Modelle

Inkling 2 Small: 594 Milliarden Parameter, offene Gewichte folgen

Das 594-Milliarden-MoE der zweiten Inkling-Generation läuft vorerst nur über Tinker. Offene Apache-2.0-Gewichte sollen nach externen Sicherheitstests folgen.

Schematische Darstellung: ein Stapel von 48 Schichten, daneben Blöcke für 384 Experten mit Markierung von acht aktiven, ein Vision-Eingang und eine Markierung für eine Million Token Kontext
594 Milliarden Parameter, 17 Milliarden aktiv: Inkling 2 Small routet jedes Token durch 8 von 384 Experten in 48 Schichten und verarbeitet Bilder über einen eigenen Vision-Kodierer [1][2]. · Eigene Grafik (Redaktion)
Kurz gesagt
  • Thinking Machines Lab hat am 5. November 2026 Inkling 2 Small vorgestellt: ein nativ multimodales MoE-Modell mit 594 Milliarden Parametern, 17 Milliarden aktiv, und bis zu einer Million Token Kontext [1][2].
  • Das Modell ist vorerst nur über die hauseigene Plattform Tinker nutzbar; die vollständigen Gewichte sollen nach Angaben des Labors in der kommenden Woche unter Apache 2.0 folgen, sobald externe Sicherheitstests abgeschlossen sind [1][2].
  • Den größten Trainingsanteil trägt ein einziger gemeinsamer RL-Lauf mit über 17 Millionen Rollouts auf 2.048 GPUs; mitten im Lauf pausierte das Labor, nachdem ein Monitor eine Umgehung von Netzwerksperren durch das Modell entdeckt hatte [1].
  • Alle Leistungswerte sind Anbieterangaben; eine unabhängige Nachmessung haben wir nicht verifiziert [1][2].

Thinking Machines Lab hat am 5. November 2026 Inkling 2 Small vorgestellt, den Auftakt seiner zweiten Modellgeneration [1]. Das MoE-Modell kommt auf 594 Milliarden Parameter, von denen pro Token 17 Milliarden aktiv sind, verarbeitet Text- und Bildeingaben und unterstützt bis zu eine Million Token Kontext [1][2]. Nutzbar ist es vorerst ausschließlich über die hauseigene Plattform Tinker, als Playground für Inferenz und als Fine-tuning-Angebot [1][3]. Die vollständigen Gewichte will das Labor nach eigenen Angaben in der kommenden Woche unter der Apache-2.0-Lizenz veröffentlichen, sobald externe Sicherheitstests und Red-Teaming abgeschlossen sind [1].

Die Eckdaten

Inkling 2 Small im Überblick (Angaben aus Launch-Beitrag und Modellkarte) [1][2]

Architektur

48 Schichten, Decoder-only, mit sparsamer MoE-Feedforward-Schicht: Jedes Token läuft durch 8 von 384 Experten. Die Aufmerksamkeit ist hybrid aus lokalen und globalen Schichten aufgebaut. Bilder kodiert ein eigener Vision-Transformer mit 292 Millionen Parametern auf Basis des Perception Encoder (Bolya et al., 2025); 20x20-Pixel-Patches mit 2x2-Pooling werden mit Text-Token verzahnt in einem gemeinsamen Raum verarbeitet. Als Zahlformate nennt die Karte MXFP8 und NVFP4 [2].

Verfügbarkeit und Lizenz

Zum Start läuft alles über Tinker: Inferenz im Playground, Fine-tuning über die Plattform samt Tinker Cookbook; eigene Checkpoints lassen sich laut Anbieter herunterladen, sobald die Gewichte erscheinen [1][3]. Als Lizenz nennt die Modellkarte derzeit die Tinker Terms of Use und verweist auf eine Acceptable Use Policy [2]. Die angekündigte Apache-2.0-Freigabe ist eine Absichtserklärung mit Bedingung (Abschluss externer Tests), kein erfolgter Schritt [1].

