Thinking Machines lança Inkling 2 Small, MoE 594B com visão

Introdução

Inkling 2 Small, da Thinking Machines, é um modelo MoE com 594 bilhões de parâmetros totais, 17 bilhões ativos por token, suporte a entrada de imagens e esforço variável. Lançado em 5 de novembro de 2026, o foco está em visão e agentes para coding, conhecimento e raciocínio, com disponibilidade inicial via Tinker e intenção declarada de liberar os pesos após testes externos de segurança. (thinkingmachines.ai)

A palavra chave aqui é Inkling 2 Small. Além do salto de capacidade, o modelo traz novidades relevantes de treinamento, incluindo pré‑treino mais eficiente e um grande ciclo unificado de RL, além de ampliar resultados em índices proprietários como o Artificial Analysis Intelligence Index. Para quem trabalha com produtos e plataformas de IA, o pacote é pragmático, visão multimodal integrada, agentes para loops longos e trilha de abertura de pesos sob licença permissiva planejada após validação. (thinkingmachines.ai)

O artigo aprofunda quatro frentes, arquitetura e capacidades, benchmarks e onde o modelo se destaca, o que muda na prática para times de engenharia e dados, e considerações de segurança, custo e produto ao adotar um MoE agentic.

O que há de novo no Inkling 2 Small

A arquitetura combina um transformer decodificador multimodal com feed‑forward baseado em Mixture‑of‑Experts, 384 experts dos quais 8 são roteados por token, além de atenção híbrida local e global. O modelo aceita texto e imagens em um espaço latente compartilhado, oferece janela de contexto de até 1 milhão de tokens, e suporta numéricos MXFP8 e NVFP4, com distribuição via Tinker para inferência e fine‑tuning. (thinkingmachines.ai)

A Thinking Machines posiciona o lançamento como segunda geração da família, com notável ênfase em tarefas longas de trabalho autônomo, desde construir sites interativos com feedback visual até simular cidades, gerar walkthroughs de plantas e até um emulador de PC que inicializa um kernel Linux, tudo demonstrado publicamente. Para equipes, isso sinaliza uma curva melhor de usabilidade, seguir instruções, considerar mudanças e verificar o próprio trabalho em ciclos de agente. (thinkingmachines.ai)

Por que MoE importa em 2026, a rota MoE viabiliza muita capacidade total sem pagar o custo integral de ativar todos os parâmetros a cada token, o roteador escolhe poucos experts, mantendo latência e custo sob controle. Em termos práticos, throughput e custo por requisição se tornam administráveis, especialmente em cenários com contextos longos e múltiplas tentativas, algo que modelos generalistas densos exigiriam muitas GPUs para sustentar. Referências clássicas de MoE ajudam a enquadrar o roteamento top‑K e o papel do gate. (en.wikipedia.org)

Benchmarks, onde o modelo brilha e onde ainda fica atrás

Nos números divulgados, Inkling 2 Small sobe em índices amplos e especialmente em coding e tarefas agentic. No FrontierCode v2.0, por exemplo, registra 25,4 por cento, ficando atrás de sistemas fechados de topo, mas acima de vários abertos, e no DeepSWE v1.1 marca 72,1 por cento, também entre os líderes da linha. Em PMPP‑Hard, um benchmark externo de otimização de kernels GPU com 69 tarefas e avaliação em ambiente de dupla sandbox com KernelGuard, o modelo apresenta AUC de 494,27 em 0 a 10 horas, próximo do topo do ranking nessa campanha. (thinkingmachines.ai)

Resultados adicionais do model card mostram ganhos consistentes em Vibe Code Bench v1.1, SWEBench nas variantes Pro, Multimodal e Multilingual, além de índices de busca com ferramentas como BrowseComp e DeepSearchQA, sugerindo competência prática em loops que combinam navegação, recuperação e ferramentas. Vale atenção ao fato de que modelos fechados de fronteira ainda lideram em alguns recortes, mas o Small aparece competitivo em várias tarefas de coding e trabalho de conhecimento. (thinkingmachines.ai)

A página de anúncio detalha também uma bateria de casos práticos, do simulador de cidade gerado com Three.js à criação em Blender de cenas estilizadas a partir de rascunhos, passando pelo emulador que inicializa Linux no navegador. São mostras úteis para times de produto avaliarem maturidade de visão, coordenação de ferramentas e iteração com feedback. (thinkingmachines.ai)

Agentes de coding e autoresearch, do laboratório ao produto

O treino incluiu RL em centenas de milhares de tarefas de código de horizonte longo, com múltiplos harnesses de agentes e estratégias de compactação de contexto. A empresa relata ter ido além de recompensas baseadas só em testes unitários, usando também um avaliador em RL para checar como o modelo ataca o problema, não apenas se passa no teste. Além disso, checkpoints iniciais foram medidos no OpenCode, um agente open source para avaliação de tarefas reais de coding. (thinkingmachines.ai)

Em autoresearch de kernels GPU, a página de anúncio contrasta o desempenho do Small em PMPP‑Hard com outros modelos recentes e compartilha um caso de ponta a ponta em que o Inkling 2 Small treinou, de forma autônoma via Tinker, um Qwen3.5‑4B para previsão de séries temporais, explorando datasets, receitas de SFT e RL, escrevendo avaliadores e depurando o pipeline. Em 4,5 horas e 426 dólares de uso em Tinker, o modelo mais que dobrou a métrica de previsão alvo nessa tarefa interna. Para lideranças de engenharia, esse tipo de trace indica maturidade em coordenação de ferramentas, não só geração de código. (thinkingmachines.ai)

