AI 热点

Thinking Machines 发布开放权重循环 Transformer 模型 Inkling 2 Mini

Artificial Analysis 完整文章更新于 11月21日 04:53

Thinking Machines has released Inkling 2 Mini, an open weights looped transformer | Artificial Analysis

AI 导读

Thinking Machines 发布 Inkling 2 Mini,在 Artificial Analysis Intelligence Index 得分 20,并进入智能水平与参数规模的帕累托前沿。该模型采用 MoE 架构,拥有 26B 总参数、5.4B 激活参数,支持文本和图像输入及 1M token 上下文窗口,以 Apache 2.0 许可证开放权重。它与 Qwen3.8 27B(xhigh)得分相当,每项任务约便宜 6x、快 4x,但输出 token 多约 38%。

推荐理由

精选AI 评分 73

参数、计算量、成本和速度的横向数据,呈现了循环层设计在小型模型上的效率取舍。

主题

标签

正文 · AI 翻译

Artificial Analysis

所有文章

2026年11月20日

Thinking Machines 发布开放权重循环 Transformer 模型 Inkling 2 Mini

查看模型页面

Thinking Machines 发布了 Inkling 2 Mini。该模型在 Artificial Analysis Intelligence Index 上得分 20,是一款开放权重循环 Transformer,并跻身智能水平与激活参数数量的帕累托前沿。

Inkling 2 Mini 是一款混合专家模型,拥有 26B 总参数和 5.4B 激活参数。5.4B 激活参数计数包含其循环层的三次运行;每个文本 token 使用 3.1B 个独立权重,体量小到足以在 MacBook 或 DGX Spark 上运行。

该模型以 Apache 2.0 许可证发布,支持文本和图像输入,并拥有 1M token 的上下文窗口。

Inkling 2 Mini 在 Intelligence Index 上的表现与 Qwen3.8 27B(xhigh)和 Nanbeige4.3-33B 相当,而激活参数分别少约 5x 和约 6x。

无论按总参数还是激活参数衡量,它都处于智能水平与模型规模的帕累托前沿。

在取得相同 Intelligence Index 分数的情况下,Inkling 2 Mini 使用的输出 token 比 Qwen3.8 27B 多约 38%,但计算量少约 2.8x。

其 24 层中有 12 层会对每个 token 运行三次,从而增加计算量,但不增加输出 token。每项 Intelligence Index 任务平均使用约 152K 个输出 token,而 Qwen3.8 27B 约为 110K,Nanbeige4.3-33B 约为 158K。按照我们的计算量代理指标(激活参数 × token),它处于帕累托前沿,计算量比 Qwen3.8 27B 少约 2.8x,比 Nanbeige4.3-33B 少约 5x。

与 Qwen3.8 27B 相比,Inkling 2 Mini 每项任务的成本约低 6x,速度约快 4x。

每项 Intelligence Index 任务的成本为 $0.59,耗时 9.0 分钟;相比之下,Qwen3.8 27B 的成本为 $3.53,耗时 38.2 分钟。GPT-6 Luna(max)得分 28,每项任务成本为 $0.15。成本采用 Thinking Machines 的官方定价(每 1M 个输入/输出/缓存命中 token 分别为 $0.15/$0.50/$0.015)。

完整的 Intelligence Index 评测明细:

Google 通过 Gemini 4 Neon 继续加快发布节奏

Google 通过 Gemini 4 Neon 继续加快发布节奏;与 Gemini 4 Carbon 相比,其智能水平略有提升,而每项任务成本降低约 17%。

2026年11月18日

随着 GPT-6.2 Astra 和 GPT-6.2 Sol 发布,OpenAI 在 Intelligence Index 上拥有排名第 #2 的模型

OpenAI 发布的 GPT-6.2 Astra 和 GPT-6.2 Sol 带来了 Artificial Analysis Intelligence Index 排名第 #2 的模型,并占据了每项任务成本帕累托前沿的大部分位置。

2026年11月17日

多模态知识智能体(MKA)基准:利用复杂视觉文件测试知识工作能力

我们与 Google DeepMind 合作推出其多模态知识智能体(MKA)评测,这是一项面向复杂视觉文件上的智能体式知识工作的新基准。

2026年11月10日

来源

Artificial Analysis 完整文章