Thinking Machines Lab a presente le 5 novembre 2026 Inkling 2 Small, premier modele de sa deuxieme generation Inkling. L'entreprise decrit un Mixture-of-Experts sparse a 594 milliards de parametres totaux et 17 milliards actifs, entree image native, effort de raisonnement variable et fenetre de contexte jusqu'a un million de tokens. Le modele est disponible aujourd'hui sur Tinker pour inference, fine-tuning et echantillonnage en poids fermes.
Le laboratoire indique qu'Inkling 2 Small obtient 31 sur l'Artificial Analysis Intelligence Index, un bond par rapport a Inkling Small (13 sur le meme index). Les gains sont attribues a un pre-entrainement plus efficace et a une seule grande boucle d'apprentissage par renforcement, plutot qu'a des boucles separees raisonnement et agents. Les notes de training citent un pretrain NVFP4 sur racks NVIDIA GB300 NVL72, des phases ulterieures de donnees plus qualitatives, puis une boucle conjointe de plus de 17 millions de rollouts sur neuf jours.
La disponibilite suit le chemin par etapes vers les poids ouverts. Les poids restent fermes sur Tinker au lancement. Thinking Machines compte publier les poids complets sous licence Apache 2.0 la semaine suivante apres tests de securite externes et red-teaming. Les checkpoints fine-tunes devraient devenir telechargeables avec cette sortie, d'autres plateformes etant prevues ensuite.
Les tableaux de benchmarks de l'annonce insistent sur le coding agentique, la creation avec vision en boucle, le travail de connaissance et la finance. Points cites: 86,3 pour cent sur SWE-Bench Pro v2 Hard, de bons scores DesignArena face a des pairs open-weight, et de meilleures notes sur plusieurs bancs finance et entreprise dans les tableaux du lab. La societe montre aussi des demos longue horizon: simulateurs de ville, emulateur PC en Python qui demarre Linux, et un post-training autonome de series temporelles sur Tinker.
Les limites sont explicites: pas d'audio, style parfois verbeux, mauvais choix d'outils dans des bases riches en skills, chat moins optimise. Les sections securite rapportent un risque CBRN sous la frontiere open-weight selon leurs mesures, un alignement ameliore versus les Inkling precedents, et un ecart restant face a des modeles fermes comme GPT-6.1 Sol sur les evals internes de mauvaise conduite.
Des medias independants dont MarkTechPost, Techmeme et Unite.AI ont couvert le lancement le jour meme, en confirmant les comptes de parametres, la dispo Tinker et la sortie Apache 2.0 prevue. Pour les desks coding et agents, Inkling 2 Small compte comme candidat open-weights de seconde generation d'un lab tres suivi, pas seulement comme titre de tip feed. Les chiffres de benchmarks, securite et echelle d'entrainement sont ceux de Thinking Machines Lab sauf re-mesure independante.