HaiAI123

全球AI工具精选导航

发酵中行业动态
↑ 19%

Thinking Machines Lab 开源 Inkling 2 Mini,模型卡推荐 32GB 内存

2026/11/21 — 11/22 09:13·10 个来源(全部)·18 篇报道(全部)·入选 11-22 日报·入选 11-21 日报

核心速览 (Key Takeaways)

  • Thinking Machines Lab 于 11 月 20 日以 Apache 2.0 许可开源多模态模型 Inkling 2 Mini,总参数 26.4B,采用循环 Transformer 结构,权重约 20GB,可本地运行。
  • 官方称笔记本可跑,演示使用 48GB 内存的 MacBook Pro,模型卡推荐 32GB 及以上内存的 Apple silicon,其它 GPU 建议 32GB 及以上显存。
  • 激活参数各信源说法不一:Artificial Analysis 称约 5.4B,TestingCatalog 与智东西称 3.4B。

事件背景与详细解读

Thinking Machines Lab 于 2026 年 11 月 20 日发布开源权重模型 Inkling 2 Mini,官方称这是一款速度快、可在笔记本上运行的循环 Transformer,权重约 20GB,并同时放出一款可变循环的研究版本。随后消息在 11 月 21 日经多家账号与媒体扩散:TestingCatalog 转述其总参数 26.4B、激活参数 3.4B,并因 looping 设计每 token 有 5.4B 权重激活;Artificial Analysis 给出的口径为 26B 总参数、5.4B 激活参数的 MoE,在 Intelligence Index 上得分 20。

在性能与成本上,Artificial Analysis 称该模型与 Qwen3.8 27B(xhigh)和 Nanbeige4.3-33B 在 Intelligence Index 上持平,激活参数分别少约 5 倍和 6 倍,同时以约 38% 更多的输出 token、约 2.8 倍更少的算力达到同等得分,其 24 层中有 12 层对每个 token 运行三次,平均每个任务输出约 152K token;单个 Intelligence Index 任务花费 0.59 美元、用时 9.0 分钟,而 Qwen3.8 27B 为 3.53 美元和 38.2 分钟,成本按 Thinking Machines 一方定价计算。官方称其在 DeepSWE v1.1 上以 48.2% 领先 100B 参数以下的开源模型,另有报道称其在 SWE-bench Verified 上得分 79.2%,模型支持最长 1M token 上下文、文本与图像输入,并具备 2.6 trillion 训练 token。

在发布与运行配置上,各报道存在分歧:TestingCatalog 称其占用约 20GB、在 AA Index 上得分 20.1;DEV Community 的一篇拆解写成 43 亿参数、14 层注意力重复运行 22 次,另一篇则与主流口径一致,称 12 个独立层循环复用三次形成 36 层等效深度。

AI 综合 18 篇报道生成 · 更新于 2 小时前

最新进展掘金一篇实测解析介绍了 Inkling 2 Mini,该 26.4B 参数模型将中间层循环执行 3 遍,从而能塞进 20GB 内存的笔记本。文章从本地代码模型场景出发,讨论小参数模型在多文件修改和智能体任务中推理链条易断的问题。

相关 AI 工具

updream
24 小时热度热度指数 596 · 峰值 681 · 10 小时前
24 小时前现在

这件事的报道 点标题看原文

今天
  1. 掘金一篇实测解析介绍了 Inkling 2 Mini,该 26.4B 参数模型将中间层循环执行 3 遍,从而能塞进 20GB 内存的笔记本。文章从本地代码模型场景出发,讨论小参数模型在多文件修改和智能体任务中推理链条易断的问题。

    看小模型如何用循环中间层换本地可跑

    掘金AI 评分 58
昨天
  1. Thinking Machines Lab 发布开源权重模型 Inkling 2 Mini,整模约占 20GB 内存,可在笔记本上离线运行;官方称其在 DeepSWE 等编码基准上领先所有 1000 亿参数以下的开源权重模型。它的做法是循环:中间层每生成一个 token 跑三次,模型为 MoE,总参数 26.4B、每 token 激活 3.4B。

