Inkling 2 Mini

Мультимодальная
Thinking Machines Lab

Inkling 2 Mini — компактная открытая мультимодальная модель Thinking Machines Lab (Apache 2.0, релиз 20.11.2026), построенная как петлевой Mixture-of-Experts трансформер: 26,4 млрд параметров всего и 3,4 млрд активных, при этом средние 12 из 24 слоёв проходят трижды, что даёт около 5,4 млрд эффективно активных параметров на токен. Принимает текст и изображения, выдаёт текст, поддерживает настраиваемый бюджет мышления и контекст до 1 млн токенов. Чекпойнт смешанного формата NVFP4/MXFP8 объёмом около 20 ГБ рассчитан на локальный инференс (DGX Spark, Apple silicon с 32 ГБ и больше). Заявленный производителем балл Artificial Analysis Intelligence Index v5.0 — 20,1; модель доступна на Tinker для сэмплирования и дообучения.

Основные характеристики

Параметры
26.4B
Контекст
1.0M
Дата выпуска
20 ноября 2026 г.
Индекс
39.4

Временная шкала

Ключевые даты в истории модели
Анонс
20 ноября 2026 г.
Последнее обновление
21 ноября 2026 г.

Технические характеристики

Параметры
26.4B
Токены обучения
-
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)
$0.15
Выход (за 1М токенов)
$0.50
Макс. входящих токенов
1.0M
Макс. исходящих токенов
-
Поддерживаемые возможности
Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Программирование

Тесты на навыки программирования
SWE-Bench Verified
SWE-Bench Verified, harness только на bash. Таблица из карточки модели поставщика. • данные разработчика
79.2%

Другие тесты

Специализированные бенчмарки
AA-Briefcase v1.1
AA-Briefcase v1.1 Elo (max_score 3000). Таблица из карточки модели поставщика. • данные разработчика
42.1%
AA-Omniscience Index
Оценка AA-Omniscience v1.1: -8.6 (доля отсутствия галлюцинаций 63.4%). Таблица из карточки модели поставщика. • данные разработчика
-
Apex
Apex 2025. Таблица из карточки модели поставщика. • данные разработчика
34.4%
ARC-AGI
ARC-AGI v1. Карточка модели поставщика (v1/v2 84.5/49.3). • данные разработчика
84.5%
ARC-AGI v2
ARC-AGI v2. Карточка модели поставщика (v1/v2 84.5/49.3). • данные разработчика
49.3%
Artificial Analysis
Artificial Analysis Intelligence Index v5.0. Оценка 20.1 (таблица карточки модели поставщика, раздел Third Party Index). • данные разработчика
20.1%
AutomationBench-AA
AutomationBench-AA v1.0.6. Таблица из карточки модели поставщика. • данные разработчика
41.8%
BrowseComp
BrowseComp со сжатием. Таблица из карточки модели производителя. • данные разработчика
79.0%
CritPT
CritPt v2 Full. Карточка модели вендора (Full/Hard 31.4/17.0). • данные разработчика
31.4%
DeepSearchQA
DeepSearchQA со сжатием контекста. Таблица карточки модели вендора. • данные разработчика
85.3%
DeepSWE 1.1
DeepSWE v1.1 (mini-swe-agent v2.4.6). Таблица из карточки модели вендора и пост о запуске. • данные разработчика
48.2%
FrontierCode 2.0
FrontierCode v2.0 (стенд stirrup v0.2.1). Таблица карточки модели поставщика. • данные разработчика
15.1%
GDPval-AA 2.1
GDPval-AA v2.1 Elo (max_score 3000). Таблица из карточки модели поставщика. • данные разработчика
44.0%
JobBench
JobBench. Таблица карточки модели поставщика. • данные разработчика
49.6%
LongBench v2
LongBench v2. Таблица карточки модели поставщика. • данные разработчика
66.9%
MCP Atlas
MCP Atlas, публичный набор. Таблица карточки модели поставщика. • данные разработчика
82.7%
MMMU-Pro
MMMU Pro (Standard 10). Таблица карточки модели поставщика. • данные разработчика
74.9%
MRCR v2 (8-needle)
MRCR v2 8-needle, диапазон 256K–512K. Таблица карточки модели поставщика. • данные разработчика
46.4%
MuirBench
MuirBench. Таблица карточки модели поставщика. • данные разработчика
77.5%
OmniDocBench
OmniDocBench v1.6. Таблица из карточки модели вендора. • данные разработчика
92.8%
PerceptionBench
PerceptionBench. Таблица из карточки модели вендора. • данные разработчика
57.5%
ScreenSpot Pro
ScreenSpot Pro original (без Python). Карточка модели поставщика (original/с Python 76.5/87.7). • данные разработчика
76.5%
SWE-bench Multilingual
SWE-Bench Multilingual, harness только на bash. Таблица из карточки модели поставщика. • данные разработчика
73.7%
Terminal-Bench 2.1
Terminal Bench v2.1 с Inkling 2 Mini в harness pi v0.83.0. Таблица из model card производителя. • данные разработчика
71.6%
Terminal-Bench 4.0
Terminal Bench v4.0 (mini-swe-agent v2.4.6). Таблица из model card производителя. • данные разработчика
5.6%
Vals Index
Vals Index v2.2. Таблица из карточки модели производителя. • данные разработчика
46.5%
Vibe Code Bench
Vibe Code Bench v1.1 (openhands, Vals). Таблица из карточки модели вендора. • данные разработчика
77.9%
ZEROBench
ZeroBench main, оригинал (без Python). Карточка модели поставщика (оригинал/с Python 17.0/34.0). • данные разработчика
17.0%

Лицензия и метаданные

Лицензия
Apache 2.0
Дата анонса
20 ноября 2026 г.
Последнее обновление
21 ноября 2026 г.

Inkling 2 Mini: плюсы и минусы

Плюсы

  • Огромный контекст — 1M токенов: целые книги и кодовые базы за раз
  • Дешёвый API — $0.15 за 1M входных токенов
  • Понимает изображения, не только текст
  • Открытые веса — можно запустить на своём сервере
  • Сильнее всего в тесте OmniDocBench — 92.8%

Минусы

  • Слабее в тесте Terminal-Bench 4.0 — 5.6%

Inkling 2 Mini vs другие модели: сравнение

Все сравнения

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.