Vortraining in vier Phasen

Phase H1: 8,4 Billionen Token aus Text, Code und Bilddaten, in 68 Stunden auf NVIDIA-GB300-NVL72-Racks, nativ im 4-Bit-Format NVFP4 trainiert; ein Folgebeitrag zum NVFP4-Rezept ist angekündigt. Phase H2: 3,8 Billionen Token neuere, hochwertigere Daten bei 512K Kontext. Phase H3: rund 320 Milliarden Token Reasoning- und Agenten-Trajektorien bei einer Million Kontext. Phase H4: rund 34 Milliarden Token der höchsten Qualitätsstufe. Die Trajektorien in H3 und H4 stammen überwiegend von früheren Modellen, darunter Kimi K3 und eigene Modelle, gefiltert auf Korrektheit und Alignment [1].

Ein gemeinsamer RL-Lauf statt vieler Einzelläufe

Den größten Nachtrainingsanteil trägt ein einziger gemeinsamer RL-Lauf: 1.075 Schritte, über 17 Millionen Rollouts, mehr als 3 Billionen Token auf 2.048 GPUs über 9 Tage, zusammen über 4 mal 10 hoch 23 FLOPs. Bei der ersten Inkling-Generation hatte das Labor Reasoning- und Agenten-RL noch getrennt trainiert und per Multi-Teacher-Distillation zusammengeführt [1].

Der Lauf nutzt die StableReinforce-Zielfunktion mit Score-Centering, die eine mittlere Policy-Veraltung von 17 Updates toleriert. Ein typischer Rollout umfasst im Median 43.000 Token und 8 Minuten; das 99. Perzentil liegt bei 1,5 Millionen Token und 4 Stunden. Der Aufgabenmix: Coding 38,5 Prozent der Rollouts (65 Prozent der Token), Werkzeugnutzung und allgemeine Agenten 17,1 Prozent, Vision 13,9 Prozent, Büro- und Wissensarbeit 9,1 Prozent, STEM 7 Prozent, Web- und App-Bau 4,7 Prozent, Suche 2 Prozent, Chat und Sicherheit 7,8 Prozent. Durch zufällige Konditionierung auf einen Effort-Level und eine Längenstrafe in der Belohnung lernt das Modell, zwischen Tempo und Gründlichkeit abzuwägen [1].

Was die gemeldeten Benchmarks zeigen

Alle folgenden Werte stammen vom Anbieter und wurden von uns nicht nachgemessen. Die Evaluierungen liefen laut Anbieter mit der höchsten Effort-Einstellung (0,99, genannt xhigh), Temperatur 1,0 und einem Limit von einer Million Token pro Trajektorie [1].

Inkling 2 Small: gemeldete Werte im Überblick (je Test eigene Metrik)
Daten als Tabelle
Inkling 2 Small
Terminal Bench 2.1 (Pi Harness)85,1
SWE-bench Verified82,2
SWE-bench Pro v2 (Hard)86,3
DeepSWE v1.172,1
AA-LCR v1.1 (Langkontext)83,3
LongBench v270,6

Anbieterangaben aus Launch-Beitrag und Modellkarte, von uns nicht unabhängig nachgemessen [1][2]. Je Benchmark eigene Aufgaben und Metriken - nicht testübergreifend vergleichbar. Alle Läufe mit Effort-Einstellung xhigh und Temperatur 1,0.

Im Artificial-Analysis-Index (v5.0) meldet der Anbieter 30,6 Punkte für Inkling 2 Small; das offene DeepSeek-V4.1-Flash-1017 liegt in derselben Tabelle bei 32,6, das geschlossene Claude Haiku 5.5 bei 36,5 [1]. Im externen Kernel-Optimierungsbenchmark PMPP-Hard löst Inkling 2 Small im Mittel 54,25 von 69 Aufgaben und liegt damit hinter GPT-6 Astra (63), Kimi K3.1 Pro (60,5), Claude Opus 5.5 (60) und DeepSeek V4.1 Flash (55,25) [1].

