Inkling 2 Mini é um modelo Mixture-of-Experts em loop, de pesos abertos e 26.4 bilhões de parâmetros, lançado pela Thinking Machines Lab em 20 de novembro de 2026. Sob a licença Apache 2.0, seu checkpoint de cerca de 20GB com precisão mista NVFP4 e MXFP8 é voltado à programação agêntica local em Apple silicon com 32GB ou mais de memória, GPUs com pelo menos 32GB de VRAM ou NVIDIA DGX Spark.
O que a Thinking Machines Lab anunciou em 20 de novembro de 2026?
A Thinking Machines Lab lançou o Inkling 2 Mini em 20 de novembro de 2026 por meio de uma publicação oficial de anúncio, de uma sequência de lançamento no X no mesmo dia e de pesos abertos sob a licença Apache 2.0 em seu cartão de modelo no Hugging Face. Na publicação no X, a Thinking Machines escreveu: “Alguns de vocês acharam que o Inkling 2 Small era grande demais com 594B de parâmetros. Ouvimos vocês: o Inkling 2 Mini é um transformer em loop com apenas 26B de parâmetros, pequeno o bastante para rodar no seu laptop e potente o bastante para trabalho agêntico, com pontuação de 20.1 no AA Index.”
Embora a publicação no X arredonde o número para “apenas 26B”, o blog oficial, o cartão do modelo, a página da família Inkling e o catálogo Tinker informam 26.4B de parâmetros totais. No conjunto mais amplo de modelos de pesos abertos em 2026, o Inkling 2 Mini ocupa a posição de entrada de uma família de três modelos:
- Inkling 2 Mini: 26.4B de parâmetros totais, 3.4B ativos por passagem; um transformer em loop de escala adequada a laptops para programação agêntica.
- Inkling 2 Small: 594B de parâmetros totais, 17B ativos; o modelo principal de segunda geração para programação agêntica e visão.
- Inkling: 975B de parâmetros totais, 41B ativos; abrange texto, imagens e áudio.
Como funciona a arquitetura MoE em loop do Inkling 2 Mini?
O Inkling 2 Mini combina um projeto Mixture-of-Experts (MoE) com a repetição de camadas que compartilham pesos, permitindo que um modelo de 26.4B use mais computação por token sem aumentar o consumo de memória. Em uma passagem por suas 24 camadas apenas de decodificador, cada token é encaminhado a 8 de 128 especialistas em uma combinação de camadas de atenção local e global, ativando 3.4B de parâmetros.
Essas 24 camadas são divididas em quatro blocos de seis camadas. O primeiro e o último bloco são executados uma vez, enquanto as 12 camadas centrais passam pelo loop três vezes com pesos compartilhados, produzindo 48 aplicações de camadas por token a partir dos pesos de 24 camadas. Cada passagem adicional pelas camadas centrais acrescenta cerca de 1.0B de parâmetros ativos efetivos, levando o total a 5.4B de ativações de pesos por token. Isso explica por que a página da família informa 3.4B de parâmetros ativos e o catálogo da plataforma Tinker informa 5.4B: um número conta os especialistas por passagem e o outro considera as três passagens do loop.
A Thinking Machines construiu o Inkling 2 Mini podando e recuperando uma rede esparsa maior. O treinamento começou com 8 de 384 especialistas ativos por camada, antes da remoção de dois terços dos especialistas, restando os 128 mais usados por camada. O modelo podado passou então por uma “recuperação” com 1T de tokens por meio de destilação de modelo a partir de um modelo Inkling interno maior, ajuste fino supervisionado, aprendizado por reforço com 2.2T de tokens ao longo de 2,000 etapas e destilação on-policy para alinhamento.
Ao contrário de checkpoints comprimidos após o treinamento, o Inkling 2 Mini foi treinado e implantado nativamente em baixa precisão mista: 20 camadas em NVFP4 de 4 bits e as últimas 4 em MXFP8 de 8 bits. Isso evita a perda de conversão após o treinamento abordada em nossa explicação sobre quantização em IA. O resultado é um único checkpoint de cerca de 20GB que aceita texto e imagens em pixels (recomendados de 40px a 4096px) e gera texto em inglês, além de oferecer suporte multilíngue geral. O cartão do modelo alerta, porém, que testes em chinês mostraram frases truncadas e mistura de idiomas.
