LINUX.ORG.RU

Новая MoE модель на 26b Inkling 2 Mini догнала Qwen3.8-27B

 , ,


0

1

Американский AI-стартап Thinking Machines Lab открыл веса языковой модели Inkling 2 Mini, которая по бенчмаркам достигает уровня более крупной Qwen3.8-27B. Модель вышла 20 ноября 2026 года под лицензией Apache 2.0, веса доступны на Hugging Face.

Контекстное окно составляет до 1 млн токенов. MoE-архитектура на 26,4 млрд параметров, из которых активны 5,4 млрд. В каждом слое токен маршрутизируется на 8 из 128 экспертов.

Поддерживаются Hugging Face Transformers, vLLM, SGLang, TokenSpeed, NVIDIA Dynamo, Unsloth (включая GGUF), llama.cpp, Ollama и Exo Labs. Также веса доступны через платформу дообучения Tinker, где есть API и playground.

Бенчмарки

БенчмаркInkling 2 MiniGemma 4 31BMuse GlimmerQwen3.8-27BNemotron 3.5 Super VL
Параметры, млрд (активные / всего)5/2631/3130/3027/2712/125
Сторонние индексы
AA Index (v5.0)20.14.46.320.113.6
Vals Index (v2.2)46.5%–––29.8%
Кодинг и автоисследования
FrontierCode v2.015.1%0.0%1.5%14.9%6.1%
DeepSWE v1.148.2%0.3%4.4%42.2%24.7%
Terminal Bench v4.05.6%0.0%0.5%5.6%0.0%
Terminal Bench v2.171.6%43.4%51.7%73.0%60.7%
SWEBench Pro v2 (Hard)77.9%14.2%44.3%73.8%44.1%
SWEBench Multilingual73.7%43.0%66.9%70.0%67.7%
SWEBench Verified79.2%46.1%76.0%77.8%71.1%
Vibe Code Bench v1.177.9%––64.9%3.5%
PMPP-Hard (AUC, 0–10h)455.82––262.50–
Агентный поиск, tool use и knowledge work
BrowseComp79.0%37.0%63.9%61.6%78.9%
DeepSearchQA85.3%61.7%74.6%79.7%77.7%
MCP Atlas (Public)82.7%54.2%75.5%77.3%67.7%
AA-Briefcase v1.112633694781391999
GDPVal-AA v2.1131962779214271162
JobBench49.6%8.2%16.1%33.4%36.5%
AutomationBench-AA v1.0.641.8%4.9%6.8%48.2%14.8%
EnterpriseOps-Gym42.0%28.4%34.7%44.2%28.1%
Vals Finance Index50.1%–––41.0%
AA-AnalystAgent46.3%–20.0%––
Diligence Bench48.6%–40.9%46.4%45.0%
Зрение
GDP.pdf16.8%6.0%11.8%16.4%8.0%
PerceptionBench57.5%40.7%42.8%52.4%36.8%
MMMU Pro (Standard 10)74.9%73.4%74.3%76.3%72.3%
OmniDocBench v1.692.8%82.5%90.4%91.5%77.9%
ScreenSpot Pro (оригинал / с Python)76.5 / 87.7%5.9% / –75.4% / –57.6 / 78.9%43.5% / –
Chartography (оригинал / с Python)22.1 / 72.5%12.0 / 11.8%17.4 / 25.1%12.2 / 52.1%9.7 / 29.3%
ZeroBench main (оригинал / с Python)17.0 / 34.0%9.0 / 12.0%9.0 / 17.0%12.0% / –11.0 / 12.0%
MuirBench77.5%72.3%77.6%65.9%72.7%
BVB68.4%47.0%50.5%70.7%52.1%
Рассуждения и знания
HLE-Diamond15.2%7.2%9.1%15.3%8.8%
CritPt v2 (Full / Hard)31.4 / 17.0%– / 4.0%– / 7.0%10.6 / 4.0%36.9 / 13.5%
Apex 202534.4%5.2%4.2%18.8%22.9%
ARC-AGI (v1 / v2)84.5 / 49.3%––87.5 / 42.4%22.7 / 1.5%
LongBench v266.9%52.9%33.1%52.3%62.1%
GraphWalks BFS 256K69.7%––50.4%63.3%
MRCR v2 (8-needle, 256K–512K)46.4%––38.0%5.7%
AA-Omniscience v1.1 (score)-8.6-48.5-32.2-6.4-2.9
AA-Omniscience v1.1 (non-hallucination rate)63.4%14.5%16.4%71.4%69.5%
ComplexConstraints v1.133.4%31.6%35.6%30.1%30.1%
Безопасность и alignment
FORTRESS adversarial (Public)89.5%67.8%90.3%78.8%79.6%
FORTRESS benign (Public)96.4%97.6%89.1%97.8%92.7%
StrongREJECT (none)97.8%98.1%99.0%99.0%99.4%
Misbehavior (Internal) ↓9.8%27.6%46.4%57.7%52.8%
Covert misbehavior (Internal) ↓8.3%24.3%45.6%33.2%43.4%
Destructive actions (Internal) ↓10.2%75.8%68.8%35.2%65.6%

Модель при пятикратной разнице в активных параметрах (5b против 27b) показывает на AA Index те же 20,1 балла, что и Qwen3.8-27B. В агентском кодинге Inkling часто впереди: SWEBench Verified 79,2% против 77,8%, SWEBench Pro (Hard) 77,9% против 73,8%, DeepSWE 48,2% против 42,2%. Заметный отрыв и в агентном поиске: на BrowseComp 79,0% против 61,6%. Но есть и просадки: Terminal Bench v2.1 (71,6% против 73,0%), MMMU Pro (74,9% против 76,3%), GDPVal-AA (1319 против 1427) и доля ответов без галлюцинаций в AA-Omniscience (63,4% против 71,4%).

Ссылка на веса модели – https://huggingface.co/thinkingmachines/Inkling-2-Mini

  • Markdown
Пустая строка (два раза Enter) начинает новый абзац. Знак '>' в начале абзаца выделяет абзац курсивом цитирования.
Внимание: прочитайте описание разметки Markdown.
Используйте Ctrl-Enter для размещения комментария