Para quem vai integrar agentes em produção, convém cruzar os ganhos reportados com limites conhecidos de ambientes de avaliação. PMPP‑Hard documenta ameaças como replay de cache e manipulação de tempo, propondo mitigação com salas limpas, verificação por digest e KernelGuard. Isso melhora a confiança em speedups reportados na otimização de kernels, um dos pontos mais fáceis de se corromper em avaliações permissivas. (blog.sinatras.dev)

Caminho de distribuição, licenças e janela de contexto

Na disponibilidade, a Thinking Machines aponta acesso imediato via Tinker, tanto playground quanto API para fine‑tuning e sampling. O model card descreve explicitamente o uso pretendido, cobertura multilíngue e modalidades de distribuição por plataforma, além de confirmar a janela de contexto máxima de até 1 milhão de tokens. Para quem precisa de contextos extensos, isso abre espaço para ingestão de bases inteiras de código, contratos e logs em sessões únicas, com o MoE ajudando a manter o custo previsível. (thinkingmachines.ai)

No anúncio, a empresa indica pesos fechados no lançamento, seguindo uma “safe path to open weights” previamente defendida, com intenção de liberar os pesos completos sob licença Apache 2.0 na semana seguinte ao lançamento, condicionada a testes externos de segurança e red‑teaming. Para times corporativos, isso equilibra time‑to‑value via API com uma trilha de adoção on‑prem posterior. Ao planejar, conte com variações de cronograma típicas de avaliações externas, mas o sinal é claro, estratégia de abertura com governança de risco. (thinkingmachines.ai)

O que muda na prática para produto, dados e engenharia

• Prototipagem multimodal. A capacidade nativa de visão e texto em um único espaço latente reduz acoplamentos, menos glue code entre encoders independentes. Em ciclos de design e UX, desde wireframes fotografados até telas finais, o modelo pode iterar elementos visuais e textuais em um mesmo loop de agente. (thinkingmachines.ai)
• Manutenção e melhoria contínua com agentes. Resultados em coding e benchmarks como SWEBench e Vibe Code sugerem que fluxos de pull requests assistidos, geração de testes, refatorações e diagnósticos ganham robustez. Agentes com verificação própria, como relatado, tendem a reduzir regressões em tarefas iterativas. (thinkingmachines.ai)
• Pesquisa aplicada repetível. O case de time series usando Tinker ilustra como agentes podem estruturar experimentos, orquestrar SFT e RL e ajustar avaliadores, valioso para times de ciência de dados que precisam de trilhas de auditoria e replicação. (thinkingmachines.ai)
• Otimização de kernels como vantagem competitiva. Em times de plataforma, a habilidade de melhorar kernels GPU pode reduzir custos materiais em treinamento e inferência. Adoção deve vir com ambientes de avaliação que previnam shortcuts, como o design de PMPP‑Hard. (blog.sinatras.dev)

Limitações, comparativos e expectativas realistas

Mesmo com fortes resultados, os próprios quadros de comparação no model card mostram cenários em que modelos fechados líderes permanecem à frente em tarefas específicas, por exemplo em variantes de Terminal Bench ou índices gerais. Isso não anula o valor prático do Small, mas impõe uma leitura equilibrada, usar o modelo onde ele é competitivo, coding estruturado, conhecimento com ferramentas, navegação e visão aplicada, e contornar pontos fracos com orquestração, RAG e ferramentas nativas. (thinkingmachines.ai)

Quanto a custos, a promessa de MoE é ativar apenas uma fração dos parâmetros por token, com ganhos de eficiência. A literatura de MoE e referências didáticas reforçam esse mecanismo, o roteamento top‑K decide quais experts participam em cada token, preservando qualidade sem carregar todos os pesos. Em produção, o que importa é confirmar latência P95 e custo por 1K tokens no seu stack, incluindo contexto de 1M quando necessário. (en.wikipedia.org)

Guia rápido de adoção

• Comece pelo playground Tinker para validar prompts, ferramentas e políticas de segurança, depois mova para a API com logging estruturado, sampling determinístico e testes A/B controlados. (thinkingmachines.ai)
• Para coding, use harnesses compatíveis como OpenCode para medir tarefas reais de repositórios internos, com métricas de diff, testes e tempo até PR aprovado. (opencode.ai)
• Em autoresearch, estruture trilhas reprodutíveis, definindo orçamento de tokens e GPU, datasets, critérios de parada e verificação independente. PMPP‑Hard é um bom exemplo de como pensar ambiente e ameaça. (blog.sinatras.dev)
• Planeje a transição para pesos abertos caso a liberação sob Apache 2.0 se confirme após a janela de testes, avaliando requisitos de hardware Blackwell e suporte de numéricos de precisão mista para maximizar throughput. (thinkingmachines.ai)

Conclusão

Inkling 2 Small chega com a combinação certa para 2026, MoE para escalar capacidade com custo previsível, visão integrada, janelas de contexto vastas e foco prático em agentes de coding e pesquisa aplicada. Benchmarks e casos sugerem uma curva sólida em cenários reais, de refatoração e testes a pipelines de experimentação e otimização de kernels. As promessas são tangíveis, desde que avaliadas com metodologia e ambientes que reflitam o mundo real. (thinkingmachines.ai)

Para times que precisam transformar IA em produto, o momento é ideal para validar o Small no seu fluxo, medir impacto em latência, custo e qualidade, e construir uma trilha de adoção que combine API, fine‑tuning e, se confirmado, pesos abertos. A oportunidade está em usar agentes para acelerar engenharia e pesquisa, não substituir o julgamento técnico, viabilizando entregas melhores, mais rápidas e auditáveis. (thinkingmachines.ai)