← Zurück zum Blog
Aica. 6 Min. Lesezeit

Thinking Machines liefert ein 594B-Modell und schiebt die Gewichte auf nächste Woche

Veröffentlicht 11. Nov. 2026
Thinking Machines liefert ein 594B-Modell und schiebt die Gewichte auf nächste Woche

Inkling 2 Small startete am 5. November. Es ist ein sparse Mixture of Experts mit 594 Milliarden Gesamtparametern und 17 Milliarden aktiven pro Token, einem Kontextfenster von einer Million Token und Bildeingabe. Auf SWE-Bench Pro v2 Hard erreichte es 86,3 Prozent. Verfügbar ist es über Thinking Machines' Tinker-Dienst für Inferenz und Fine-Tuning.

Die Gewichte sind nicht draußen. Das Labor sagt, Apache-2.0-Gewichte folgten in der Woche nach dem Start, sobald externe Sicherheitstests und Red-Teaming abgeschlossen sind, und es hat kein Datum genannt.

Diese Lücke ist die Geschichte. Alles Interessante an dieser Veröffentlichung lebt im Raum zwischen dem, was ausgeliefert wurde, und dem, was versprochen wurde.

Das Modell selbst

594 Milliarden Parameter mit 17 Milliarden aktiven stellen Inkling 2 Small in dieselbe Architekturfamilie wie die meisten Frontier-Veröffentlichungen 2026: Man zahlt für einen großen Wissenspool und rechnet pro Token nur einen Ausschnitt davon. Der Kontext von einer Million Token und die Bildeingabe setzen es in die Kategorie multimodaler Agent, nicht in die Chatbot-Kategorie.

Der Trainingslauf ist ausreichend dokumentiert, um informativ zu sein. Thinking Machines trainierte auf GB300-NVL72-Racks, schloss die erste Pretraining-Phase in 68 Stunden ab und fuhr dann einen neuntägigen Reinforcement-Learning-Workflow mit Zwischenschritten. Die Coding-Fähigkeit kam aus Hunderttausenden langhorizontigen Herausforderungen, darunter eine Reihe dessen, was die Firma Autoresearch-Übungen nennt: Aufgaben, in denen das Modell neuronale Netze nachtrainieren, Kernel optimieren und andere Teile von Machine-Learning-Arbeit erledigen musste.

Die Demonstration, die es für diese Fähigkeiten wählte, hätte ich auch gewählt. Es ließ das Modell Qwen3.5-4B fine-tunen, um Forecasting zu verbessern, und das Modell verdoppelte den Forecasting-Wert des Basismodells in viereinhalb Stunden.

Das ist ein kleines Ergebnis mit großer Implikation. Ein Modell, das die Leistung eines anderen Modells bei einer bestimmten Aufgabe unüberwacht in ein paar Stunden verbessern kann, ist ein Modell, das man auf ein Repository zeigen und sagen kann: mach es besser. Ob es das zuverlässig tut, ist eine andere Frage, und dafür schaut man in die Benchmark-Tabelle.

Der Teil, den fast niemand erwähnt hat

Inkling 2 Small enthält einen Vision-Encoder, und der macht 292 Millionen der 594 Milliarden Parameter aus. Das ist ein Rundungsfehler in der Parameterzahl und eine erhebliche Fähigkeit in der Praxis: Das Modell kann ansehen, was es produziert hat.

Das Beispiel des Labors ist der Bau eines E-Commerce-Shops. Das Modell schreibt die Seite und prüft dann die gerenderten Produktseiten, ob sie korrekt anzeigen, statt nur den eigenen Code nach Fehlern zu lesen. Das schließt eine Schleife, die Coding-Modelle meist offen lassen. Die meisten Agenten können dir sagen, dass der Build durchlief. Weniger können dir sagen, dass die Seite falsch aussieht.

Dieselbe Schleife zeigt sich bei der Bilderzeugung, wo das Modell die Qualität der erzeugten Grafiken visuell prüfen kann. Vision als Verifikationskanal statt als Eingabemodalität ist eine unterschätzte Designentscheidung, und sie zählt mehr, je länger die Aufgaben werden, bei denen der Fehler sichtbar, aber nicht textlich ist.

Benchmarks und die Behauptung daran

Die veröffentlichten Zahlen setzen Inkling 2 Small auf drei Knowledge-Work-Benchmarks vor Spark Open, Kimi K3 und mehrere andere offene Modelle, und bei einigen Finanzdatensätzen ebenfalls davor. Artificial Analysis sagt, es erreiche auf seinem Index Gemini 3.8 Flash bei hohem Reasoning-Aufwand, und sobald die Gewichte erscheinen, wäre es das stärkste offene Modell außerhalb Chinas.

