Thinking Machines 开源 Inkling 2 Mini:循环层 MoE 模型以 5.4B 激活参数进榜

Thinking Machines 于 2026 年 11 月 20 日发布开源权重模型 Inkling 2 Mini,以 26B 总参数、5.4B 激活参数在 Artificial Analysis 智能指数上排第 20 名,值得关注的是它用更少激活参数达到接近同级模型的分数。

一句话看懂:Thinking Machines 于 2026 年 11 月 20 日发布开源权重模型 Inkling 2 Mini,以 26B 总参数、5.4B 激活参数在 Artificial Analysis 智能指数上排第 20 名,值得关注的是它用更少激活参数达到接近同级模型的分数。

事件核心:发生了什么

Inkling 2 Mini 是一个混合专家(MoE)架构的循环 Transformer:总参数 26B,每次生成一个词元实际激活 5.4B 参数,其中包含循环层三次经过的权重,独立权重为 3.1B。它采用 Apache 2.0 许可证开源权重,支持文本和图像输入,上下文窗口为 100 万词元。在 Artificial Analysis 的评测中,它以 20 分位列智能指数第 20 名,与 Qwen3.8 27B(xhigh)和 Nanbeige4.3-33B 同分,但激活参数分别约为后两者的五分之一和六分之一。官方定价为每百万输入/输出/缓存命中词元 0.15/0.50/0.015 美元,完成一项评测任务约 0.59 美元、9 分钟,而 Qwen3.8 27B 为 3.53 美元、38.2 分钟。

为什么重要

这个模型放在了“智能与激活参数”和“智能与总参数”两条帕累托前沿上,说明在同等分数下把激活参数压到极小是可行的。它的 24 层中有 12 层每个词元运行三次,相当于用更多层内计算换取能力,而不额外输出词元。按激活参数乘以输出词元的算力估算,它比 Qwen3.8 27B 少约 2.8 倍算力,比 Nanbeige4.3-33B 少约 5 倍。对开源生态而言,Apache 2.0 加 5.4B 级别的激活量,意味着这类模型有潜力部署到 MacBook 或 DGX Spark 一类小型设备上,而不必依赖大型集群。

对用户/开发者/创作者的影响

开发者侧最直接的变化是成本与速度:按评测任务计,它比 Qwen3.8 27B 便宜约 6 倍、快约 4 倍。但代价是输出词元更多,同分数下约多 38%,平均每任务约 15.2 万输出词元,Qwen3.8 27B 约 11 万、Nanbeige4.3-33B 约 15.8 万。也就是说,它更省输入侧算力,却需要更长的生成过程,对延迟敏感或按输出长度计费的场景要单独核算。对想本地跑模型的开发者,开源权重和较小激活量降低了硬件门槛;对做 Agent 或多步任务的团队,百万上下文和图像输入提供了新的组合空间。目前公开信息显示,这些数字均来自 Artificial Analysis 的评测条件,并非普遍的业务负载表现。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是第三方在真实任务中复现其成本与速度优势,尤其是长输出带来的实际账单;二是其他开源模型是否跟进循环层或稀疏激活路线,压低激活参数;三是它在 MacBook、DGX Spark 等设备上的实际部署体验和量化版本进展。另需注意,同评测中 GPT-6 Luna(max)以 28 分、每任务 0.15 美元排在前列,闭源与开源之间的性价比竞争仍在继续。

来源:Artificial Analysis

celebrityanime
celebrityanime
文章: 36402

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注