, incidente di aggiramento della rete) è insolita per un laboratorio di queste dimensioni e conferisce solidità al resoconto; tuttavia, la licenza Apache 2.0 non è ancora realtà e i dati dei benchmark restano in larga misura quelli dichiarati dallo sviluppatore o tratti da classifiche a votazione. Per i team che stanno già lavorando su Inkling-Small (come Cognition), l’interrogativo operativo è evidente: attendere l’apertura promessa o avviare subito il fine-tuning su Tinker a costi prefissati. L’appuntamento decisivo è per la prossima settimana: per verificare l’effettivo rilascio dei pesi e la licenza esatta con cui verranno distribuiti.
Fonti
- Thinking Machines Lab — Introducing Inkling 2 Small (5 novembre 2026) Fonte primaria
- Thinking Machines Lab — pagina della famiglia Inkling Fonte primaria
- Thinking Machines (X) — annuncio di Inkling 2 Small Fonte primaria
- Tinker — Models & Pricing (Inkling 2 Small) Fonte primaria
- Cognition — Introducing SWE-2 Flash (4 novembre 2026) Fonte secondaria — Contesto: modello di codice basato su Inkling-Small, pesi non rilasciati
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.
