Blog › Modelos

Novo no OpenRouter · 21/11/2026

Inkling 2 Mini, da Thinking Machines, roda em laptops com 26,4 bilhões de parâmetros

Modelo de pesos abertos, sob Apache 2.0, ocupa cerca de 20 GB e lidera sua faixa de tamanho em testes de programação agêntica, segundo a empresa.

Repercussão moderada 7 fontes Atualizado em 21/11/2026 às 00:15 (Brasília)
Imagem de divulgação do Inkling 2 Mini
Imagem: anúncio oficial · thinkingmachines.ai

A Thinking Machines Lab lançou o Inkling 2 Mini, modelo de pesos abertos pensado para agentes e programação e pequeno o bastante para rodar em um laptop. Ele usa arquitetura "looped": as camadas do meio rodam três vezes por token, o que, segundo a empresa, dá mais raciocínio com menos tokens. O TestingCatalog o descreve como resposta ao Inkling 2 Small, de 594 bilhões de parâmetros, que parte dos usuários achou grande demais.

O que é e o que traz de novo

O Inkling 2 Mini é um transformer multimodal que recebe texto e imagem e gera texto. É um Mixture-of-Experts com 26,4 bilhões de parâmetros no total e 3,4 bilhões ativos por token. Com o looping, as ativações de pesos chegam a 5,4 bilhões por token.

Das 24 camadas, as 12 centrais rodam três vezes com pesos compartilhados, o que dá 48 aplicações de camada por token. A empresa afirma que repetir as camadas do meio rendeu ganhos de acurácia maiores do que repetir as últimas 12 em 27 de 28 avaliações. O treino começou com 384 especialistas, oito por token, e na fase intermediária foi podado para os 128 mais usados por camada.

A maior parte dos pesos foi treinada e é distribuída em NVFP4, com as quatro últimas camadas em MXFP8. O checkpoint único ocupa cerca de 20 GB. A licença é Apache 2.0.

Desempenho e comparações

Segundo a Thinking Machines, o modelo lidera os de pesos abertos com menos de 100 bilhões de parâmetros no DeepSWE v1.1 (48,2%) e no Vals Index v2.2 (46,5%). Também empata com o Qwen3.8-27B, com 20,1 pontos no Artificial Analysis Index, e lidera sua faixa de tamanho em BrowseComp, DeepSearchQA e MCP Atlas.

A própria empresa admite que o modelo fica atrás do Qwen3.8-27B em chat de vários turnos e em instruções com muitas restrições. Em testes divulgados pela Thinking Machines via Soumith Chintala, o modelo decodifica cerca de 75 tokens por segundo em um DGX Spark.

Em comparação de treino feita pela empresa, um modelo sem looping e sem poda custou 7,5% menos computação para treinar. Ele exigiu, porém, 140% mais computação de inferência para igualar a loss da versão com looping em traços agênticos de 512 mil tokens.

Monitoramento do raciocínio

O looping permite raciocinar sem escrever o raciocínio, o que dificulta supervisionar o modelo pela cadeia de pensamento. Para medir o efeito, a empresa liberou uma variante de pesquisa com número variável de loops, a TML-d24-varloop-research.

Nessa variante, o horizonte de tempo sem cadeia de pensamento subiu de 16 para 37 segundos entre uma e três passagens. O desempenho em um benchmark de raciocínio serial continuou melhorando até dez loops, o dobro do usado no treino. A cadeia de pensamento ficou mais curta, mas legível, e as pontuações em testes de sabotagem agêntica não subiram com mais loops.

Onde roda e para quem faz sentido

Os pesos estão no Hugging Face, e a Tinker oferece inferência e fine-tuning. Para uso local, a empresa indica um NVIDIA DGX Spark ou máquinas Apple silicon com 32 GB ou mais de memória. Há suporte a SGLang, vLLM, Ollama, Unsloth (inclusive GGUF) e llama.cpp.

O público natural são desenvolvedores que precisam de agentes e assistentes de código rodando offline ou em hardware próprio. Em uma demonstração, pesquisadores usaram o modelo offline em um MacBook Pro, durante um voo, para criar um simulador de voo jogável em poucos minutos.

Pontos-chave

  • Em outra demonstração, um único MacBook offline sustentou os 20 moradores de Thinkyville, uma cidade simulada em pixels
  • Cada camada aprende sua própria mistura das saídas de blocos anteriores, e um gate aprendido começa bloqueando a mensagem entre passagens para estabilizar o treino
  • Post no Hacker News chegou a 745 pontos e 126 comentários

Texto escrito por IA a partir das reportagens e páginas listadas abaixo e checado contra elas por uma segunda revisão automática. Atualizado em 21/11/2026 às 00:15 (Brasília).

Dossiê do lançamento

O que o laboratório informa, os benchmarks publicados e os primeiros relatos de uso. Cada item leva à página de onde saiu.

