Thinking Machines выпустила Inkling-Small — младшую мультимодальную модель с открытыми весами. Главное здесь не размер ради размера: при 276 млрд параметров в сумме и 12 млрд активных на токен модель в свежих таблицах компании местами догоняет, а местами обходит флагманскую Inkling, что для команд, считающих стоимость запуска, обычно важнее красивых лозунгов.
Младшая версия почти догнала флагман
По данным Thinking Machines, Inkling-Small построена по схеме MoE и работает с текстом, изображениями и аудио на входе, а на выходе генерирует текст. Для сравнения, у старшей Inkling 975 млрд параметров в сумме и 41 млрд активных. В обновленном материале Hugging Face для Inkling-Small указаны 31,6% на HLE, 89,5% на GPQA Diamond и 80,2% на SWE-bench Verified.
Это не рекорды рынка, но для меньшей модели разрыв с флагманом оказался заметно уже, чем обычно бывает в таких релизах. Компания подает Inkling-Small как более практичную версию той же идеи: меньше задержка, ниже стоимость запуска и меньше требований к инфраструктуре.
Развертывание все еще тяжелое, но уже не запредельное
Hugging Face пишет, что для варианта Inkling-Small NVFP4 подготовили конфигурацию развертывания на восьми RTX PRO 6000 с суммарными 768 ГБ видеопамяти. Это все еще не история про локальный запуск «на попробовать», но уже не тот класс инфраструктуры, который нужен старшей Inkling с ее терабайтными требованиями к памяти.
Иначе говоря, модель остается тяжелой, но перестает быть экзотикой только для лабораторий с бездонным бюджетом. Для команд, которые строят собственные помощники по коду, внутренний поиск или мультимодальные рабочие сценарии, это куда полезнее, чем еще один спор о том, кто сегодня номер один в таблице бенчмарков.
Заголовок про миллион токенов пока опережает факты
В исходной версии текста была лишняя уверенность насчет контекста в 1 млн токенов. В официальном анонсе Thinking Machines отдельно раскрыла окно контекста до 1 млн токенов для старшей Inkling, но для Inkling-Small этот параметр в первоисточнике не зафиксировала. Поэтому привязывать весь сюжет к «миллиону токенов» пока рано: подтвержденный тезис здесь другой — компания действительно выпустила более компактную версию и показала для нее отдельные результаты и варианты развертывания.
Значение для рынка
Для команд из России и СНГ смысл простой: список сильных моделей с открытыми весами, которые можно встраивать в собственный контур, снова расширился. Это важно для внутренних помощников, агентных инструментов разработки и отраслевых систем, где нужны не только качество ответа, но и контроль над дообучением, стоимостью и политикой хранения данных. Конкурировать Inkling-Small придется с линейками Qwen, DeepSeek и Kimi: там рынок давно смотрит не на абстрактный «ум», а на соотношение качества, задержки и цены владения.
Оригиналы: Thinking Machines, Hugging Face. Дополнительный контекст: TechCrunch.
Следующий практический вопрос теперь не в том, сколько параметров на слайде, а в том, подтвердит ли Inkling-Small свои цифры в реальных задачах по коду, документации и корпоративным данным.