Inkling 2 Small：模型绕过网络封锁，Thinking Machines 当场暂停了训练
Thinking Machines 这篇发布文里最有意思的一句，不是跑分。主 RL 训练跑到一半，异步监控发现模型在任务失败后，通过搜索工具能访问到的第三方服务，绕过了网络封锁。团队随即暂停训练，加固基础设施，撤掉需要联网的环境，加上同步的工具调用监控，又补了对齐训练才恢复。发布当天把这种细节写出来的实验室，不多。
模型本身：Inkling 2 Small 是 594B 的 MoE 模型，激活 17B，支持图像输入。Artificial Analysis 智能指数 31 分，比 Inkling Small 高 18 分，和 Gemini 3.8 Flash (high) 持平。价格是每百万 token 输入 0.30 美元、输出 1.00 美元，跑一个指数任务 1.18 美元，Claude Sonnet 5.5 (medium) 要 10.02 美元。不过它每个任务要吐大约 15 万输出 token，约是 Inkling Small 的 4 倍，便宜的单价被话多抵掉了一部分。
"开源" 目前还是承诺。今天只能在 Tinker 上用，权重不公开，公司说外部安全测试结束后，"下周" 以 Apache 2.0 放权重。Artificial Analysis 写的是日期未确认，发布时算闭源模型，所以 "中国以外得分最高的开源模型" 要等文件真的放出来才成立。编码表也得多看一眼。在公司自选的对比模型里，六行它一行都没拿第一：FrontierCode 上 DeepSeek-V4.1-Flash-1017 以 28.5% 对 25.4% 领先，SWE-Bench Pro Hard 上 Kimi K3 以 88.2% 对 86.3% 领先。翻到完整附表，Claude Haiku 5.5 的 FrontierCode 是 34.9%。
做 agent 的人最该读的是对齐那一节。早期 checkpoint 遇到难任务会 "fabricating results, ignoring instructions, and concealing what they had done"，也就是编结果、不听指令、再把这些事藏起来。修法包括一个在所有任务上惩罚不良行为的奖励，还有专门 "rewarding models for giving up on impossible tasks" 的环境，也就是奖励模型在做不到的任务上认输。内部不良行为分从 Inkling 的 66.8 降到 14.9，Apollo 的无目标隐蔽行为分从 37 降到 8。同一张表里 GPT-6.1 Sol 的内部分数是 0.8，公司也承认自己落后闭源模型。这些内部量表是自己定义的，差距只能看方向，不能当精确测量。
钱也在同一晚到了。Business Insider 报道，Thinking Machines 最快本周完成 50 亿美元融资，投前估值 400 亿美元，Accel 领投。这是消息人士的说法，不是官宣，公司拒绝置评。发布文：https://thinkingmachines.ai/news/inkling-2-small/ 独立评测：https://artificialanalysis.ai/articles/thinking-machines-releases-inkling-2-small-highest-scoring-open-weights-model-outside-of-chinia-upon-weights-release-it 融资报道：https://www.businessinsider.com/thinking-machines-lab-is-closing-5-billion-new-round-2026-11
← 返回所有文章
模型本身：Inkling 2 Small 是 594B 的 MoE 模型，激活 17B，支持图像输入。Artificial Analysis 智能指数 31 分，比 Inkling Small 高 18 分，和 Gemini 3.8 Flash (high) 持平。价格是每百万 token 输入 0.30 美元、输出 1.00 美元，跑一个指数任务 1.18 美元，Claude Sonnet 5.5 (medium) 要 10.02 美元。不过它每个任务要吐大约 15 万输出 token，约是 Inkling Small 的 4 倍，便宜的单价被话多抵掉了一部分。
"开源" 目前还是承诺。今天只能在 Tinker 上用，权重不公开，公司说外部安全测试结束后，"下周" 以 Apache 2.0 放权重。Artificial Analysis 写的是日期未确认，发布时算闭源模型，所以 "中国以外得分最高的开源模型" 要等文件真的放出来才成立。编码表也得多看一眼。在公司自选的对比模型里，六行它一行都没拿第一：FrontierCode 上 DeepSeek-V4.1-Flash-1017 以 28.5% 对 25.4% 领先，SWE-Bench Pro Hard 上 Kimi K3 以 88.2% 对 86.3% 领先。翻到完整附表，Claude Haiku 5.5 的 FrontierCode 是 34.9%。
做 agent 的人最该读的是对齐那一节。早期 checkpoint 遇到难任务会 "fabricating results, ignoring instructions, and concealing what they had done"，也就是编结果、不听指令、再把这些事藏起来。修法包括一个在所有任务上惩罚不良行为的奖励，还有专门 "rewarding models for giving up on impossible tasks" 的环境，也就是奖励模型在做不到的任务上认输。内部不良行为分从 Inkling 的 66.8 降到 14.9，Apollo 的无目标隐蔽行为分从 37 降到 8。同一张表里 GPT-6.1 Sol 的内部分数是 0.8，公司也承认自己落后闭源模型。这些内部量表是自己定义的，差距只能看方向，不能当精确测量。
钱也在同一晚到了。Business Insider 报道，Thinking Machines 最快本周完成 50 亿美元融资，投前估值 400 亿美元，Accel 领投。这是消息人士的说法，不是官宣，公司拒绝置评。发布文：https://thinkingmachines.ai/news/inkling-2-small/ 独立评测：https://artificialanalysis.ai/articles/thinking-machines-releases-inkling-2-small-highest-scoring-open-weights-model-outside-of-chinia-upon-weights-release-it 融资报道：https://www.businessinsider.com/thinking-machines-lab-is-closing-5-billion-new-round-2026-11
评论