Presentazione e caratteristiche tecniche

Il 5 novembre 2026 Thinking Machines Lab ha annunciato Inkling 2 Small, il primo modello di seconda generazione della famiglia Inkling. Si tratta di un modello multimodale a miscela di esperti, capace di accettare testo e immagini in ingresso e di produrre solo testo in uscita. La capacità di ragionamento è variabile: gli utenti possono scambiare velocità e accuratezza a seconda del compito.

Le specifiche principali includono:

    • Parametri totali: 594 miliardi
    • Parametri attivi per token: 17 miliardi (meno del 3 % del totale)
    • Visione: encoder da 292 milioni di parametri, patch da 20×20 pixel con pooling spaziale 2×2
    • Indice Artificial Analysis Intelligence: 31 (non verificato indipendentemente)
    • Licenza attuale: Tinker Terms of Use; licenza prevista per i pesi: Apache 2.0

Il modello non supporta l’audio, una limitazione rispetto alla prima generazione, che aveva introdotto l’audio su Tinker nel luglio 2026.

Accesso e politica sui pesi

Inkling 2 Small è disponibile attraverso il Tinker Playground (solo inferenza) e la piattaforma Tinker per campionamento e fine‑tuning. Al momento i checkpoint non sono scaricabili: i pesi rimangono chiusi fino al completamento dei test di sicurezza esterni e delle attività di red‑teaming.

Il laboratorio ha promesso una pubblicazione dei pesi sotto licenza Apache 2.0 entro “le prossime settimane”, ma il 9 novembre il sito Inkling mostrava un linguaggio più prudente, indicando che la data era ancora incerta. Fino a quel rilascio, chiunque citi Inkling 2 Small come modello open‑weight descrive solo un’intenzione, non un fatto confermato.

La sequenza pratica consigliata per le imprese è:

    • Preparare un runtime di inferenza e un sistema di osservabilità già collaudati su modelli più piccoli
    • Seguire le guide di Hugging Face per il download e il caricamento di modelli open‑weight
    • Utilizzare vLLM e Langfuse per servire il modello e tracciare le richieste

Processo di addestramento

Il laboratorio descrive un addestramento in quattro fasi, con un totale di 8,4 mila miliardi di token nella prima fase, eseguita su rack NVIDIA GB300 NVL72 per 68 ore. L’addestramento è stato effettuato in NVFP4, il formato a virgola mobile a 4 bit introdotto con l’architettura Blackwell.

Le fasi successive hanno aggiunto:

    • 3,8 mila miliardi di token più recenti e di qualità superiore, con contesto a 512 mila token
    • ≈ 320 miliardi di token di traiettorie di ragionamento e agenti, con contesto di un milione di token
    • ≈ 34 miliardi di token di traiettorie agentiche di alta qualità

Una singola corsa di apprendimento per rinforzo ha contato 1 075 passi, più di 17 milioni di rollout in 9 giorni su 2 048 GPU, generando oltre 4 × 10²³ operazioni in virgola mobile e più di 3 mila miliardi di token. Il mix di compiti ha prodotto il 38,5 % dei rollout e il 65 % dei token dedicati al codice, contro il 17,1 % per strumenti e agenti generici.

Benchmark e confronto con la concorrenza

Le tabelle ufficiali del laboratorio confrontano Inkling 2 Small con GLM‑5.3‑Flash, DeepSeek‑V4.1‑Flash‑1017, Muse Spark Open e Kimi K3. Per il codice, Inkling 2 Small si piazza al secondo posto, dietro DeepSeek V4.1‑Flash, ma davanti a GLM‑5.3‑Flash e gli altri modelli testati.

È importante notare che il campione di benchmark è composto esclusivamente da modelli open‑weight scelti dal laboratorio, il che potrebbe introdurre un bias favorevole.

Contesto di mercato e implicazioni per gli sviluppatori

Il lancio di Inkling 2 Small avviene poco dopo l’uscita di Reflection Beam, che ha messo a disposizione 501 miliardi di parametri con licenza Apache 2.0 a fine ottobre 2026. La differenza chiave è la chiusura temporanea dei pesi di Inkling 2 Small, che limita la capacità delle aziende europee di adattare il modello ai propri dati senza dipendere dal fornitore.

Per i team tecnici, la “penultima riga” della scheda tecnica—“Pesi scaricabili: no, chiusi al lancio”—rappresenta il punto critico. Fino a quando non saranno disponibili i checkpoint, gli sviluppatori dovranno basarsi su Tinker per inferenza e fine‑tuning, accettando le restrizioni della licenza Tinker Terms of Use.

Prospettive future

Il percorso delineato da Thinking Machines Lab prevede un “percorso sicuro verso i pesi aperti”: accesso chiuso iniziale, seguito da pubblicazione dopo test esterni. Il modello precedente della stessa linea, Inkling‑Small, è stato rilasciato il 30 luglio 2026 con pesi Apache 2.0 su Hugging Face, includendo una versione NVFP4 e provider di inferenza di terze parti.

Se Inkling 2 Small seguirà lo stesso modello, ci si può attendere un ecosistema di strumenti, librerie e provider pronto a supportare l’adozione su larga scala, ma solo dopo la pubblicazione dei pesi.

Conclusioni

Inkling 2 Small rappresenta un salto significativo in termini di capacità multimodale e di utilizzo di architetture sparse, ma la chiusura temporanea dei pesi crea incertezza per gli sviluppatori che cercano soluzioni open‑weight. La promessa di una licenza Apache 2.0 dopo test di sicurezza è rassicurante, ma la data di rilascio rimane indefinita. Nel frattempo, le imprese dovranno valutare se affidarsi a Tinker o attendere la disponibilità dei checkpoint per integrare pienamente il modello nei propri flussi di lavoro.