O que o laboratório informa

  • A Thinking Machines Lab lançou o Inkling 2 Mini em 20/11/2026. É um looped transformer MoE com pesos abertos, feito para rodar localmente, com foco em agentic coding, busca e uso de ferramentas. thinkingmachines.ai ↗
  • Tem 26.4B parâmetros no total e 3.4B ativos (5.4B efetivos com as 3 passagens). São 24 camadas, e as 12 do meio rodam 3 vezes com pesos compartilhados. Usa 8 de 128 experts por camada. huggingface.co ↗
  • A janela de contexto vai até 1M tokens. O modelo recebe texto e imagens (de 40px a 4096px) e responde só em texto. O checkpoint tem cerca de 20GB, em NVFP4 e MXFP8. huggingface.co ↗
  • A licença é Apache 2.0, com uma Model Acceptable Use Policy, e os pesos estão no Hugging Face. O laboratório recomenda DGX Spark, Apple silicon com 32GB ou mais, ou GPU com 32GB ou mais de VRAM. huggingface.co ↗
  • Está disponível no Tinker e roda via Ollama, llama.cpp/Unsloth (GGUF), SGLang, vLLM e NVIDIA Dynamo. Segundo o laboratório, a parte de pruning e o looping são as mudanças em relação à receita anterior. thinkingmachines.ai ↗
  • Limitações declaradas: memória factual mais fraca que a do Inkling 2 Small, loops de raciocínio repetitivo, ações destrutivas sem confirmação e qualidade menor fora do inglês. Fica atrás do Qwen3.8-27B no MultiChallenge (50.0%). huggingface.co ↗

Benchmarks publicados

SWE-bench Verified79.2%

Qwen3.8-27B 77.8%, Muse Glimmer 76.0%, Nemotron 3.5 Super VL 71.1%, Gemma 4 31B 46.1%

Divulgado pelo laboratório Thinking Machines ↗
DeepSWE v1.148.2%

Qwen3.8-27B 42.2%, Nemotron 3.5 Super VL 24.7%, Muse Glimmer 4.4%, Gemma 4 31B 0.3%

Divulgado pelo laboratório Thinking Machines ↗
Terminal Bench v2.171.6%

Qwen3.8-27B 73.0%, Nemotron 3.5 Super VL 60.7%, Muse Glimmer 51.7%, Gemma 4 31B 43.4%

Divulgado pelo laboratório Thinking Machines ↗
BrowseComp79.0%

Nemotron 3.5 Super VL 78.9%, Muse Glimmer 63.9%, Qwen3.8-27B 61.6%, Gemma 4 31B 37.0%

Divulgado pelo laboratório Thinking Machines ↗
Artificial Analysis Intelligence Index20, com ~152K output tokens por tarefa

Empata com Qwen3.8 27B (xhigh, ~110K tokens) e Nanbeige4.3-33B (~158K tokens). GPT-6 Luna (max) marca 28.

Medição independente Artificial Analysis ↗
Vals Index46.46% ±1.11 (38º de 43)

17.5 pontos acima do Inkling original

Medição independente Vals AI ↗
CyberBench v1.174.58% ±5.35 (10º de 49)

Empata com Claude Opus 5.5 (CVP), 74.58%

Medição independente Vals AI ↗
SWE-bench Multimodal37.92% ±2.22 (20º de 23)
Medição independente Vals AI ↗

Na prática: quem já testou

Rodou no Ryzen 395 com llama.cpp Vulkan. Achou o modelo promissor em testes rápidos de código. O decode ficou em ~27 tokens/s, e um patch próprio deu ~30% de ganho. Precisou de vários PRs do llama.cpp ainda não mesclados.

hedgehog, no Hacker News · news.ycombinator.com ↗

Num M1 Pro de 32GB com Q4 XL (~10 tokens/s), um script Python para ordenar CSV funcionou, mas com resposta prolixa. Num teste de identificação de moedas, o modelo gerou ~12.000 tokens e pareceu travar em loop.

dgacmu, no Hacker News · news.ycombinator.com ↗

Com Unsloth Q4, um plugin WordPress esgotou o limite de 19.200 tokens de raciocínio sem terminar. Com ferramentas, inventou um hook inexistente e parou de chamar ferramentas no meio da tarefa. Prompt de MySQL e charada correram bem. Preferiu o Muse Glimmer.

dofm, no Hacker News · news.ycombinator.com ↗

Numa 7900XTX com ROCm, Flash Attention não era suportado e o V-cache ficou em f16. Conseguiu ~100k de contexto, com ~28 tokens/s de decode e 481 tokens/s de prefill.

rsolva, no Hacker News · news.ycombinator.com ↗

Numa RTX 5090, mediu ~700 tokens/s de prefill e 52 tokens/s de geração.

enlyth, no Hacker News · news.ycombinator.com ↗

Levantamento feito por um agente de IA com busca na web em 21/11/2026. Cada item traz o link da página consultada; confira a fonte antes de decidir.

Outras publicações