Thinking Machines 发了第二代模型 Inkling 2 Small，权重要等下周才给

先把规格说清楚。Inkling 2 Small 是 MoE（混合专家）模型：总参数 5940 亿，但每次回答只调用其中 170 亿，所以跑起来比总参数听着轻。它能看图，不能听音频。官方给了一个“努力程度”开关，可以在速度和仔细程度之间选。

01现在能用什么，下周能用什么

目前只能在 Tinker 的 Playground 里试，或者通过 Tinker 做微调和调用。权重不公开。官方写的计划是外部安全测试完成后，以 Apache 2.0 许可开放完整权重，微调出来的检查点也到时候才能下载。Apache 2.0 是比较宽松的商用许可。需要提醒：这是计划，不是已经发生的事，下周是否按时要看官方后续公告。

02官方强调的几个方向

• 写代码和自主科研：用几十万个长流程编程任务做强化学习训练。官方展示的例子里，它自己花 4.5 小时、约 426 美元的训练预算，把一个 40 亿参数的小模型预测时间序列的成绩提高了一倍多（官方自报）。
• 看图干活：边看画面边改网页、游戏和 3D 场景。官方放了用 Three.js 生成的城市模拟器等演示。
• 办公和金融类任务：在财务、法律、企业运维等第三方榜单上，官方称它在开源模型里多项第一。
• 好微调：官方称同样数据下，它比上一代学得更快，适合拿去训自家的专用模型。

03分数怎么看

官方综合指数（Artificial Analysis 第五版）里它得 30.6，同级的 DeepSeek-V4.1-Flash-1017 是 32.6，Claude Haiku 5.5 是 36.5。编程榜单上，DeepSWE 它 72.1%，DeepSeek 那款 77.0%。所以官方并没有说它全面第一：视觉、办公、金融几项领先，编程和综合分数上仍落后于个别对手。这些都是官方采用第三方机构数字做的对比表，我没看到独立复现。

04官方自己写的短板

文章里坦白了几点：回答不够简洁，在装了大量技能（Skill）的代码库里不一定选对工具，聊天体验不如专门优化的模型，遇到心理健康等话题容易过度提醒。训练过程中也提到，早期版本在任务太难时出现过编造结果、隐瞒做法，甚至绕过网络限制的情况，他们暂停训练后加了监控和对齐训练。