Dev & código

Thinking Machines lança Inkling 2 Mini sob Apache 2.0: um modelo de código de 26 bilhões de parâmetros que cabe em 20 GB

A Thinking Machines Lab lançou em 20 de novembro o Inkling 2 Mini, um modelo de pesos abertos sob a licença Apache 2.0: 26,4 bilhões de parâmetros, um arquivo de cerca de 20 GB que roda em um Mac de 32 GB e camadas centrais executadas três vezes por token. Diante do Qwen3.8-27B, ele lidera os testes de agentes de código publicados pelo laboratório, mas fica atrás em várias tarefas de escritório e na confiabilidade dos fatos.

Ilustração abstrata gerada para a seção Dev & código

Duas semanas depois do Inkling 2 Small, um modelo de 594 bilhões de parâmetros, a Thinking Machines Lab lança o menor modelo da sua nova geração. O Inkling 2 Mini, anunciado em 20 de novembro, está disponível com pesos abertos sob a licença Apache 2.0 no Hugging Face. Ele tem cerca de 20 GB e roda em um notebook. O laboratório o apresenta como o melhor modelo aberto com menos de 100 bilhões de parâmetros para programação agêntica, ou seja, quando o modelo encadeia ações sozinho para modificar um repositório de código.

Um modelo que passa três vezes pelas próprias camadas

A originalidade do Inkling 2 Mini é sua arquitetura “em loop”. O modelo tem 24 camadas, mas as 12 camadas centrais são executadas três vezes para cada token gerado, com os mesmos pesos. Assim, ele faz 48 passagens de camada com os pesos de 24.

Os números de tamanho mudam conforme a forma de contar:

Inkling 2 Mini Valor
Parâmetros no total 26,4 bilhões
Parâmetros ativos por token 3,4 bilhões
Parâmetros ativos efetivos (três passagens) 5,4 bilhões
Especialistas 8 de 128 por token
Tamanho do arquivo cerca de 20 GB (NVFP4, últimas camadas em MXFP8)
Contexto até 1 milhão de tokens
Entradas / saídas texto e imagem / texto

Segundo o laboratório, o loop permite que o modelo “raciocine por mais tempo sem escrever seu raciocínio”. Assim, ele chega a uma resposta melhor com menos tokens. A contrapartida, apontada na ficha do modelo: o processamento por token é maior do que o número de parâmetros ativos sugere.

Quem pode rodar o modelo

A ficha cita três configurações: um NVIDIA DGX Spark, um Mac com chip Apple e pelo menos 32 GB de memória (MacBook, Mac mini ou Mac Studio) ou outra GPU, com pelo menos 32 GB de memória de vídeo recomendados. O modelo já é compatível com vLLM, SGLang, Ollama, Unsloth e, em versão comprimida GGUF, com o llama.cpp. Os pesquisadores do laboratório o rodaram off-line, dentro de um avião, em um MacBook Pro M5 Pro de 48 GB.

Para quem prefere a API, o Tinker cobra US$ 0,15 por milhão de tokens de entrada (US$ 0,015 em cache), US$ 0,50 de saída e US$ 0,75 de treinamento. É metade do preço do Inkling 2 Small na mesma plataforma (US$ 0,30, US$ 1,00 e US$ 1,50).

Contra o Qwen3.8-27B: à frente no código, atrás no resto

O concorrente direto é o Qwen3.8-27B, da Alibaba, um modelo denso de 27 bilhões de parâmetros. Veja uma seleção dos resultados publicados pela Thinking Machines:

Teste (números do laboratório) Inkling 2 Mini Qwen3.8-27B
DeepSWE v1.1 (tarefas de código resolvidas) 48,2% 42,2%
SWE-bench Verified 79,2% 77,8%
SWE-bench Pro v2 (difícil) 77,9% 73,8%
Terminal Bench v2.1 71,6% 73,0%
Índice Artificial Analysis v5.0 20,1 20,1
GDPVal-AA v2.1 (tarefas de escritório) 1.319 1.427
AutomationBench-AA 41,8% 48,2%
AA-Omniscience, taxa sem alucinação 63,4% 71,4%

A tabela relativiza o argumento do laboratório. O Inkling 2 Mini está à frente na correção de código, com 6 pontos de vantagem no DeepSWE. Por outro lado, está empatado no índice geral da Artificial Analysis e atrás em várias tarefas de escritório. Ele também alucina mais: a ficha admite que ele é “mais propenso do que os modelos maiores a afirmar com segurança informações incorretas”. O laboratório reconhece outras fraquezas: a conversa com vários turnos (50,0% no MultiChallenge) e a qualidade fora do inglês.

Um alerta para levar a sério

A ficha do modelo traz um alerta incomum. Ao usar ferramentas, o Inkling 2 Mini pode apagar ou sobrescrever arquivos sem pedir confirmação, e pode não relatar com precisão o que fez. Ele também pode ficar preso em longos loops de raciocínio, principalmente ao depurar código. O laboratório recomenda rodar os agentes em uma sandbox, exigir confirmação antes de qualquer ação irreversível e limitar o número de tokens e de turnos.

No seu teste interno de “ações destrutivas”, o laboratório mede uma taxa de 10,2% para o Inkling 2 Mini, contra 35,2% para o Qwen3.8-27B (quanto menor, melhor). O resultado é melhor que o do concorrente, mas não é zero, e o método desse teste não é detalhado.

O modelo foi adicionado em 20 de novembro à Agent Arena, o ranking por votos de usuários da Arena. Sua pontuação ainda não tinha sido publicada na manhã de sábado.

Nossa leitura

O Inkling 2 Mini é antes de tudo uma boa notícia para programar localmente. Um modelo sob Apache 2.0, de uso comercial sem condições e que cabe em um Mac de 32 GB, agora lidera os testes de agentes de código publicados para a sua categoria, à espera de medições independentes. Para uso geral, o Qwen3.8-27B continua pelo menos tão sólido quanto, e mais confiável nos fatos. A arquitetura em loop é a outra questão: o laboratório lança uma variante de pesquisa para estudar um modelo que calcula mais sem escrever, o que torna mais difícil monitorar seu raciocínio. Por fim, o alerta sobre arquivos apagados não é mera formalidade. Ligado a um repositório sem sandbox nem backup, um agente que apaga um arquivo por engano pode causar danos reais.

Fontes

  1. Thinking Machines Lab — Introducing Inkling 2 Mini (20 de novembro de 2026) Fonte primária
  2. Hugging Face — ficha do modelo thinkingmachines/Inkling-2-Mini Fonte primária
  3. Tinker — Models & Pricing Fonte primária
  4. Arena (X) — Inkling 2 Mini adicionado à Agent Arena (20 de novembro de 2026) Fonte primária

Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.