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
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 ↗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 ↗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 ↗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 ↗Empata com Qwen3.8 27B (xhigh, ~110K tokens) e Nanbeige4.3-33B (~158K tokens). GPT-6 Luna (max) marca 28.
Medição independente Artificial Analysis ↗17.5 pontos acima do Inkling original
Medição independente Vals AI ↗Empata com Claude Opus 5.5 (CVP), 74.58%
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.
Fontes usadas no texto
Anúncio oficial
Inkling 2 Mini thinkingmachines.ai · 2026-11-20Anúncio oficial com arquitetura, tamanho, benchmarks, memória, experimentos de monitorabilidade e disponibilidade.
Notícia
Thinking Machines Lab Releases Inkling 2 Mini for Local Devices Unite.AI · 2026-11-20Detalha a estrutura de camadas, o custo de treino e inferência, as opções de execução local e as demonstrações.
Inkling 2 Mini MoE launches: 27B params, laptop-ready Blockchain News · 2026-11-20Relata a comparação com o Qwen 3.8 27B, os cerca de 75 tokens por segundo e o contexto do Inkling 2 Small.
Thinking Machines Lab Releases Inkling 2 Mini, a Looped Transformer for Local Agentic Coding news.lavx.hu · 2026-11-20Descreve a comparação entre looping do meio e das últimas camadas, o número de especialistas e a poda.
Thinking Machines releases Inkling 2 Mini looped open model TestingCatalog · 2026-11-20Traz benchmarks, limitações admitidas pela empresa, frameworks suportados e o contexto do Inkling 2 Small.
Hacker News
Inkling 2 Mini Hacker News · 2026-11-20Registra 745 pontos e 126 comentários no Hacker News.
Hugging Face
thinkingmachines/Inkling-2-Mini no Hugging Face Hugging FaceCartão do modelo com licença, modalidades, requisitos de hardware e software.


