A Thinking Machines lançou um modelo de 594B e empurrou os pesos para a semana seguinte

O Inkling 2 Small foi lançado em 5 de novembro. É uma mistura esparsa de especialistas com 594 bilhões de parâmetros totais e 17 bilhões ativos por token, janela de contexto de um milhão de tokens e entrada de imagem. Marcou 86,3% no SWE-Bench Pro v2 Hard. Está disponível pelo serviço Tinker da Thinking Machines para inferência e ajuste fino.
Os pesos não saíram. O laboratório diz que os pesos Apache 2.0 virão uma semana após o lançamento, quando terminarem os testes externos de segurança e o red-teaming, e não deu data.
Essa lacuna é a história. Tudo o que há de interessante neste lançamento mora no espaço entre o que foi entregue e o que foi prometido.
O modelo em si
Quinhentos e noventa e quatro bilhões de parâmetros com 17 bilhões ativos colocam o Inkling 2 Small na mesma família arquitetônica da maioria dos lançamentos de fronteira de 2026: você paga por um grande reservatório de conhecimento e calcula só uma fatia dele por token. O contexto de um milhão de tokens e a entrada de imagem o colocam na categoria de agente multimodal, não na de chatbot.
O treino está documentado o suficiente para ser informativo. A Thinking Machines treinou em racks GB300 NVL72, concluiu a fase inicial de pré-treinamento em 68 horas e depois rodou um fluxo de aprendizado por reforço de nove dias, com etapas intermediárias no meio. A capacidade de programação veio de centenas de milhares de desafios de horizonte longo, incluindo um conjunto que a empresa chama de exercícios de autoresearch: tarefas que exigiam do modelo pós-treinar redes neurais, otimizar kernels e fazer outras peças de trabalho de aprendizado de máquina.
A demonstração escolhida para essas habilidades é a que eu também teria escolhido. Pedia ao modelo que ajustasse o Qwen3.5-4B para melhorar previsão, e o modelo dobrou a nota de previsão do modelo base em quatro horas e meia.
É um resultado pequeno com implicação grande. Um modelo que melhora o desempenho de outro modelo em uma tarefa específica, sem supervisão, por algumas horas, é um modelo que pode ser apontado para um repositório com a instrução de torná-lo melhor. Se faz isso de forma confiável é outra pergunta, e a tabela de benchmarks é onde você olharia.
A parte que quase ninguém mencionou
O Inkling 2 Small inclui um codificador de visão, e ele responde por 292 milhões dos 594 bilhões de parâmetros. É um erro de arredondamento na contagem de parâmetros e uma capacidade significativa na prática: o modelo consegue olhar para o que produziu.
O exemplo que o laboratório dá é montar uma loja de comércio eletrônico. O modelo escreve o site e depois confere as páginas de produto renderizadas para ver se aparecem corretamente, em vez de apenas ler o próprio código em busca de bugs. Isso fecha um ciclo que modelos de programação costumam deixar aberto. A maioria dos agentes sabe dizer que o build passou. Menos conseguem dizer que a página está errada.
O mesmo ciclo aparece na geração de imagens, onde o modelo pode verificar visualmente a qualidade dos gráficos que produz. Visão como canal de verificação, e não como modalidade de entrada, é uma escolha de design subestimada, e é o tipo de coisa que importa mais conforme os agentes assumem tarefas longas em que a falha é visível, mas não textual.
Benchmarks, e a alegação colada neles
Os números publicados colocam o Inkling 2 Small à frente do Spark Open, do Kimi K3 e de vários outros modelos abertos em três benchmarks de trabalho de conhecimento, e à frente em vários conjuntos de tarefas financeiras. A Artificial Analysis diz que ele iguala o Gemini 3.8 Flash em esforço alto de raciocínio no índice dela, e que, quando os pesos saírem, será o modelo aberto mais forte fora da China.
Essa segunda oração faz muito trabalho, e é uma alegação sobre um modelo que você ainda não pode baixar.
Há também uma sutileza de calendário. Em 4 de novembro, a Ricursive lançou o Ripple-65B Preview, um modelo denso Apache 2.0 que assumiu o topo entre os modelos abertos dos Estados Unidos no Terminal-Bench 2.1, com 80,52. O card do Inkling 2 Small, segundo relatos, o coloca em 81,3 no mesmo benchmark com o mesmo harness Terminus. Ou seja, o recorde mudou duas vezes em dois dias, e apenas um dos dois vem com arquivos para baixar.
