Thinking Machines hat am 5. November Inkling 2 Small vorgestellt, ein Mixture-of-Experts-Modell mit 594 Milliarden Parametern, von denen 17 Milliarden gleichzeitig aktiv sind. Es nimmt Text und Bilder entgegen und antwortet mit Text; Ton versteht es nicht. Der Hersteller zielt auf lange, selbständige Arbeitsläufe: Das Modell schreibt Programme, betrachtet das Ergebnis selbst, etwa eine Webseite, ein Spiel oder einen 3D-Entwurf, und bessert nach. Es ruft Werkzeuge auf und erstellt Tabellen, Präsentationen und Berichte. Außerdem soll es sich gut nachtrainieren lassen: Bei einer Aufgabe zur Zusammenfassung von Finanzdokumenten erreicht es nach 75 Trainingsschritten den Endstand des Vorgängers Inkling Small und liegt am Ende deutlich davor. Zunächst läuft es nur über Tinker, die Plattform des Herstellers zum Abfragen und Nachtrainieren von Modellen, mit geschlossenen Gewichten. Die vollständigen Gewichte unter Apache-2.0-Lizenz sollen in der Woche darauf folgen, nach externen Sicherheitstests und einem Red-Teaming. Artificial Analysis führt den Termin als unbestätigt.
Was die 31 Punkte bedeuten, zeigt der Blick zurück und nach vorn. Der Intelligence Index von Artificial Analysis verrechnet neun Prüfungen zu einer Zahl; je ein Viertel des Gewichts entfällt auf Wissensarbeit, Programmieren, Naturwissenschaften und Allgemeinwissen. Zurück: Der Vorgänger Inkling Small kam auf 13, der Sprung beträgt 18 Punkte. Damit liegt es auf gleicher Höhe mit Googles Gemini 3.8 Flash (high) und über Xiaomis MiMo-V2.6-Pro. Nach vorn bleibt viel Abstand: Gemini 4 Carbon führt seit dem 28. Oktober mit 59 Punkten, davor lag Claude Opus 5.5 mit 58 an der Spitze, und selbst Claude Haiku 5.5 steht mit 36 darüber. Unter den Modellen mit veröffentlichten Gewichten führten am 27. Oktober DeepSeek V4.1 Flash 1017 und GLM-5.3 mit je 32 Punkten. Kimi K3.1 Pro, dessen Gewichte damals noch ausstanden, stand bei 46. Mit freigegebenen Gewichten wäre Inkling 2 Small nach Artificial Analysis das stärkste offene Modell, das nicht aus China kommt, bliebe aber hinter den chinesischen Spitzenmodellen. Die Punkte stammen aus Version 5 des Index, die Artificial Analysis am 27. Oktober eingeführt hat. Ältere Meldungen auf dieser Seite nennen höhere Werte, weil sie nach Version 4 gemessen wurden; Kimi K3.1 Pro kam dort auf 55 und liegt in Version 5 bei 46.
Hinter den 31 Punkten stehen ungleiche Teile. Bei FrontierCode 2.0, Cognitions privater Prüfung mit echten Programmieraufgaben, gilt eine Aufgabe nur dann als gelöst, wenn ein Betreuer des Repositorys die Änderung des Agenten übernehmen würde. Dort steigt Inkling 2 Small von 5 auf 25 Prozent. Claude Sonnet 5.5 (medium) kommt auf 11 Prozent, die beste Wertung im Index hielt am 27. Oktober Claude Opus 5.5 mit 46 Prozent. An der Kommandozeile (Terminal-Bench 4.0) erreicht Inkling 2 Small dagegen 13 Prozent, Claude Sonnet 5.5 (medium) 30. Auf AutomationBench-AA, einer der drei Prüfungen zur Wissensarbeit im Index, springt der Wert von 5 auf 46 Prozent. Die Halluzinationsrate sinkt von 61 auf 27 Prozent, vor allem weil das Modell weniger Fragen beantwortet: Die Antwortquote fällt von 77 auf 53 Prozent, die Trefferquote steigt nur von 32 auf 34 Prozent.
Das Modell arbeitet ausführlich. Je Aufgabe des Index erzeugt es rund 150.000 Ausgabe-Token, der Vorgänger 37.000, Gemini 3.8 Flash (high) 99.000 und Claude Sonnet 5.5 (medium) 31.000. Die Million Token kostet 0,30 Dollar in der Eingabe und 1 Dollar in der Ausgabe. Je Aufgabe des Index ergibt das 1,18 Dollar, knapp sechsmal so viel wie beim Vorgänger (0,20 Dollar), aber weniger als bei Gemini 3.8 Flash (7,77 Dollar) und Claude Sonnet 5.5 (10,02 Dollar). Zum Vergleich mit der Spitze: Gemini 4 Carbon kostet 7,76 Dollar je Aufgabe, Claude Opus 5.5 10,04 Dollar.
Der Hersteller nennt Schwächen selbst: Das Modell ist weniger auf den Chat zugeschnitten, ordnet Inhalte schlechter und reagiert übertrieben auf Fragen zur psychischen Gesundheit. In seinen Ausrichtungstests verbessert es sich deutlich gegenüber den früheren Inkling-Modellen, liegt aber hinter geschlossenen Modellen wie GPT-6.1 Sol. Die Angaben zu Ausrichtung und Nachtrainieren sind Herstellerzahlen, die Punkte im Index misst Artificial Analysis unabhängig.