Thinking Machines lança Inkling Small: uma aposta em eficiência, não em tamanho
A Thinking Machines, laboratório de IA da ex-diretora de tecnologia (CTO) da OpenAI, Mira Murati, lançou seu segundo modelo, o Inkling Small. Ele atinge 40 pontos no Índice de Inteligência da Artificial Analysis, apenas um ponto a menos que o modelo Inkling maior, mas tem menos de um terço do seu tamanho. O modelo supera seu irmão maior em uma série de testes de codificação e raciocínio e é mais eficiente em termos de tokens.
Thinking Machines, o laboratório de IA da ex-CTO da OpenAI, Mira Murati, lançou seu segundo modelo, o Inkling Small. Este é um modelo de raciocínio de pesos abertos que, de acordo com a Artificial Analysis, pontua 40 no Índice de Inteligência—um ponto a menos que o modelo Inkling maior (41), apesar de ser menos de três vezes menor em tamanho (276 bilhões de parâmetros, 12 bilhões ativos). Nenhum modelo aberto do mesmo tamanho ou menor tem desempenho melhor, segundo a AA. O Inkling Small supera o Inkling em vários testes de codificação e raciocínio, como o Humanity's Last Exam (32% contra 30%) e o GPQA Diamond (89% contra 87%). No entanto, ele fica para trás em tarefas de agente e testes de conhecimento factual, mas é mais eficiente em tokens: nos testes, requer em média 24.000 tokens de saída por tarefa, comparado a 45.000 para o DeepSeek V4 Flash e 78.000 para o GPT-5.4 mini. O modelo lida com entradas de texto, imagem e voz, tem uma janela de contexto de 256.000 tokens e é distribuído sob a licença Apache-2.0. Os pesos estão disponíveis no Hugging Face, e através do Tinker Playground, o modelo pode ser usado e ajustado diretamente no navegador. A Thinking Machines posiciona seus modelos principalmente como uma base para ajuste fino adicional em dados proprietários, e alguns veem isso como a próxima fronteira no desenvolvimento de IA.
Fonte: The Decoder (DE) —
original