Thinking Machines Lab 於2026年11月5日推出第二代 MoE（mixture-of-experts，混合專家）模型 Inkling 2 Small：總參數 594B，但每次前向傳遞只激活 17B。官方話呢個設計係為咗壓低推理成本，同時保持同更大 dense 模型相稱嘅表現。模型喺 Artificial Analysis Intelligence Index 攞 31 分，官方話已勝過第一代，同激活參數多好多嘅模型有得比拼。
跑分方面，DeepSWE v1.1（軟件工程基準）72.1%，喺所有受測模型入面排第二，只輸給 DeepSeek-V4.1-Flash-1017 嘅 77.0%；SWEBench Pro v2（Hard）攞 86.3%；Vibe Code Bench v1.1 攞 81.6%。GPU kernel 優化基準 PMPP-Hard 上，模型喺多個模型規模同上下文設定下取得 6.02× 加速，落後 DeepSeek-V3.2 sparse attention（18.80×）同 Claude Opus 5.5（10.26×）。
視覺基準上，MMMU Pro 81.6%、PerceptionBench 64.7%、ScreenSpot Pro 83.8%（用 Python 工具 91.5%）、BabyVision 68.6%（用 Python 93.7%）、CharXiv RQ 85.6%（用 Python 87.7%）。官方仲舉咗個盲測紅酒辨識嘅例子：模型喺 20 次試中揾對 19 次，勝過佢哋自己嘅研究員。呢個係官方嘅示範數據，唔等同獨立核實。
訓練方面，模型用強化學習喺數十萬個長程編程任務上訓練，跨多個 agent harness。官方稱引入咗 agentic RL grader，唔單止睇代碼過唔過測試，仲評估模型點樣入手解題。早期 checkpoint 喺 OpenCode 上以「Fledge-Alpha」名義測試。官方展示了一段「自主研究」流程：模型自主訓練 Qwen3.5-4B 處理時間序列預測，包括電力需求、風能、空氣質素同 Wikipedia 瀏覽量，歷時 4.5 小時、耗算力 $426，最終模型預測分數翻倍。呢段同樣係廠商聲稱，未經本站測試。
權重方面，模型首批透過 Tinker 平台（官方開發平台）以關閉權重提供。完整權重最快下週以 Apache 2.0 授權釋出，但係要完成外部安全測試同紅隊攻擊先。到時 checkpoint 可下載，用嚟微調同本地部署。
模姐驗嚇貨：MoE 架構近年好多人玩，594B 總參數只激活 17B 呢個比例，廠商聲稱係為咗推理成本。跑分全部係廠商自報，獨立第三方驗證仲未見到。權重放出之後，先至有得真正「驗嚇貨」。
模姐｜深度調教
