A Thinking Machines Lab lançou o Inkling 2 Mini, um modelo multimodal compacto pensado para execução local, e a Hugging Face publicou a apresentação do lançamento a 20 de novembro de 2026. O texto é assinado por merve, Pedro Cuenca, Aritra Roy Gosthipaty e Guarin Flück, da Hugging Face. Trata-se de um sistema de mistura de especialistas com cerca de 26 mil milhões de parâmetros no total, dos quais cerca de 3 mil milhões ficam ativos por cada token. Aceita texto e imagens e suporta uma janela de contexto de um milhão de tokens.
O mais invulgar é a arquitetura. O Inkling 2 Mini guarda 24 camadas de descodificação, mas as 12 do meio são percorridas três vezes em ciclo, pelo que cada token faz 48 visitas a camadas enquanto o ficheiro do modelo contém muito menos camadas distintas. As passagens partilham os mesmos pesos e trocam informação através de mensagens aprendidas, e um pequeno controlador decide quanto da entrada atual manter e quanto da passagem anterior acrescentar. Em cada visita, o encaminhador escolhe 8 especialistas entre 128. A Thinking Machines Lab apresenta o desenho como uma forma de ganhar capacidade sem aumentar o tamanho do modelo guardado.
A distribuição usa um formato de precisão mista, com pesos NVFP4 e MXFP8 para os especialistas, e inclui um modelo auxiliar DSpark destinado a acelerar a geração com um custo de memória reduzido. Um segundo ponto de controlo de investigação, o TML-d24-varloop-research, foi treinado para aceitar um número variável de passagens no ciclo. Executar uma ou duas passagens em vez de três torna a inferência mais rápida, com alguma perda de qualidade, e os autores dizem ter confirmado que funciona mas não o avaliaram em profundidade.
Quanto ao desempenho, o artigo de lançamento indica que o Inkling 2 Mini é o melhor da sua categoria de tamanho no Artificial Analysis Intelligence Index v5 e lidera em 32 de 48 testes face ao Gemma 4 31B, ao Muse Glimmer, ao Qwen3.8-27B e ao Nemotron 3.5 Super VL. Lidera no FrontierCode v2.0, empata com o Qwen3.8-27B no Terminal-Bench 4.0 e fica atrás dele no AutomationBench-AA. A Hugging Face acrescenta que os seus testes informais colocam o modelo pelo menos ao nível do Qwen3.8-27B e admite que é preciso mais validação. Estes números vêm dos programadores e do seu parceiro, não de uma avaliação independente.
Para quem desenvolve, a novidade prática é o suporte desde o primeiro dia. O modelo funciona em transformers, em llama.cpp através da Llama App e em MLX para equipamento Apple, e o SGLang oferece inferência de produção em GPU de centros de dados. O esforço de raciocínio pode ser definido em cada pedido, de nenhum até ao máximo. A Hugging Face mostrou exemplos em que o modelo, usado com o agente de programação Pi, construiu uma pequena aplicação web de divisão de despesas a partir de um esboço fotografado, e em que uma versão quantizada a 4 bits gerou um sítio completo a partir de uma única frase.
O lançamento sucede ao primeiro Inkling, de julho de 2026, e coloca a família na ponta pequena do mercado de modelos locais abertos, onde concorre diretamente com modelos de 20 a 30 mil milhões de parâmetros. Resta saber se o desenho em ciclo mantém a vantagem fora dos testes publicados, e só avaliações independentes o dirão.