Un modello da 594 miliardi in cima alle classifiche. I pesi, però, non ci sono

Inkling 2 Small è uscito il 5 novembre. È una mixture of experts sparsa con 594 miliardi di parametri totali e 17 miliardi attivi per token, una finestra di contesto da un milione di token e input immagini. Ha segnato 86.3 per cento su SWE-Bench Pro v2 Hard. È disponibile tramite il servizio Tinker di Thinking Machines per inferenza e fine-tuning.
I pesi non ci sono. Il laboratorio dice che i pesi Apache 2.0 arriveranno la settimana dopo il lancio, una volta completati i test di sicurezza esterni e il red-teaming, e non ha dato una data.
Quello scarto è la storia. Tutto ciò che di interessante c'è in questo rilascio vive nello spazio tra ciò che è stato distribuito e ciò che è stato promesso.
Il modello
594 miliardi di parametri con 17 miliardi attivi mettono Inkling 2 Small nella stessa famiglia architetturale della maggior parte dei rilasci di frontiera del 2026: paghi per una grande riserva di conoscenza e ne calcoli solo una fetta per token. Il contesto da un milione di token e l'input immagini lo collocano nella categoria agenti multimodali, non in quella chatbot.
Il training è documentato abbastanza da essere informativo. Thinking Machines ha addestrato su rack GB300 NVL72, ha completato la fase iniziale di pretraining in 68 ore, poi ha eseguito un flusso di reinforcement learning di nove giorni con passaggi intermedi nel mezzo. La capacità di coding viene da centinaia di migliaia di sfide a orizzonte lungo, tra cui una serie di esercizi che l'azienda chiama autoresearch: compiti che richiedevano al modello di fare post-training di reti neurali, ottimizzare kernel e svolgere altro lavoro di machine learning.
La dimostrazione scelta per quelle competenze è la stessa che avrei scelto io. Ha chiesto al modello di fare fine-tuning di Qwen3.5-4B per migliorare le previsioni, e il modello ha raddoppiato il punteggio di previsione del modello base in quattro ore e mezza.
È un risultato piccolo con un'implicazione grande. Un modello che può migliorare le prestazioni di un altro modello su un compito specifico, senza supervisione, per qualche ora, è un modello che puoi puntare a un repository e a cui puoi dire di renderlo migliore. Se lo faccia in modo affidabile è un'altra domanda, e la tabella dei benchmark è dove guarderesti.
La parte che quasi nessuno ha citato
Inkling 2 Small include un encoder visivo, e vale 292 milioni dei 594 miliardi di parametri. È un errore di arrotondamento nel conteggio e una capacità significativa in pratica: il modello può guardare quello che ha prodotto.
L'esempio che dà il laboratorio è la costruzione di un negozio e-commerce. Il modello scrive il sito, poi controlla le pagine prodotto renderizzate per vedere se si visualizzano correttamente, invece di leggere solo il proprio codice in cerca di bug. Chiude un ciclo che i modelli di coding di solito lasciano aperto. Quasi tutti gli agenti sanno dirti che la build è passata. Meno sanno dirti che la pagina è sbagliata.
Lo stesso ciclo compare nella generazione di immagini, dove il modello può verificare visivamente la qualità della grafica che produce. La visione come canale di verifica, invece che come modalità di input, è una scelta di design sottovalutata, ed è il tipo di cosa che conta di più man mano che gli agenti prendono compiti più lunghi, dove il fallimento è visibile ma non testuale.
Benchmark, e la dichiarazione che ci sta attaccata
I numeri pubblicati mettono Inkling 2 Small davanti a Spark Open, Kimi K3 e diversi altri modelli aperti su tre benchmark di lavoro intellettuale, e davanti su diversi dataset di compiti finanziari. Artificial Analysis dice che pareggia Gemini 3.8 Flash ad alto sforzo di ragionamento sul suo indice, e che una volta distribuiti i pesi sarebbe il modello aperto più forte fuori dalla Cina.
Quella seconda proposizione fa molto lavoro, ed è una dichiarazione su un modello che non puoi ancora scaricare.
C'è anche una sottigliezza di tempi. Il 4 novembre Ricursive ha rilasciato Ripple-65B Preview, un modello dense Apache 2.0 che ha preso il primo posto tra i modelli open-weight statunitensi su Terminal-Bench 2.1 a 80.52. La card di Inkling 2 Small lo collocherebbe a 81.3 sullo stesso benchmark con lo stesso harness Terminus. Quindi il record si è mosso due volte in due giorni, e solo uno dei due record arriva con file scaricabili.