    开源权重模型开始能在笔记本上跑出编码能力,值得关注其循环结构

    The Next WebAI 评分 54
  2. 据 MarkTechPost 报道,Thinking Machines 发布 Inkling 2 Mini,这是一个 26.4B 参数的循环 MoE Transformer,激活参数 3.4B,可在 32GB Mac 或单台 DGX Spark 上运行,在 SWE-bench Verified 上得分 79.2%。

    小内存本地就能跑 26B 模型,参数和 SWE-bench 成绩值得对照

    MarkTechPostAI 评分 64
  3. Thinking Machines 发布了开放模型 Inkling 2 Mini,它采用循环 Transformer 结构,每生成一个 token 时让 24 层中的 12 层重复计算三次,从而在不额外输出文字的情况下延长内部推理。据 The Decoder 报道,它在 Artificial Analysis 智能指数上与 Qwen3.8 27B 持平,成本约为后者的六分之一。

    小模型用循环计算换取推理深度的新路子

    The DecoderAI 评分 59
  4. Thinking Machines Lab 于 11 月 20 日以 Apache 2.0 许可发布多模态模型 Inkling 2 Mini,总参数 26.4B、激活参数约 3.4B–5.4B,支持最长 1M 上下文,主打在笔记本和本地 GPU 上运行。这篇工程拆解梳理了它的循环 MoE 架构、官方 API 价格,以及上线初期 vLLM 部署需要留意的内核兼容问题。

    快速了解新开源模型的规格与部署门槛

    DEV Community · AIAI 评分 59
  5. Thinking Machines Lab 于 11 月 20 日发布开源权重模型 Inkling 2 Mini,官方博客称可在笔记本上运行,权重大约 20GB,演示用的是 48GB 内存的 MacBook Pro。模型卡推荐 32GB 及以上内存的 Apple silicon,其它 GPU 建议 32GB 及以上显存。

    看本地跑这个开源模型到底要多少内存

    V2EXAI 评分 52
  6. 据智东西 报道,由前 OpenAI CTO 米拉·穆拉蒂联合创办的 Thinking Machines Lab 推出 27B 混合专家模型 Inkling 2 Mini,激活参数 3.4B,总内存占用约 20GB,可在消费级笔记本本地运行。该模型采用循环 Transformer 机制,让模型思考更多、输出更少,研究人员曾在 MacBook Pro 上离线运行,并在几分钟内构建出可玩的飞行模拟器,其在 DeepSWE v1.1 上得分 48.2%。

    小体积循环模型让本地运行 Agent 更现实。

    智东西AI 评分 74
  7. Thinking Machines Lab 发布开源权重模型 Inkling 2 Mini,参数规模 26.4 亿,采用 Apache 2.0 许可,体积约 20GB,可在笔记本上离线运行。此前两周推出的 Inkling 2 Small 参数达 5940 亿,普通设备难以运行。该文作者称尚未亲自实测。

    想在本地跑开源模型的人多了一个小体积选项

    DEV Community · AIAI 评分 68
  8. Thinking Machines Lab 于 11 月 20 日发布开源权重模型 Inkling 2 Mini,总参数 26.4B、每 token 激活 3.4B,12 个独立层循环复用三次形成 36 层等效深度,权重以 Apache 2.0 许可发布在 Hugging Face。该模型支持文本与图像、上下文最长 1M tokens,20 GB 内存即可运行,实验室称其在 DeepSWE v1.1 上以 48.2% 领先 100B 参数以下的开源模型。

    想在本地跑多模态开源模型的可关注

    DEV Community · AIAI 评分 59
  9. Thinking Machines Lab 发布开源权重模型 Inkling 2 Mini,43 亿参数,采用循环 Transformer 架构,14 层注意力重复运行 22 次,可在笔记本上运行。模型以 Apache-2.0 许可在 Hugging Face 公开权重、模型卡与推理代码,支持 100 万 token 上下文,在 Tinker 上每百万输入 token 收费 0.15 美元。