Requisitos oficiais de hardware, limites de contexto e onde obter o Inkling 2 Mini
Segundo a documentação oficial da Thinking Machines Lab em 21 de novembro de 2026, o Inkling 2 Mini precisa de aproximadamente 20GB para seu checkpoint nativo e é voltado a hardware com pelo menos 32GB de memória unificada ou VRAM.
Orientações oficiais de hardware e demonstração no MacBook Pro
O cartão oficial do modelo lista três opções de hardware local compatíveis:
- Macs com Apple silicon: MacBooks, Mac minis e Mac Studios com 32GB ou mais de memória unificada.
- GPUs dedicadas e outras plataformas: recomendados 32GB ou mais de VRAM.
- Hardware de estação de trabalho: 1x NVIDIA DGX Spark, além de aceleração de kernel na plataforma GB300 da NVIDIA para execução NVFP4/MXFP8.
A Thinking Machines também publicou uma “demonstração do simulador de voo PlaneBench” offline, mostrando pesquisadores executando o Inkling 2 Mini em modo avião em um MacBook Pro (M5 Pro, 48GB) para criar em poucos minutos um simulador de voo jogável. A maior parte da gravação foi acelerada 15 vezes. O vídeo ilustra uma sessão offline, e não uma especificação mínima ou um teste padronizado de velocidade.
Limites de contexto e onde executar os pesos
A documentação oficial informa dois limites distintos de contexto, dependendo de onde o modelo é executado. O cartão no Hugging Face afirma que o Inkling 2 Mini aceita uma janela de contexto de até 1M de tokens, enquanto o catálogo oficial de modelos do Tinker limita atualmente a versão hospedada a um contexto máximo de 256K.
Desenvolvedores podem baixar diretamente do Hugging Face os pesos Apache 2.0 de Inkling-2-Mini e a variante de loop variável exclusiva para pesquisa TML-d24-varloop-research. A Thinking Machines lista suporte de inferência de código aberto em SGLang, vLLM, Ollama, Unsloth, NVIDIA Dynamo, TokenSpeed e Llama App. O cartão do modelo também menciona llama.cpp para builds GGUF quantizadas e Exo Labs em Apple silicon, além de SkyRL, Miles e NVIDIA AutoModel para pós-treinamento com RL. Inferência hospedada, ajuste fino e chat interativo estão disponíveis no Tinker e no Tinker Playground. Em 21 de novembro de 2026, as páginas públicas oficiais consultadas para esta reportagem informavam armazenamento de checkpoints do Tinker a $0.10 por GB por mês e observavam que as tarifas de treinamento e inferência variam conforme o modelo e o tamanho do contexto. Elas não publicavam uma tabela completa de preços por token para o Inkling 2 Mini.
Como o Inkling 2 Mini se sai nos benchmarks oficiais?
A Thinking Machines Lab informa que o Inkling 2 Mini lidera os modelos de pesos abertos com menos de 100B de parâmetros totais no DeepSWE v1.1 e no Vals Index v2.2, competindo de perto com Qwen3.8-27B e Nemotron 3.5 Super VL (124.5B no total) em conjuntos de testes de programação, navegação e uso de ferramentas. Todos os números abaixo vêm do blog oficial e do cartão do modelo da Thinking Machines em 21 de novembro de 2026; os ambientes de avaliação variam conforme o modelo.