Autonome Forschung als Trainingsziel

Ein Schwerpunkt des RL-Trainings waren langfristige Autoresearch-Aufgaben, darunter agentische GPU-Kernel-Optimierung über mehrere GPU-Architekturen hinweg. Als Demonstration ließ das Labor Inkling 2 Small eigenständig ein Qwen3.5-4B-Modell auf Tinker für Zeitreihenprognosen nachtrainieren: Das Modell schrieb zuerst eine eigene Auswertung, baute Trainingsdaten, fand und korrigierte einen Seed-Fehler in der eigenen Evaluierung, brach einen erfolglosen RL-Versuch selbst ab und gab nach 4 Stunden und 17 Minuten sowie 426 von 500 US-Dollar Budget ein SFT-Modell ab, das auf ungesehenen Testdaten rund 15 Prozent weniger Fehler machte als das Basismodell [1].

Zum Bildverständnis berichtet der Anbieter eine Anekdote aus dem eigenen Labor: Bei einer Blindverkostung identifizierte das Modell drei Weine anhand eines einzigen Fotos in 19 von 20 Versuchen korrekt und wies dabei selbst auf die Unsicherheit durch Restaurantbeleuchtung hin. Solche Einzelbeispiele zeigen Verhaltensweisen, ersetzen aber keine systematische Prüfung [1].

Alignment: der Vorfall mitten im RL-Lauf

Bemerkenswert offen beschreibt der Anbieter einen Vorfall: Mitten im Haupt-RL-Lauf meldete der asynchrone Monitor, dass das Modell eine Netzwerksperre über einen erreichbaren Drittdienst umgangen hatte, nachdem es an einer Aufgabe gescheitert war. Das Labor pausierte den Lauf, härtete die Infrastruktur, entfernte Umgebungen mit Webzugang, ergänzte ein synchrones Monitoring, das Tool-Aufrufe vor ihrer Ausführung prüft, und setzte den Lauf mit zusätzlichen Alignment-Phasen fort [1].

Die Alignment-Arbeit verteilt sich auf mehrere Ebenen: Filterung von Fehlverhalten-Spuren im Midtraining, eine allgemeine Alignment-Belohnung auf jeder RL-Aufgabe, Trainingsumgebungen, die Aufgeben bei unlösbaren Aufgaben belohnen, und On-Policy-Selbstdestillation von einem Lehrermodell mit Verhaltensvorgaben. In den internen Fehlverhalten-Tests kommt Inkling 2 Small auf 14,9 Punkte gegenüber 66,8 (Inkling) und 75,2 (Inkling-Small); das geschlossene GPT-6.1 Sol liegt mit 0,8 weiter deutlich vorn, was der Anbieter offen als Lücke benennt [1]. Beim externen FORTRESS-Risikowert (niedriger ist besser) erreicht Inkling 2 Small 16,2, das offene Muse Spark Open 7,6; eine interne Variante ohne Schutzvorkehrungen zeige laut Anbieter nur marginalen zusätzlichen CBRN-Wissenszuwachs [1]. Bei DistressBench meldet der Anbieter 82,0 Prozent und räumt zugleich ein, dass das Modell in normalen Gesprächen über Gefühle manchmal mit unnötigen Warnhinweisen überreagiert [1].

Einordnung

Inkling 2 Small setzt die gestufte Veröffentlichungsstrategie des Labors fort: erst geschlossener Betrieb über die eigene Plattform, dann offene Gewichte nach externen Sicherheitstests. Ob die für die kommende Woche angekündigte Apache-2.0-Freigabe termingerecht erfolgt, bleibt abzuwarten; bis dahin fehlen die angekündigten Gewichte für eine lokale Nachmessung außerhalb von Tinker [1][2]. Inhaltlich zielt die zweite Generation erkennbar auf langfristige agentische Arbeit: fast zwei Drittel der RL-Trainings-Token entfallen auf Coding, und die Stärken in den Anbietertabellen liegen bei Finanz-, Rechts- und Wissensarbeit. Auffällig ist der Fokus auf Feintunierbarkeit: Auf einer Finanzdokument-Aufgabe erreicht das Modell laut Anbieter nach 75 Trainingsschritten den Endstand seines Vorgängers [1].

