TL;DR：11 月 5 日，Thinking Machines Lab（Mira Murati 创立）发布第二代模型 Inkling 2 Small：594B 总参数、17B 激活的 MoE，支持图像输入与可调思考力度。Artificial Analysis Intelligence Index 拿下 31 分，远超前代。玩法延续自家「安全开放」路线：今天就能在 Tinker 上用（闭门权重），Apache 2.0 全权重承诺下周外部安全测试完成后放出。训练细节也大方公开：预训练 68 小时跑完 GB300 机架、原生 NVFP4，一次 9 天的联合 RL 完成 1700 万次 rollouts。
资源
- 官方博客：thinkingmachines.ai/news/inklin…
- Tinker 试用：thinkingmachines.ai/tinker
- 前代 Inkling：thinkingmachines.ai/news/inklin…
这次发布的是什么
Thinking Machines Lab 的节奏很稳：7 月发了首个开放权重模型 Inkling，两周后跟上缩小版 Inkling-Small（276B/12B），10 月庆祝 Tinker 一周年，11 月 5 日直接掏出第二代——Inkling 2 Small。
配置单：
- MoE 架构，594B 总参数 / 17B 激活——总参逼近 600B 但每 token 只激活 17B，推理成本控制在「Small」该有的水平；
- 支持图像输入，多模态；
- Variable effort（可调思考力度）——同一个模型，简单问题快答、难题深思，力度由调用方或模型自己定。
成绩上，官方主打的数字是 Artificial Analysis Intelligence Index v5.0 得分 31，官方原话是「far surpasses our previous models」。分项看更有信息量：JobBench 70.5%、Vals Legal Index 73.9%、HLE-Diamond 28.7% 都是开放权重模型里的最高分；AA-Briefcase（端到端知识工作基准）ELO 1527；金融方向 AA-AnalystAgent 和 Dayjob:Finance 开放权重第一——这家公司对「知识工作 + 金融量化」的偏爱一如既往。
演示有多能打
官方放了四个 demo，每个都值得展开说：
- 城市模拟器：用 Three.js 从零搭出完整城市游戏，所有建筑、纹理、车辆全部程序化生成，没有一个预制资产——玩家从一条路开始经营整座活的城市，还要管电力、预算和突发事件；
- PC 模拟器：一个 Python 从零写的 PC 模拟器，能启动真正的 Linux 内核，还带 web 界面在浏览器里跑 live 实例；
- Blender 创作视频：手绘风格的纸面山谷，折纸鹤落下来，水波和烟囱的改进是按反馈迭代出来的；
- 户型图漫游：从一张平面图生成可走动的 3D 漫游。
这几个 demo 共同点不是「刷榜分高」，而是长程自主工作：模型要在几十分钟的连续任务里自己规划、执行、看反馈、修正——官方也明说这一代最大的进步就在这里。
训练细节：这才是同行最该看的
Thinking Machines 这次把训练栈讲得相当透，信息量远超一般厂商通稿：
预训练四阶段：H1 用 8.4T tokens（自然语言/代码/图像混合）打底，在 NVIDIA GB300 NVL72 机架上只跑了 68 小时，靠机架级专家并行把效率拉满，且全程原生 NVFP4（Blackwell 的 4-bit 浮点格式）——NVFP4 配方细节官方说后续文章再讲。H2 换 3.8T 更高质量的新数据、512K 上下文；H3 混入约 320B 推理与 agent 轨迹（1M 上下文）；H4 只留约 34B 最高质量轨迹。注意 H3/H4 的数据大部分是从早期模型（包括 Kimi K3 和自家模型）采样的轨迹、过滤后回炉的——轨迹蒸馏的路数已经很成熟了。
一次联合 RL：1075 步、超过 1700 万次 rollouts、9 天、2048 块 GPU、总算力超过 4×10²³ FLOPs。重点是「一次」——上一代 Inkling 是分开跑 reasoning RL 和 agentic RL 再用多教师蒸馏合并，这一代直接一锅端。任务混合里 Coding 占 38.5%（消耗 65% tokens），办公知识工作 9.1%，视觉 13.9%，工具使用 17.1%。
编码特训的三个巧思：数十万长程编码任务跨多个 agent harness 与上下文压缩策略训练；奖励不只看单元测试过没过，还安排了「agentic RL grader」评模型解题的过程；甚至用早期 checkpoint 化名 Fledge-Alpha 悄悄放到 OpenCode 上做真实环境测试——匿名参赛测真实水平，这个操作挺有意思。
effort 怎么学的：训练时随机采样一个 effort 水平作为条件，奖励函数里加长度惩罚，逼模型学会「速度 vs 彻底性」的权衡。异步 RL 用的是 Tinker 的 StableReinforce 目标，能容忍明显的策略陈旧性；长程任务配 256K 上下文 + compaction 训练，p99 单次 rollout 长达 4 小时、1.5M tokens。
还有一组容易被忽略的数据：可定制性。同样的数据和算法做后训练微调，Inkling 2 Small 学得比前代更快、终点更高——金融文档摘要任务上，75 步就到了 Inkling-Small 训到底的水平。对想用 Tinker 造自家垂直模型的企业客户，这可能比榜单分数更重要。
开放节奏：先闭门，下周开源
发布策略延续了官方那篇《a safe path to open weights》的路线：
- 今天：Tinker Playground 可直接试用；Tinker 上可微调、可采样（企业客户的老用法）；
- 下周：Apache 2.0 全权重开放，checkpoint 可下载——前提是外部安全测试和红队完成。
这个「先闭门跑安全测试、再放权重」的节奏在 Inkling-Small 时就用过，执行上没有跳票记录。当然「下周」是计划表述，具体哪天官方没承诺（uncertain，以官方公告为准）。
怎么看
几个观察角度：
- 594B/17B 的配置很精明：总参堆知识容量、激活控制推理成本，Apache 2.0 + 下周开源，摆明了要抢「自托管 + 微调」的企业市场——这正是 Tinker 的生意。
- 联合 RL 替代多教师蒸馏是训练工程上值得盯的信号：一锅端的联合 RL 如果真在各维度全面超过「分科训练再合并」，这个经验会很快被开源社区复用。
- NVFP4 原生预训练跑通（68 小时 GB300）意味着 4-bit 浮点已经从「推理量化格式」升级成「训练原生格式」，配合本文同日另一篇量化实测的结论看，硬件格式演进正在重塑训练-推理的成本曲线。
- 对普通开发者：等下周权重放出，594B 总参量化后能不能进消费级显存是另一个问题——17B 激活的 MoE 推理成本倒是可以期待。
一年时间从零到第二代 594B 模型，这家 2025 年初成立、还没发过产品的公司（Tinker 除外），节奏已经超过了不少老牌实验室。第二代的小杯先来，大杯（Inkling 2 正主）估计也不远了。
参考来源
- Thinking Machines Lab 官方博客：Introducing Inkling 2 Small（thinkingmachines.ai，2026-11-05）
- Inkling 2 Small Model Card（Tinker）
- Cryptobriefing：Thinking Machines releases Inkling 2 Small, scores 31 on AI Index（2026-11-05）
- Blockchain.News：Soumith Chintala 转述 NVFP4 训练细节（2026-11-05）
- 官方 News 列表：Inkling（2026-07-15）、Inkling-Small（2026-07-30）、One Year of Tinker（2026-10-15）
