Інструменти / Аналіз
Inkling 2 Mini тричі проходить середні шари й уміщується на ноутбуці
Thinking Machines оприлюднила під ліцензією Apache 2.0 ваги моделі, яка повторно проходить середні шари. У демонстрації вона створила симулятор польоту на MacBook у режимі польоту.

20 листопада Thinking Machines Lab випустила Inkling 2 Mini. За оцінкою лабораторії, модель потребує близько 20 ГБ пам’яті. Лабораторія підтримує її запуск через Ollama на комп’ютерах Mac з Apple silicon і щонайменше 32 ГБ пам’яті. Ваги доступні за ліцензією Apache 2.0, а через платформу Tinker можна користуватися моделлю як сервісом. Вона приймає текст і зображення. Невелика команда може запускати її локально під час роботи з кодом.
Симулятор польоту без інтернету
Один із показів лабораторія записала в режимі польоту. На MacBook Pro з 48 ГБ пам’яті модель створила симулятор польоту, у який дослідники потім зіграли. Таймер у записі показує справжній час, хоча більша частина відео прискорена у 15 разів. Інший приклад, Thinkyville, — піксельне містечко, де та сама локальна модель керує двадцятьма мешканцями. Так розробник може залучити модель і до створення ігрового світу, і до генерації реплік чи поведінки його персонажів.
Джерела: Thinking Machines Lab [1] · Hugging Face [2]
Симулятор польоту, створений офлайн
Таймер показує час роботи, а більша частина запису лабораторії прискорена у 15 разів.
Персонажі Thinkyville з локальною моделлю
Лабораторія показує 20 мешканців симуляції, якими керує одна локальна модель.
Три проходи через середні шари
Особливість закладено в трансформері. Під час генерації кожного токена Inkling тричі проходить середні шари. Загалом модель має 26,4 млрд параметрів. За один прохід для токена активні 3,4 млрд. Якщо врахувати повторну роботу з тими самими вагами, виходить 5,4 млрд активацій ваг на токен. Додаткові проходи збільшують обсяг обчислень без окремої копії цих шарів. Лабораторія також оприлюднила дослідницьку версію зі змінною кількістю проходів, щоб можна було виміряти ефект від кожного повторення.
Джерела: Thinking Machines Lab [3] · Goodfire [4]
Що вимірюють тести
Лабораторія повідомляє про 48,2% у DeepSWE v1.1 і 46,5% у Vals Index v2.2. Це показники з релізу, і частину моделей у порівнянні оцінювали за різних умов. Швидкість на конкретному комп’ютері теж залежатиме від обладнання, програми запуску й довжини контексту. Для команди, яка робить прототип без інтернету, головна новина — відкриті ваги можна запустити локально й перевірити на власній задачі.
Джерела: Thinking Machines Lab [5] · Hugging Face [6]
ДЖЕРЕЛА ТА МЕТОД
Що стоїть за цим матеріалом
Перевірено 21 листопада 2026 р.. Технічні твердження спираються на документацію розробників; відео підписані іменами авторів. Заяви компаній та сторонні огляди наведені з посиланнями на джерела; висновки є редакційним аналізом. Власних порівняльних випробувань цих релізів для статті не проводили.
- Thinking Machines Lab Thinking Machines Lab
- Model card and weights Hugging Face
- Architecture and training Thinking Machines Lab
- Goodfire’s early-access study Goodfire
- Capabilities and limits Thinking Machines Lab
- Hugging Face’s integration notes Hugging Face


