Inkling 2 Small Yayınlandı: 594B Parametreli Model Apache 2.0 ile Geliyor
Diğer AI Modelleri

Inkling 2 Small Yayınlandı: 594B Parametreli Model Apache 2.0 ile Geliyor

· 3 DK

Yazar: KOZBA

İçindekiler
  1. Neden "Small" ama 594B parametre?
  2. Benchmark sonuçları
  3. Otonom araştırma iddiası: 426 dolara eğitim
  4. Açık ağırlık takvimi
  5. Sınırlamalar
  6. Kimler için anlamlı?
  7. Sonuç

Mira Murati'nin kurduğu Thinking Machines Lab, ikinci model neslini tanıttı: Inkling 2 Small. Model, 594 milyar toplam parametreye ve 17 milyar aktif parametreye sahip bir Mixture-of-Experts (MoE) mimarisi kullanıyor; görsel girdiyi destekliyor ve değişken efor (variable effort) ayarı sunuyor.

Şirketin önceki modellerine kıyasla Artificial Analysis Intelligence Index üzerinde 31 puan alan model, ajanlı kodlama, görsel anlama, bilgi işi ve akıl yürütme alanlarında belirgin artış gösteriyor. Şirkete göre bu kazanım, eğitim sürecinin her aşamasındaki iyileştirmelerden — daha verimli ön eğitim ve tek parça büyük bir RL koşusundan — geliyor.

Neden "Small" ama 594B parametre?

MoE mimarisinde toplam parametre sayısı, her sorguda kullanılan parametre sayısıyla aynı değil. Inkling 2 Small'da toplam 594 milyar parametre bulunuyor ancak bir token üretilirken bunun yalnızca 17 milyar aktif parametresi devreye giriyor. Bu yaklaşım, model kapasitesini yüksek tutarken çıkarım maliyetini görece düşük seviyede tutmayı amaçlıyor.

Model 8,4 trilyon token üzerinde ön eğitim aldı; ardından 1 milyon token'a kadar uzanan akıl yürütme izlerini içeren genişletilmiş aşamalar geldi.

Benchmark sonuçları

Şirketin paylaştığı tablolara göre model, açık ağırlıklı rakipleriyle kıyaslandığında üst sıralarda yer alıyor:

  • SWEBench Pro v2 (Hard): %86,3 — Kimi K3'ün (%88,2) hemen ardından ikinci.
  • DeepSWE v1.1: %72,1 — DeepSeek-V4.1-Flash'ın (%77,0) ardından ikinci.
  • Vibe Code Bench v1.1: %81,6.
  • FrontierCode v2.0: %25,4.
  • PMPP-Hard (GPU çekirdek optimizasyonu): 69 görevde ortalama 54,25 çözüm; GPT-6 Astra (63) ve Kimi K3.1 Pro'nun (60,5) ardından beşinci.

Kodlama tarafında model, yüz binlerce uzun ufuklu görev üzerinde RL ile eğitildi. Şirket, sentetik kod verisi hattını iyileştirdiğini ve yalnızca birim testi ödülünün ötesine geçtiğini belirtiyor: Birçok görevde, kodun testi geçip geçmediğine değil, modelin probleme nasıl yaklaştığına bakan bir değerlendirici kullanıldı.

Otonom araştırma iddiası: 426 dolara eğitim

Şirket, modelin uçtan uca "autoresearch" performansını göstermek için Proximal altyapısında bir görev çalıştırdı. Inkling 2 Small, Qwen3.5-4B modelini Tinker üzerinde LoRA ile eğiterek hava durumu ve Wikipedia sayfa görüntüleme gibi zaman serilerini tahmin etmeyi öğrendi. Model önce görevi analiz edip kendi değerlendiricisini yazdı, veri setleri ve eğitim reçeteleriyle deney yaptı, SFT ve RL yaklaşımlarını denedi ve süreç boyunca hataları ayıkladı. 4,5 saatlik çalışma ve 426 dolarlık Tinker harcaması sonunda eğitilen modelin tahmin skoru iki katından fazla arttı.

Açık ağırlık takvimi

Model şimdilik yalnızca Tinker üzerinden ve kapalı ağırlıklarla sunuluyor. Şirket, dış güvenlik testleri ve red-teaming tamamlandıktan sonra tam ağırlıkları Apache 2.0 lisansıyla yayınlamayı planlıyor. Bu yaklaşım, şirketin daha önce duyurduğu "açık ağırlıklara güvenli geçiş" politikasının parçası: Model önce kontrollü bir ortamda yayınlanıyor, açık ağırlıklar güvenlik doğrulamasının ardından geliyor.

Tinker üzerinde modeli denemek, ince ayar yapmak ve örnekleme çalıştırmak şimdiden mümkün; kontrol noktaları ağırlıkların yayınlanmasıyla indirilebilir hale gelecek.

Sınırlamalar

Şirket eksikleri de açıkça listeliyor: Model her zaman en kısa ve öz yanıtı vermiyor, çok sayıda "skill" içeren kod tabanlarında doğru aracı seçmekte zorlanabiliyor. Görsel girdi destekleniyor ancak ses desteği yok. Sohbet deneyimi tarafında ise içerik düzenlenmesi zayıf, eğik çizgi kullanımı fazla ve ruh sağlığı ile güvenlik sorgularına aşırı tepki verebiliyor.

Kimler için anlamlı?

  • Ajanlı kodlama ekipleri: Uzun ufuklu görevlerde ve araç döngülerinde kullanılabilir bir açık ağırlık adayı.
  • İnce ayar yapanlar: Apache 2.0 lisansı, ticari kullanımda esneklik sağlayacak.
  • Otonom araştırma deneyenler: Kendi değerlendiricisini yazıp deney döngüsü kurabilen modeller, deneysel iş akışlarında fark yaratıyor.

Sonuç

Inkling 2 Small, açık ağırlıklı modeller ile kapalı frontier modeller arasındaki farkın hızla kapandığını gösteriyor. Apache 2.0 ağırlıkların önümüzdeki hafta yayınlanması, modelin gerçek dünya performansını bağımsız olarak test etme imkanı verecek. Şimdilik en sağlıklı yaklaşım, Tinker üzerinde kendi iş akışınızla denemek ve benchmark tablolarına tek başına güvenmemek.

Paylaş