    小模型配新架构,笔记本即可承载 Agent 与编码任务。

    DEV Community · AIAI 评分 64
  10. 据 Artificial Analysis 称,Thinking Machines 已发布开放权重的 Inkling 2 Mini,其 5.4B 激活参数在 Intelligence Index 上得分 20,与 Qwen3.8 27B(xhigh)持平,激活参数约少 5 倍。该模型采用 looped transformer 结构。

    小激活参数追上大模型的最新第三方证据

    TechmemeAI 评分 53
  11. Thinking Machines Lab 发布开源权重模型 Inkling 2 Mini,这是一个 26.4B 总参数、3.4B 激活的循环 Transformer,占用约 20GB,可在笔记本上运行,在 AA Index 上得分 20.1。权重已上传 Hugging Face,并在 Tinker 提供推理与微调,SGLang、vLLM、Ollama 等首日支持。

    26B 开源权重,笔记本可跑的 Agent 模型

    TestingCatalogAI 评分 65
  12. Thinking Machines Lab 发布开放权重模型 Inkling 2 Mini,参数规模 26.4B,通过对中间层在每个 token 上循环三次,用更少的 token 换取更强的推理。官方称它速度很快,同时小到可以在笔记本上运行。

    小体积开源模型的新架构思路值得关注

    TechmemeAI 评分 67
  13. Artificial Analysis 数据显示,Inkling 2 Mini 完成一个 Intelligence Index 任务花费 0.59 美元、用时 9.0 分钟,Qwen3.8 27B 为 3.53 美元和 38.2 分钟,即约便宜 6 倍、快 4 倍。成本按 Thinking Machines 一方定价计算;GPT-6 Luna (max) 得 28 分,单任务 0.15 美元。

    用单任务价格和耗时直观对比两个模型的运行成本。

    X:Artificial Analysis (@artificialanlys)官方AI 评分 50
  14. Artificial Analysis 指出,在 Intelligence Index 得分相同时,Inkling 2 Mini 的输出 token 比 Qwen3.8 27B 多约 38%,但算力少约 2.8 倍。其 24 层中有 12 层对每个 token 运行三次,在不增加输出 token 的情况下增加算力,平均每个任务输出约 152K token。

    想看 looped 架构如何在 token 与算力之间取舍的人可以关注。

    X:Artificial Analysis (@artificialanlys)官方AI 评分 42
  15. Artificial Analysis 称,Inkling 2 Mini 在 Intelligence Index 上与 Qwen3.8 27B(xhigh)和 Nanbeige4.3-33B 持平,激活参数分别少约 5 倍和 6 倍。该模型在总参数和激活参数两个维度上都处在智能与规模的帕累托前沿。

    用参数效率角度看新模型的竞争力在哪。

    X:Artificial Analysis (@artificialanlys)官方AI 评分 48
  16. Thinking Machines 发布开放权重的 looped transformer 模型 Inkling 2 Mini,为 26B 总参数、5.4B 激活参数的 MoE。据 Artificial Analysis,它在 Intelligence Index 上得 20 分,并处在智能与激活参数的帕累托前沿上。

    开放权重新模型发布,可评估是否值得下载或接入。

    X:Artificial Analysis (@artificialanlys)官方AI 评分 65
  17. 据 TestingCatalog 转述,Thinking Machines 公布了新的开放权重模型 Inkling 2 Mini,为 26.4B 总参数、3.4B 激活参数的 MoE,并因 looping 设计每 token 有 5.4B 权重激活。该账号称其在多项对比中领先。

    快速了解新开源模型的参数与架构设定。

    X:TestingCatalog (@testingcatalog)AI 评分 56

同时在说的其他事

热度怎么算的?了解口径

热度按 48 小时内有多少个独立来源在说这件事算:同一个来源发多条只算一次,并按 24 小时半衰期衰减,所以排前面的是很多人在说的事。

本页汇总公开订阅源,标题与摘要由模型整理,版权归原作者所有;重要信息请回原文核对。如权利人认为相关标题或摘要侵权,请通过页尾联系邮箱提供具体页面与权利依据,我们核实后会及时删除或替换。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加

回 AI 行业动态榜 →