شرکت Thinking Machines Lab مدل Inkling 2 Mini را منتشر کرد؛ مدلی چندوجهی و فشرده که برای اجرای محلی ساخته شده است و Hugging Face در ۲۰ نوامبر ۲۰۲۶ مطلب معرفی آن را منتشر کرد. این مطلب با نام merve و Pedro Cuenca و Aritra Roy Gosthipaty و Guarin Flück از Hugging Face منتشر شده است. این مدل از نوع ترکیب متخصصان است و در مجموع حدود ۲۶ میلیارد پارامتر دارد که برای هر توکن حدود ۳ میلیارد آن فعال میشود. ورودی متن و تصویر میپذیرد و پنجره زمینهای به اندازه یک میلیون توکن دارد.
بخش غیرمعمول کار معماری آن است. Inkling 2 Mini در ظاهر ۲۴ لایه رمزگشا ذخیره میکند، اما ۱۲ لایه میانی سه بار پشت سر هم در یک حلقه اجرا میشوند. بنابراین هر توکن ۴۸ بار از لایهها عبور میکند، در حالی که فایل مدل لایههای متمایز بسیار کمتری دارد. گذرها وزنهای یکسان را به کار میبرند و اطلاعات را با پیامهایی آموختهشده به هم میدهند و یک کنترلگر کوچک تصمیم میگیرد چه مقدار از ورودی فعلی نگه داشته شود و چه مقدار از گذر قبلی افزوده شود. در هر عبور، مسیریاب ۸ متخصص را از میان ۱۲۸ متخصص برمیگزیند. Thinking Machines Lab این طراحی را راهی برای افزایش ظرفیت بدون بزرگتر شدن مدل ذخیرهشده توصیف میکند.
مدل با قالبی با دقت ترکیبی عرضه شده است، با وزنهای NVFP4 و MXFP8 برای متخصصان، و یک مدل پیشنویسساز DSpark هم دارد که با هزینه حافظه اندک تولید متن را سریعتر میکند. نقطه بازبینی پژوهشی دوم با نام TML-d24-varloop-research آموزش دیده تا تعداد متغیری از گذرهای حلقه را بپذیرد. اجرای یک یا دو گذر بهجای سه گذر استنتاج را سریعتر میکند و کیفیت اندکی افت میکند. نویسندگان میگویند کارکرد آن را آزمودهاند اما بهطور عمیق ارزیابی نکردهاند.
درباره عملکرد، مطلب معرفی میگوید Inkling 2 Mini در رده اندازه خود در شاخص Artificial Analysis Intelligence Index v5 در صدر است و در ۳۲ آزمون از ۴۸ آزمون از Gemma 4 31B و Muse Glimmer و Qwen3.8-27B و Nemotron 3.5 Super VL جلوتر قرار دارد. در FrontierCode v2.0 پیشتاز است، در Terminal-Bench 4.0 با Qwen3.8-27B برابر است و در AutomationBench-AA از آن عقب میماند. Hugging Face میافزاید آزمونهای غیررسمی خودش مدل را دستکم همتراز Qwen3.8-27B نشان میدهد و اعتبارسنجی بیشتری لازم است. این اعداد از سوی سازندگان و شریک آنها آمده است، نه ارزیابی مستقل.
برای توسعهدهندگان، خبر عملی پشتیبانی از همان روز اول است. مدل در transformers و در llama.cpp از راه Llama App و در MLX برای سختافزار اپل اجرا میشود و SGLang استنتاج تولیدی روی پردازندههای گرافیکی مراکز داده را فراهم میکند. سطح استدلال را میتوان برای هر درخواست تعیین کرد، از هیچ تا بیشینه. Hugging Face نمونههایی نشان داد که در آنها مدل همراه با عامل برنامهنویسی Pi از روی طرحی عکسبرداریشده یک برنامه وب کوچک برای تقسیم هزینهها ساخت و نسخه کوانتیزه ۴ بیتی از یک جمله کوتاه یک وبسایت کامل تولید کرد.
این انتشار پس از نخستین Inkling در ژوئیه ۲۰۲۶ میآید و خانواده را در انتهای کوچک بازار مدلهای محلی باز قرار میدهد، جایی که مستقیم با مدلهای ۲۰ تا ۳۰ میلیارد پارامتری رقابت میکند. پرسش باز این است که آیا طراحی حلقهای برتری خود را بیرون از آزمونهای منتشرشده نگه میدارد، و فقط ارزیابیهای مستقل این را روشن میکند.