Thinking Machines, Inkling Small'ı tanıttı: boyuta değil verimliliğe oynuyor
Eski OpenAI Teknoloji Direktörü Mira Murati'nin yapay zeka laboratuvarı Thinking Machines, ikinci modeli Inkling Small'ı yayınladı. Model, Artificial Analysis'in Zeka Endeksi'nde 40 puan alarak daha büyük Inkling modelinin sadece bir puan gerisinde, ancak boyutu üçte birinden daha küçük. Model, bir dizi kodlama ve akıl yürütme testinde daha büyük kardeşini geride bırakıyor ve token açısından daha verimli.
Thinking Machines, eski OpenAI CTO'su Mira Murati'nin yapay zeka laboratuvarı, ikinci modeli Inkling Small'ı yayınladı. Bu, Artificial Analysis'a göre Zeka Endeksi'nde 40 puan alan açık ağırlıklı bir akıl yürütme modeli—büyük Inkling modelinden (41) bir puan daha az, boyutunun üç katından daha küçük olmasına rağmen (276 milyar parametre, 12 milyar aktif). AA'ya göre, aynı veya daha küçük boyutta hiçbir açık model daha iyi performans göstermiyor. Inkling Small, Humaninity's Last Exam (%32'ye karşı %30) ve GPQA Diamond (%89'a karşı %87) gibi birçok kodlama ve akıl yürütme testinde Inkling'den daha iyi performans gösteriyor. Ancak, aracı görevlerde ve bilgi testlerinde geride kalıyor, ancak token açısından daha verimli: testlerde, DeepSeek V4 Flash için 45.000 ve GPT-5.4 mini için 78.000'e kıyasla görev başına ortalama 24.000 çıktı tokeni gerektiriyor. Model metin, görüntü ve ses girdilerini işliyor, 256.000 tokenlik bir bağlam penceresine sahip ve Apache-2.0 lisansı altında dağıtılıyor. Ağırlıklar Hugging Face'te mevcut ve Tinker Playground aracılığıyla model tarayıcıda doğrudan kullanılıp ince ayar yapılabiliyor. Thinking Machines modellerini öncelikle tescilli veriler üzerinde daha fazla ince ayar yapmak için bir temel olarak konumlandırıyor ve bazıları bunu yapay zeka gelişiminde bir sonraki sınır olarak görüyor.
Kaynak: The Decoder (DE) —
orijinal