Por que segurar os pesos é defensável
A razão declarada são os testes externos de segurança e o red-teaming antes do lançamento. É uma prática legítima. Também é, neste mercado, uma proteção.
Liberar pesos é irreversível. Um laboratório que os publica não consegue recolhê-los se uma capacidade se revelar mais perigosa em combinação com outra coisa. Esperar uma semana custa quase nada comercialmente, porque a API está no ar e a receita começa imediatamente. Dá ao laboratório uma narrativa pública de segurança e uma chance de recuar da data se algo der errado.
O custo de esperar é que a alegação fica não verificável. “Melhor modelo aberto fora da China” é uma frase de marketing até existir um torrent. Cada semana de atraso transforma um lançamento de produto em promessa, e promessas são descontadas exatamente na medida da incerteza que carregam.
O laboratório por trás
O contexto comercial é barulhento. O Business Insider reportou que a Thinking Machines está captando US$ 5 bilhões com valuation pré-money de US$ 40 bilhões, com a Accel em conversas para liderar, o que mais que triplicaria o valuation da última rodada pública. A empresa levantou uma seed de US$ 2 bilhões a mais de US$ 10 bilhões no ano passado, e uma tentativa anterior de captar a US$ 50 bilhões teria terminado sem acordo.
Cerca de um terço do time fundador saiu, incluindo Barret Zoph, Luke Metz e Andrew Tulloch. É muita saída para uma empresa tão jovem, e soa estranho ao lado de um valuation de US$ 40 bilhões. O contra-argumento é que um laboratório de pesquisa não é uma banda, e o que importa é se a receita de treino se transfere para quem ficou.
O timing do lançamento do modelo e da notícia de captação não é coincidência. Um recorde em uma tabela de pesos abertos, uma receita de treino documentada e uma demonstração de capacidade envolvendo melhoria autônoma de modelo são exatamente o pacote que se mostra a investidores convidados a precificar um laboratório em 40 vezes a rodada anterior.
O quadro mais amplo
Na mesma semana, os dados de pagamento da Ramp mostraram volume de tokens de IA corporativa em alta de 37,1% enquanto o gasto subia 8,9%, com cerca de 1% das empresas respondendo por 80% do gasto e essa coorte do topo escorregando abaixo do pico do verão.
Um laboratório que vende um modelo de 594B nesse mercado precisa responder a uma pergunta dura: quem paga? O cliente de agente de programação é o que tem orçamento hoje. Isso explica por que todo lançamento de modelo neste ciclo abre com SWE-bench, Terminal-Bench e trabalho de conhecimento, e por que a história de ajuste fino importa tanto quanto o model card. Se o seu modelo consegue melhorar o modelo menor de um cliente em quatro horas, você vende um serviço, não um checkpoint.
O Inkling 2 Small parece um modelo forte. O teste útil chega quando o tarball chegar. Até lá, o resumo honesto é que a Thinking Machines publicou um conjunto muito bom de resultados, uma receita de treino que vale a leitura, uma capacidade genuinamente subestimada e uma data com a qual não se comprometeu.
Artigos relacionados
O Antigravity levou os agentes para a nuvem. O que fica de fora é o seu setup local
A versão 2.29 do Antigravity coloca o agente em uma VM na nuvem que sobrevive ao seu laptop e usa voz para aprovar permissões. O setup local não vai junto.
A NVIDIA abriu quatro modelos de mundo de 16B. O que ninguém mediu é o aprendizado de política
Quatro modelos de mundo abertos de 16B e um decodificador que emite geometria de uma só vez. A NVIDIA entregou as duas metades, mas admitiu que falta medir o aprendizado de política.
Quatro dos repositórios em alta no GitHub são bibliotecas de skills. O problema agora é empacotar
Skills de agente ocupam mais de um quarto das tendências do GitHub, vindas da Anthropic, Google e Cloudflare. O formato é simples; o empacotamento é um caos de quatro caminhos.
Um modelo denso de 65B vence rivais até oito vezes maiores. A conta é a verdadeira notícia
Um modelo denso de 65B da Ricursive lidera o Terminal-Bench 2.1 à frente de rivais de 500B ou mais. O número mais importante não é a nota, e sim os US$ 32 milhões gastos.