| Benchmark (observação sobre o ambiente oficial) | Inkling 2 Mini (5.4/26.4B) | Qwen3.8-27B (27.0/27.0B) | Nemotron 3.5 Super VL (12.0/124.5B) |
|---|---|---|---|
| AA Index (v5.0) | 20.1 | 20.1 | 13.6 |
| Vals Index (v2.2) | 46.5% | — | 29.8% |
| DeepSWE v1.1 (mini-swe-agent v2.4.6) | 48.2% | 42.2% | 24.7% |
| SWEBench Pro v2 Hard (mini-swe-agent v2.4.6) | 77.9% | 73.8% | 44.1% |
| SWEBench Verified (apenas bash) | 79.2% | 77.8% | 71.1% |
| Terminal Bench v2.1 (pi v0.83.0 para Mini) | 71.6% | 73.0% | 60.7% |
| PMPP-Hard (AUC, 0–10h, pi v0.83.0) | 455.82 | 262.50 | — |
| BrowseComp (Mini com compactação) | 79.0% | 61.6% | 78.9% |
| DeepSearchQA (Mini com compactação) | 85.3% | 79.7% | 77.7% |
| MCP Atlas Public | 82.7% | 77.3% | 67.7% |
| LongBench v2 | 66.9% | 52.3% | 62.1% |
| HLE-Diamond | 15.2% | 15.3% | 8.8% |
| CritPt v2 Full / Hard | 31.4% / 17.0% | 10.6% / 4.0% | 36.9% / 13.5% |
Em testes acadêmicos iniciais citados no blog oficial, pesquisadores do Hazy Research Lab e do Scaling Intelligence Lab de Stanford também mediram o Inkling 2 Mini em 0.703 na métrica “Intelligence per Watt”, usando uma NVIDIA DGX Spark (128GB) em MXFP8 com baixo esforço de raciocínio. Ele ficou à frente de Qwen3.6-35B-A3B (0.430), Gemma-4-26B-A4B (0.159) e Qwen3.5-27B (0.036), testados em NVFP4 e INT4.
Quais são as limitações e os resultados sobre monitorabilidade do Inkling 2 Mini?
Segundo as informações oficiais da Thinking Machines Lab, o Inkling 2 Mini abre mão de uma ampla recuperação de fatos e da adesão rigorosa a instruções em vários turnos para oferecer programação agêntica e execução de ferramentas mais fortes.
Limitações práticas e proteções para agentes
O blog oficial afirma claramente: “O Inkling 2 Mini não é o modelo pequeno mais forte para conversas em vários turnos ou instruções com muitas restrições: ele marca 50.0% no MultiChallenge e 33.4% no ComplexConstraints v1.1, atrás do Qwen3.8-27B em ambos. Também fica atrás de modelos maiores em benchmarks que exigem muito raciocínio, como CritPt v2 e HLE-Diamond.” (Como referência, a tabela do cartão do modelo lista separadamente o Qwen3.8-27B com 30.1% no ComplexConstraints v1.1 e o Muse Glimmer com 35.6%.)
O cartão destaca outras restrições que vale conhecer antes de implantar agentes locais:
- Lacunas de conhecimento: o loop não consegue armazenar fatos extras nos pesos, deixando o Inkling 2 Mini atrás do Inkling 2 Small na recuperação de fatos (pontuação de -8.6 no AA-Omniscience v1.1 e taxa de não alucinação de 63.4%) e mais propenso a afirmar informações incorretas com confiança sem ferramentas de busca.
- Loops de depuração: testes internos mostraram que o modelo às vezes ficava preso verificando novamente o código ou repetindo indefinidamente. Por isso, a Thinking Machines recomenda limites rigorosos de tokens de saída e de turnos do agente.
- Risco de ações destrutivas com ferramentas: o cartão alerta explicitamente: “Ele pode executar ações destrutivas, como excluir ou sobrescrever arquivos, sem confirmação.”
- Piso de computação: definir o esforço de raciocínio no mínimo não desativa o raciocínio por completo. As três passagens pelas camadas centrais fazem com que a computação por token exceda o que os 3.4B de parâmetros ativos sugerem, enquanto o suporte de execução local para modelos em loop ainda é recente.
Loops e monitorabilidade da cadeia de pensamento
Como transformers em loop raciocinam internamente entre passagens sem registrar tudo, a Thinking Machines lançou TML-d24-varloop-research (treinado com 1 a 5 passagens, principalmente 3) para testar a monitorabilidade. Sem cadeia de pensamento, a capacidade de horizonte temporal subiu de 16 segundos com uma passagem para 37 segundos com três, e o desempenho em N-Hop Lookup serial continuou aumentando até 10 loops. Em rastros do GPQA Diamond resolvidos corretamente com todas as cinco quantidades de passagens, o comprimento médio do raciocínio caiu de 3,703 tokens com 1 passagem para 1,661 tokens com 5 passagens, sem alteração no tamanho das frases e na escolha de palavras. Testes de sabotagem agêntica não mostraram tendência de alta com o aumento dos loops.