Perché trattenere i pesi è difendibile
La ragione dichiarata sono i test di sicurezza esterni e il red-teaming prima del rilascio. È una pratica legittima. È anche, in questo mercato, una copertura.
Rilasciare i pesi è irreversibile. Un laboratorio che li pubblica non può ritirarli se una capacità si rivela più pericolosa in combinazione con qualcos'altro. Aspettare una settimana non costa quasi nulla dal punto di vista commerciale, perché l'API è attiva e i ricavi partono subito. Dà al laboratorio una narrativa pubblica di sicurezza e la possibilità di spostare la data se qualcosa va storto.
Il costo dell'attesa è che la dichiarazione resta non verificabile. «Il miglior modello aperto fuori dalla Cina» è una frase di marketing finché non c'è un file da scaricare. Ogni settimana di ritardo trasforma un lancio di prodotto in una promessa, e le promesse vengono scontate esattamente della quantità di incertezza che portano.
Il laboratorio dietro
Il contesto commerciale è rumoroso. Business Insider ha riportato che Thinking Machines sta raccogliendo 5 miliardi di dollari a una valutazione pre-money di 40 miliardi, con Accel in trattativa per guidare il round, il che più che triplicherebbe la valutazione dell'ultimo round pubblico. L'azienda ha raccolto un seed da 2 miliardi a più di 10 miliardi l'anno scorso, e un precedente tentativo di raccogliere a 50 miliardi si è chiuso senza accordo secondo le indiscrezioni.
Circa un terzo del team fondatore se n'è andato, tra cui Barret Zoph, Luke Metz e Andrew Tulloch. Sono molte uscite per un'azienda così giovane, e stonano accanto a una valutazione da 40 miliardi. La contro-argomentazione è che un laboratorio di ricerca non è una band, e ciò che conta è se la ricetta di training si trasferisce a chi è rimasto.
Il tempismo del rilascio e della notizia sul funding non è un caso. Un record su una classifica open-weight, una ricetta di training documentata e una demo di capacità che include il miglioramento autonomo di un modello sono esattamente il pacchetto che mostri a investitori a cui chiedi di prezzare un laboratorio a 40 volte il round precedente.
La cornice più ampia
La stessa settimana, i dati sui pagamenti di Ramp hanno mostrato il volume di token AI per le imprese a +37.1 per cento con la spesa a +8.9, circa l'1 per cento delle aziende che vale l'80 per cento della spesa e quella coorte di vertice scivolata sotto il picco estivo.
Un laboratorio che vende un modello da 594 miliardi in quel mercato deve rispondere a una domanda difficile: chi paga? Il cliente degli agenti di coding è quello con il budget oggi. Spiega perché ogni rilascio di modello in questo ciclo parte da SWE-bench, Terminal-Bench e lavoro intellettuale, e perché la storia del fine-tuning conta quanto la model card. Se il tuo modello può rendere migliore in quattro ore il modello più piccolo di un cliente, stai vendendo un servizio, non un checkpoint.
Inkling 2 Small sembra un modello forte. Il test utile arriva quando arriva il pacchetto dei pesi. Fino a quel momento, il riassunto onesto è che Thinking Machines ha pubblicato una serie di risultati molto buoni, una ricetta di training che vale la pena leggere, una capacità davvero sottovalutata e una data a cui non si è impegnata.
Articoli correlati
Gli agenti si spostano nel cloud: il task continua quando chiudi il portatile
Il task continua in una VM cloud dopo che hai chiuso il portatile, ma perdi il tooling interno e resta aperto chi approva le azioni irreversibili.
NVIDIA rilascia quattro modelli del mondo da 16 miliardi e un decoder 25 volte più veloce sulla geometria
Quattro generatori del mondo da 16 miliardi con le ricette di training, e un framework di decoding che emette geometria in un colpo. La valutazione manca.
Le skill occupano un quarto dei trend di GitHub, e ognuna si installa a modo suo
Una skill è una cartella di istruzioni, ma installarla ha quattro strade diverse e la copia locale non ha ancora un lockfile.
Il modello più forte sbaglia una lettura di laboratorio su tre. OpenAI ha pubblicato gli errori
Il modello migliore sbaglia circa un terzo delle letture, e i casi di errore pubblicati dicono più del punteggio.