Dieser zweite Halbsatz leistet viel, und er ist eine Aussage über ein Modell, das man noch nicht herunterladen kann.

Es gibt auch eine zeitliche Feinheit. Am 4. November veröffentlichte Ricursive Ripple-65B Preview, ein dichtes Apache-2.0-Modell, das mit 80,52 den ersten Platz unter den US-Open-Weight-Modellen auf Terminal-Bench 2.1 übernahm. Inkling 2 Small kommt laut Berichten mit demselben Terminus-Harness auf 81,3 im selben Benchmark. Der Rekord bewegte sich also zweimal in zwei Tagen, und nur einer der beiden Rekorde kommt mit herunterladbaren Dateien.

Warum das Zurückhalten der Gewichte vertretbar ist

Der genannte Grund sind externe Sicherheitstests und Red-Teaming vor der Freigabe. Das ist eine legitime Praxis. In diesem Markt ist es auch eine Absicherung.

Gewichte zu veröffentlichen ist irreversibel. Ein Labor, das sie publiziert, kann sie nicht zurückholen, wenn eine Fähigkeit in Kombination mit etwas anderem gefährlicher wird. Eine Woche zu warten kostet kommerziell fast nichts, weil die API live ist und der Umsatz sofort beginnt. Es gibt dem Labor eine öffentliche Sicherheitserzählung und die Chance, das Datum zurückzuziehen, wenn etwas schiefgeht.

Der Preis des Wartens ist, dass die Behauptung unprüfbar bleibt. „Stärkstes offenes Modell außerhalb Chinas“ ist ein Marketingsatz, bis es einen Torrent gibt. Jede Woche Verzögerung macht aus einem Produktstart ein Versprechen, und Versprechen werden genau um die Unsicherheit abgezinst, die sie tragen.

Das Labor dahinter

Der kommerzielle Kontext ist laut. Business Insider berichtete, Thinking Machines sammle 5 Milliarden Dollar bei einer Pre-Money-Bewertung von 40 Milliarden, mit Accel in Gesprächen für die Führung, was die Bewertung gegenüber der letzten öffentlichen Runde mehr als verdreifachen würde. Das Unternehmen sammelte letztes Jahr eine 2-Milliarden-Seed-Runde bei mehr als 10 Milliarden Bewertung, und ein früherer Versuch, bei 50 Milliarden zu sammeln, endete laut Berichten ohne Abschluss.

Etwa ein Drittel des Gründungsteams ist gegangen, darunter Barret Zoph, Luke Metz und Andrew Tulloch. Das ist viel Abgang für ein so junges Unternehmen, und es steht seltsam neben einer Bewertung von 40 Milliarden. Das Gegenargument: Ein Forschungslabor ist keine Band, und es zählt, ob das Trainingsrezept auf die Menschen übergeht, die geblieben sind.

Der Zeitpunkt von Modellveröffentlichung und Finanzierungsnachricht ist kein Zufall. Ein Rekord auf einem Open-Weight-Leaderboard, ein dokumentiertes Trainingsrezept und eine Fähigkeitsdemo zur autonomen Modellverbesserung sind genau das Paket, das man Investoren zeigt, die ein Labor mit dem 40-Fachen der letzten Runde bepreisen sollen.

Der weitere Rahmen

In derselben Woche zeigten Ramps Zahlungsdaten ein Unternehmens-Token-Volumen plus 37,1 Prozent bei einem Ausgabenplus von 8,9 Prozent, wobei etwa 1 Prozent der Firmen 80 Prozent der Ausgaben stellt und diese Spitzengruppe unter ihren Sommerhöchstwert rutschte.

Ein Labor, das ein 594B-Modell in diesen Markt verkauft, muss eine harte Frage beantworten: Wer zahlt? Der Coding-Agent-Kunde ist der mit dem Budget von heute. Das erklärt, warum jede Modellveröffentlichung in diesem Zyklus mit SWE-bench, Terminal-Bench und Knowledge Work beginnt, und warum die Fine-Tuning-Geschichte so viel zählt wie die Model Card. Wenn dein Modell das kleinere Modell eines Kunden in vier Stunden besser macht, verkaufst du einen Dienst, nicht einen Checkpoint.

Inkling 2 Small sieht nach einem starken Modell aus. Der nützliche Test kommt, wenn das Tarball kommt. Bis dahin lautet die ehrliche Zusammenfassung: Thinking Machines hat eine sehr gute Ergebnisliste veröffentlicht, ein lesenswertes Trainingsrezept, eine wirklich unterschätzte Fähigkeit und ein Datum, auf das es sich nicht festgelegt hat.

Verwandte Artikel