A Thinking Machines resumiu o resultado no X como “nenhuma queda significativa na monitorabilidade”. Ao mesmo tempo, tanto o Inkling 2 Mini quanto o modelo de loop variável com três passagens mostraram pouco controle sobre a própria cadeia de pensamento, seguindo instruções CoT em no máximo 0.1% das vezes em rastros de 750–1,250 tokens. Essas observações descrevem o comportamento na escala de 26.4B e não certificam a segurança de uma implantação sem supervisão.
Para quem o Inkling 2 Mini foi realmente criado?
O Inkling 2 Mini foi criado para desenvolvedores que executam agentes locais de programação, busca e uso de ferramentas MCP em Macs com Apple silicon e pelo menos 32GB, GPUs com pelo menos 32GB de VRAM ou sistemas DGX Spark, e querem pesos Apache 2.0 que possam inspecionar ou ajustar. Pela minha leitura das notas de lançamento, o melhor encaixe são tarefas estruturadas de engenharia de software nas quais saídas de ferramentas, testes e buscas fundamentam as respostas do modelo e limites de turnos mantêm os loops controlados.
Se você está decidindo como escolher um modelo de IA principalmente para conversas em vários turnos, perguntas e respostas factuais densas sem recuperação de informações ou autonomia não monitorada no sistema de arquivos, modelos maiores como o Inkling 2 Small ou alternativas dedicadas a chat continuam sendo escolhas mais seguras.
Perguntas frequentes sobre o Inkling 2 Mini
Por que a Thinking Machines informa tanto 3.4B quanto 5.4B de parâmetros ativos para o Inkling 2 Mini?
O Inkling 2 Mini ativa 3.4 bilhões de parâmetros em uma passagem por suas 24 camadas, número que corresponde ao da página da família da Thinking Machines. Como suas 12 camadas centrais passam pelo loop três vezes por token, cada passagem extra acrescenta cerca de 1.0 bilhão de parâmetros ativos efetivos. Isso leva o total a 5.4 bilhões de ativações efetivas por token, o número informado no Tinker.
É possível executar o Inkling 2 Mini em um laptop com 16GB de RAM?
A documentação oficial da Thinking Machines Lab em 21 de novembro de 2026 não lista 16GB de RAM como configuração compatível. O checkpoint oficial tem cerca de 20GB em precisões mistas NVFP4 e MXFP8, e as orientações oficiais especificam Macs com Apple silicon e pelo menos 32GB de memória, GPUs com pelo menos 32GB de VRAM ou uma NVIDIA DGX Spark.
Qual é a diferença entre os limites de contexto de 1M e 256K do Inkling 2 Mini?
Os dois números refletem a capacidade do modelo local e os limites atuais da versão hospedada. No Hugging Face, o cartão oficial do Inkling 2 Mini afirma que a arquitetura aceita janelas de contexto de até 1 milhão de tokens. Na página do catálogo oficial do Tinker, a versão hospedada tem atualmente um limite máximo de contexto de 256K, como outros modelos da plataforma.
O Inkling 2 Mini tem mesmo pesos abertos e é gratuito para uso comercial?
Segundo seu cartão oficial no Hugging Face, o Inkling 2 Mini é lançado sob a licença permissiva Apache 2.0, que permite uso comercial e local conforme seus termos. Para acesso hospedado no Tinker, as páginas oficiais consultadas em 21 de novembro de 2026 informam $0.10 por GB por mês para armazenamento de checkpoints e não publicam uma tabela pública completa de preços por token.
Como o Inkling 2 Mini se compara ao Inkling 2 Small?
O Inkling 2 Small é muito maior, com 594 bilhões de parâmetros totais e 17 bilhões de parâmetros ativos, enquanto o Inkling 2 Mini tem 26.4 bilhões no total e 3.4 bilhões ativos por passagem. A Thinking Machines informa que o Mini reproduz os pontos fortes do Small em programação agêntica, mas fica atrás na recuperação de fatos, no conhecimento geral do mundo e em benchmarks de raciocínio exigente.



