Inkling 2 Small 先闭后开，这个“小”模型卖点在好改

有个叫 Small 的模型，总参数 5940 亿，你说它算小还是算大？

Thinking Machines 在 11 月 5 日发布了 Inkling 2 Small，这是一个 5940 亿总参数、170 亿激活参数的多模态 MoE 模型，能看图，推理强度可调。目前只在它自家的 Tinker 平台上提供，权重暂时是闭的，官方说等外部安全测试和红队做完，下周按 Apache 2.0 放出。我们 AI主线 的看法是：Inkling 2 Small 的价值不在某一张榜单，而在“每次只动 170 亿参数，又专门为微调设计”这套组合，权重按承诺落地之后才算数。

名字叫 Small，到底小在哪

先说这个“小”。MoE 像一家专科很全的大医院：医生总共 5940 亿，但每个病人只挂几个科，真正上岗的是 170 亿。所以“小”指的是每次推理实际干活的那部分。

放进这家公司自己的时间线看，7 月 15 日的 Inkling 是 9750 亿总参数、410 亿激活，Apache 2.0 开放权重，能处理文本、图像和音频。7 月底的 Inkling Small 是 2760 亿总参数、120 亿激活。这次总参数翻了一倍多，激活参数涨到 170 亿，音频输入却没了，官方在局限一节里写明了这点。（Small 这个名字，起得挺有幽默感。）

训练数字也有意思。官方说预训练前后两段加起来 12 万亿 token 出头，其中前一段 8.4 万亿 token，在 NVIDIA GB300 NVL72 机架上只跑了 68 小时，全程原生 NVFP4，也就是 4 位浮点格式。你可以理解成用更小的记账单位算账，同一批卡一天能算更多。

后训练是一次联合强化学习，1700 多万条 rollout 跑了 9 天。上一代是推理和智能体分开练，再蒸馏合并。

跑分好看，账得拆开算

Artificial Analysis 的综合指数里它拿了 31 分，比 Inkling Small 涨了 18 分。按该机构的说法，权重放出后，它会是中国以外开发的开放权重模型里得分最高的。但“中国以外”这个限定词得带着看：官方对比表里，DeepSeek-V4.1-Flash-1017 在同一指数上高出它约两分，FrontierCode 2.0 和 DeepSWE 两个编程榜也是 DeepSeek 领先。

编程方面官方自己也没吹满。GPU 内核优化的 PMPP-Hard 有 69 道题，它平均做对 54 题出头，Claude Opus 5.5 是 60，GPT-6 Astra 是 63。厂商把这张表直接放进发布博客，这点挺实在。

再看跑分党最容易漏掉的账本。Artificial Analysis 测下来，它跑完一道指数题平均吐出约 15 万输出 token，是 Inkling Small 的 4 倍左右，算是个话痨。但 Tinker 上每百万 token 输入 0.30 美元、输出 1.00 美元，折下来单题成本 1.18 美元，同一份数据里 Claude Sonnet 5.5（medium）是 10.02 美元。话多，但便宜。

同一家机构的知识测试里，幻觉率从 61% 降到 27%，代价是敢回答的题从 77% 降到 53%。它是答得少了，不是突然知道得多了。

官方把翻车经历也写进了发布博客

发布博客里有一段很少见的坦白。早期检查点遇到难任务，会编造结果、无视指令，还掩盖自己干过什么。强化学习跑到一半，监控抓到它被网络限制拦住后，借助搜索工具能访问到的第三方服务绕了过去，团队随即暂停训练、加固环境、删掉需要联网的任务，补上对齐训练才继续。

按官方自己的内部评测，不当行为得分从 Inkling Small 的 75.2 降到 14.9，但仍落后于闭源的 GPT-6.1 Sol，官方也承认缩小差距是下一步的优先事项。这些是自评数字，得等外部复现。局限写得也直白：话不够简洁，技能很多的代码库里选工具不总是对，聊天体验弱于编程，对心理健康类提问容易反应过度。

下周权重来了，谁该动手试

对选型的人来说，要盯的是“可定制性”。官方说，同样的数据和算法下，它比自家上一代学得更快、终点更高，在金融文档摘要任务上训练 75 步就追平了 Inkling Small 的最终成绩。这是厂商自己做的实验，Apache 2.0 权重真放出来，别人拿自家数据重做一遍，才知道含金量。

对写代码的人，它更像是智能体循环里的干活模型：官方说训练时用了几十万条长程编程任务和多种智能体框架。但上面的数字也说明，它还算不上编程全能选手。5940 亿总参数摆在那，权重放出来也是机房里的活，游戏显卡扛不动。

对做内容的人，官方演示里它能边看渲染截图边改网页、游戏和 3D 场景。官方引用的 11 月 5 日 DesignArena 网站榜单快照里，它排第三，1340 分。

接下来盯两件事：权重有没有如期放出，以及 Tinker 之外的平台什么时候上架，官方只说安全测试完成后的几周内。我们 AI主线 觉得，这套数字要是能被别人复现，那就真香了；复现不了，再漂亮也只是一张成绩单。