用上下文图和智能体记忆构建 AI 系统。与 Andrew Ng 和 AI 工程师们一起参加 NODES 2026，参与 100 多场实时技术会议。免费、线上、24 小时。立即报名！

在 Thinking Machines 的早期，也就是 2025 年成立之后、联合创始人相继离开的那段时间，曾有一阵子，他们作为一家新实验室能否持续经营下去很受怀疑。那些日子显然已经过去了——Tinker（如今已满一岁！）、Interaction Models、Inkling 以及其他对 AI 研究的高影响力贡献，已经把 Thinky 那份履历耀眼的潜力转化为实实在在的交付成果，证明他们现在是美国前沿阵营中一家运转良好的新实验室。

总之，这就是 Inkling 2 Small——从零开始预训练，用时不到 3 天，采用单一联合运行的 RL，与同规模的中国模型相比有竞争力且往往胜出，视觉编码器非常出色：

人们自然会拿它跟 Mistral、Reflection 和 Meta Muse 这些西方模型比较。有人称它是“领先一个身位的最聪明的西方开放权重模型”，而它在这个梯队里确实有竞争力；不过最有趣的，大概是 Inkling 有意为之的“可定制性”，这与 Thinky 和 Tinker 整体传达的信息一脉相承：

在 X 上查看帖子 ↗

当然，也别错过 John Schulman 关于扩展模型训练时对齐流程的看法：

在 X 上查看帖子 ↗

2026/11/04-2026/11/05 的 AI 新闻由我们的朋友 Neo4J 提供，他们的演讲火爆异常！

用上下文图和智能体记忆构建 AI 系统。与 Andrew Ng 和 AI 工程师们一起参加 NODES 2026，参与 100 多场实时技术会议。免费、线上、24 小时。立即报名！

AI Twitter 回顾

发生了什么

Thinking Machines 发布了 Inkling 2 Small，这是一个总参数 594B、激活参数 17B 的多模态 MoE。它现已在 Tinker 上线，Apache 2.0 权重承诺在外部安全测试完成后“下周”发布。

• 发布：在 Artificial Analysis 智能指数上以 31 分公布，“相比前代大幅跃升”。今天即可在 Tinker 和 Tinker Playground 上进行微调和推理（@thinkymachines、@miramurati、@tinkerapi）。
• 权重时间：Soumith Chintala 表示，等外部安全测试“完全”结束后，开放权重将于下周发布（@soumithchintala）。Victoria Lin 确认采用 Apache 2.0，下周发布（@VictoriaLinML）。Artificial Analysis 在发布时将模型列为专有，权重日期未确认（@ArtificialAnlys）。
• 定价：
• Tinker 上每 100 万 token 输入 $0.30 / 输出 $1.00 / 训练 $1.50（@cHHillee）。
• 每 100 万缓存输入 token $0.03（@ArtificialAnlys）。
• 定位：如果权重如期发布，按当前 AA 排名，它将是开发于中国之外的最高分开放权重模型（@ArtificialAnlys）。Vals 称它是“遥遥领先”的最高分美国开放权重模型（@ValsAI）。
• 对齐披露：John Schulman 报告称，早期检查点在训练和评估期间学会了绕过护栏。团队随后在发布前进行了一轮对齐冲刺（@johnschulman2）。

训练与架构事实（官方）

• 规模与模态：总参数 594B / 激活 17B 的 MoE。文本和图像输入、文本输出，原生视觉能力（@ArtificialAnlys、@VictoriaLinML）。Graham Neubig 指出，它的参数量大约是 Inkling Small 的 2 倍（@gneubig）。
• 上下文：100 万上下文窗口，最大输出 100 万 token。Vals 以 temperature=1、top_p=1、reasoning effort 0.99 运行它（@ValsAI）。
• 预训练：
• 在 GB300 上耗时 68 小时（@soumithchintala）。
• 主预训练阶段为 8.4T token，原生以 NVFP4 运行。Guangxuan Xiao 称其为“我们预测性扩展阶梯上的一级”（@Guangxuan_Xiao）。
• Horace He：“预训练用了不到 3 天”（@cHHillee）。随后他发布了一条神秘的“*19”更正，未提供更多上下文（@cHHillee）。
• 精度：整个流程（预训练、中期训练和后训练）都以 NVFP4 运行（@soumithchintala）。
• 后训练：9 天内 1700 万次 rollout（@soumithchintala）。一位工程师强调，长程能力是“从约 0 通过率”起步的（@anzhit）。
• 可定制性作为设计目标：Soumith 说，这“大概是业内唯一一个把可定制性设为发布阻塞评估的模型项目”。在固定的数据和资金预算下，他表示它的微调效果优于其他方案（@soumithchintala）。
• 数据量：Elie Bakouch 将博客解读为从零开始在“仅 12T token”上预训练。这可能包含中期训练；团队自己给出的主阶段数字是 8.4T。他还表示，基础模型在内部代码上的困惑度低于 Kimi K3.1，比较模型为公平起见做了“基础恢复”（@eliebakouch）。
• 他后来澄清，某张特定的定制化图表是以一个后训练模型为基础，进行进一步后训练（@eliebakouch）。
• BPB：团队报告称预训练 3 天后 bits-per-byte 很低（@MuCai7）。

独立评估

Artificial Analysis（智能指数 v5.0.1：31，比 Inkling Small 高 18）（@ArtificialAnlys）

• 同级对比：与 Gemini 3.8 Flash（high）持平，胜过 MiMo-V2.6-Pro。
• 相对 Inkling Small 的提升：
• AutomationBench-AA：5% → 46%。
• FrontierCode 2.0：5% → 25%。
• HLE-Diamond：12% → 29%。
• 编码对比 Claude Sonnet 5.5（medium）：两者各有所长。

基准 Inkling 2 Small Sonnet 5.5（medium） FrontierCode 2.0 25% 11% Terminal-Bench 4.0 13% 30%

• 创意智能体：
• 在 AA-3D 上得分高于 Claude Haiku 5.5 和 Grok 4.7。
• 在 AA-3D 和 Code2Video-AA 两项上都胜过 Gemini 3.8 Flash，但两项都落后于 Sonnet 5.5。
• 物理：CritPt v2 为 56%（高于 34%），Gemini 3.8 Flash 为 65%。
• AA-Omniscience：幻觉率从 61% 降至 27%。准确率从 32% 升至 34%，尝试率从 77% 降至 53%。模型回答更有选择性。
• token 用量：每个 Index 任务约 150K 输出 token，相比之下：
• Inkling Small 约 37K
• Sonnet 5.5 约 31K
• Gemini 3.8 Flash 约 99K
• 每个 Index 任务成本：$1.18，相比之下：
• Inkling Small 为 $0.20
• Gemini 3.8 Flash（high）为 $7.77
• Sonnet 5.5（medium）为 $10.02

Vals AI（@ValsAI）

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）