一句话看懂:Thinking Machines Lab(TML)发布开源权重模型 Inkling 2 Mini,264 亿参数,通过对中间层做三次循环来减少推理所需的 token 数,目标是在同等算力下提升推理表现。
事件核心:发生了什么
据 Techmeme 收录的信息,Thinking Machines Lab 于 2026 年 11 月 20 日发布 Inkling 2 Mini,这是一个参数量 264 亿的 Transformer 模型,权重开源。其结构上的特殊之处在于:模型每处理一个 token,会把中间若干层重复循环三次,而不是按常规只过一遍。官方给出的设计目标是“更好的推理、更少的 token”——让模型在消耗更少输出 token 的情况下完成逻辑推演。目前公开信息显示,发布内容包括模型基本规格与这一循环机制,完整评测细节和部署形态尚未被素材覆盖。
为什么重要
当前大模型的竞争焦点正从“参数更大”转向“推理更省、单位算力更有效”。Inkling 2 Mini 的路线是在推理阶段增加层内计算、减少输出 token 数,这与业界探索的“测试时计算扩展”思路一致,但把扩展放在模型内部结构而非外部采样上。对开源生态而言,264 亿参数、可自托管的权重模型,处在单机多卡可运行的区间,可能成为中小团队部署私有模型的候选。对闭源厂商而言,这类“小参数、高有效推理”的开源模型会增加 API 定价和推理成本的压力。
对用户/开发者/创作者的影响
开发者最需要关注的是实际吞吐和延迟:层循环意味着每个 token 要额外计算,算力开销可能上升,若 token 数下降幅度不足以抵消,单位请求成本未必更低。创作者和普通用户则间接受影响——如果这类结构被验证有效,AI 应用在数学、代码、多步规划等任务上的回复会更简洁,也更少出现冗长的“思维过程”。企业采购方面,开源权重提供了数据不出内网的可能,但需自行承担推理算力与工程部署成本。目前公开信息显示,尚无定价、托管 API 或第三方基准的细节。
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。
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 TML 是否会公布可复现的推理 benchmark,用同参数量、同硬件条件对比 token 消耗与准确率;二是社区和开发者能否在消费级或单节点多卡环境跑通该模型,决定其实际采用速度;三是其他开源厂商是否跟进“层循环”或类似测试时计算结构,形成新的架构路线竞争。
来源:Techmeme