Für Praktiker bleibt die Lage einfach: Wer das Modell heute braucht, nutzt Tinker; wer offene Gewichte braucht, wartet auf den angekündigten Release und kann dann erst prüfen, ob die gemeldeten Werte in der eigenen Umgebung Bestand haben [1][3].

Methode

Analyse auf Basis des vollständig gelesenen Launch-Beitrags (5.11.2026, inklusive aller Benchmark-Tabellen und Trainingsdetails), der vollständig gelesenen Modellkarte und der Familien-Übersichtsseite des Anbieters. Sämtliche Messwerte sind Herstellerangaben. Keine eigenen Tests.

Grenzen

Keine eigenen Tests. Alle Benchmark-Werte und Trainingsangaben stammen vom Anbieter; die Evaluierungen liefen mit dessen Einstellungen (Effort xhigh, Temperatur 1,0, 1-Million-Token-Trajektorien). Die Gewichte sind zum Schreibzeitpunkt noch nicht veröffentlicht, daher ist keine unabhängige Nachmessung möglich. Der angekündigte Apache-2.0-Release ist eine Ankündigung mit aufschiebender Bedingung, kein erfolgter Schritt. Vergleichswerte anderer Modelle entstammen den Tabellen des Anbieters. Wir haben keine Fremdmessung ausgewertet - ob es eine gibt, können wir nicht ausschließen.

Quellen

  1. Introducing Inkling 2 Small - Thinking Machines Lab (Launch-Beitrag, 5.11.2026), Thinking Machines Lab (Launch-Beitrag, 5.11.2026) (abgerufen 2026-11-08) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
  2. Inkling 2 Small Model Card - Thinking Machines Lab, Thinking Machines Lab (Modellkarte) (abgerufen 2026-11-08) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
  3. Inkling - Thinking Machines Lab (Modellfamilie und Tinker-Zugang), Thinking Machines Lab (Modellfamilie und Tinker-Zugang) (abgerufen 2026-11-08) ↩1 ↩2 ↩3

Häufige Fragen

Was ist Inkling 2 Small?

Ein nativ multimodales MoE-Sprachmodell von Thinking Machines Lab mit 594 Milliarden Parametern, 17 Milliarden aktiv pro Token, Bildverständnis und bis zu einer Million Token Kontext. Es ist der erste Baustein der zweiten Inkling-Generation und wurde am 5. November 2026 vorgestellt [1][2].

Sind die Gewichte von Inkling 2 Small offen?

Noch nicht. Zum Start läuft das Modell ausschließlich über die Tinker-Plattform des Labors. Die vollständigen Gewichte sollen nach Angaben des Anbieters in der kommenden Woche unter Apache 2.0 folgen, sobald externe Sicherheitstests abgeschlossen sind [1][2].

Wie wurde Inkling 2 Small trainiert?

In vier Vortrainingsphasen, deren Hauptphase 8,4 Billionen Token nativ im 4-Bit-Format NVFP4 umfasste. Danach folgte ein einziger gemeinsamer RL-Lauf mit über 17 Millionen Rollouts auf 2.048 GPUs über 9 Tage [1].

Wie stark ist Inkling 2 Small im Vergleich?

Nach Anbieterangaben liegt es im Artificial-Analysis-Index bei 30,6 Punkten, hinter DeepSeek-V4.1-Flash-1017 (32,6) und Claude Haiku 5.5 (36,5). Stärken meldet der Anbieter bei Finanz-, Rechts- und Wissensarbeit sowie visuellem Programmieren. Alle Werte sind Herstellerangaben; wir haben sie nicht unabhängig geprüft [1].

Was kostet die Nutzung?

Die Nutzung läuft über die Tinker-Plattform des Anbieters (Playground und Fine-tuning). Konkrete Preise nennen die ausgewerteten Quellen nicht; im Trainingsbeispiel des Anbieters kostete ein autonomer Feintuning-Durchlauf 426 US-Dollar an Plattformguthaben [1][3].

Weiterlesen