Inkling 2 Small 上線，Tinker 可用與開放權重時程如何分清？
Thinking Machines 在 11 月 5 日推出 Inkling 2 Small，讓開發者先透過 Tinker 使用、微調與取樣。這次更新把長任務、影像理解與客製訓練放在同一個模型。 我會建議想研究客製代理的開發者先比較 Tinker 上的實際任務結果。需要自行保管模型檔案或離線部署的人，則要等權重與可用推論環境正式到位。
想替 AI 加入自己的訓練資料，通常要先決定使用雲端訓練平台，還是把模型搬回自己的設備。兩個選擇牽涉的成本與控制權不同。
Thinking Machines 在 11 月 5 日推出 Inkling 2 Small，讓開發者先透過 Tinker 使用、微調與取樣。這次更新把長任務、影像理解與客製訓練放在同一個模型。
它有 5,940 億個總參數，每個 token 約啟用 170 億個。名稱中的 Small 是產品定位，因此不能據此推估一般筆電就能執行。
發布時權重仍未開放下載。團隊計畫在外部安全測試與紅隊測試完成後，於下週採 Apache 2.0 公開完整權重，兩個階段要分開看。
我會建議想研究客製代理的開發者先比較 Tinker 上的實際任務結果。需要自行保管模型檔案或離線部署的人，則要等權重與可用推論環境正式到位。
要決定是否值得投入測試，得先看目前已能使用的服務，再理解模型規模與官方成績的條件。
Inkling 2 Small 現在能用什麼，權重何時開放？
已開放的是 Tinker 上的使用與訓練能力，而可下載權重仍屬下一個發布階段。官方發布文章把這個順序寫得很清楚，因此「已經能用」與「已經能自架」不能互相替代。
Tinker Playground 提供直接試用入口，開發者也能透過平台進行微調與取樣。微調是讓系統繼續學習專門資料，取樣則是讓它依輸入產生回答，兩者對應不同工作。
權重是保存學到的能力的數值檔案。只有能取得這些檔案，團隊才有條件另找推論環境，自行安排運算與保存方式。
官方也說明，Tinker 產生的檢查點會隨完整權重發布而開放下載。檢查點是某個訓練階段保存下來的模型狀態，因此在平台完成一次調整，不代表當天就能把成果帶回自己的伺服器。
開放計畫還有外部測試條件
團隊預計在發布後一週，以 Apache 2.0 提供完整權重，但前提是完成外部安全測試與紅隊測試。紅隊測試會主動尋找模型容易被誘導出問題的情況，屬於發布流程的一部分。
截至這次公告，服務仍依 Tinker 的使用條款提供。模型卡也列出當下的授權與用途，所以企業不能只依下週的計畫，提前把既有使用方式當成公開權重授權。
如果團隊已經有固定模型供應商，現在可先比較平台上同一批任務的輸出。若採用條件是離線運作或自行保管全部模型檔案，就需要等到下一階段交付才能做完整決定。
確定交付形式後，模型規模才能轉換成自己能否部署與負擔的問題。
594B 總參數、17B 啟用，Small 到底小在哪裡？
稀疏啟用降低每次運算動用的參數量，卻不會讓完整權重的儲存需求跟著縮成同一個數字。這是讀懂模型規模時最需要先分開的兩件事。
Inkling 2 Small 採用混合專家架構，可以把它想成每次請不同專門小組參與工作。系統依當下的文字片段選擇部分專家，所以每一步不用讓全部參數都一起計算。
token 是模型處理的文字片段，可能是一個字或詞的一部分。每個 token 啟用約 170 億參數，描述的是運算路徑，完整模型仍包含其他可能在下一步用到的專家。
因此，170 億只描述啟用規模，估算顯示卡記憶體時仍要看完整權重。實際部署還會受權重精度、同時使用人數與上下文暫存影響。
能讀圖片，不等於能直接生成影音
這代模型接受文字與圖片，輸出文字。它可以把圖片中的細節用於判讀，也能透過程式與工具製作視覺作品，但官方明確說這一代不支援音訊輸入。
發布頁展示城市模擬器、Linux 模擬器與 Blender 場景。這些是代理透過程式工具建構作品的官方示範，不能因此把它說成直接輸出影片檔的影音生成模型。
模型卡列出最高百萬 token 上下文，代表能處理的資訊長度上限。平台的訓練、取樣與服務入口仍各有設定，做實驗時應依自己使用的入口核對可用長度。
長上下文能容納較多內容，卻也讓模型需要在更多資訊中找重點。如果代理遇到一大套技能與工具，知道何時應該使用哪一項，仍是另一個需要測試的能力。
硬體條件之外，讓長任務跑得順還需要訓練與代理執行環境配合。
長任務與視覺回饋，這次訓練改變什麼？
訓練讓模型在跨很多步驟的任務中接收回饋，目的是讓寫完程式與檢查結果形成循環。任務做得愈長，早期選擇如何影響後面工作也愈重要。
官方說明，程式訓練使用數十萬個長任務，並涵蓋不同代理執行框架與上下文壓縮策略。框架會決定模型可以呼叫什麼工具，壓縮策略則處理對話太長時要留下哪些資訊。
如果只用單元測試通過與否給分，系統可能只學會把結果推到能過測試。這次有些任務再加入代理評分者，檢查解題方式，因此回饋不只看最後一個通過標記。
這種訓練設計有助於評估模型如何安排步驟，但不代表部署後每次都會選到最佳工具。官方限制頁仍承認，技能很多的程式庫裡，工具選擇可能不理想。
看見結果再改，是視覺代理的用途
視覺回饋可以讓代理查看自己產生的網站或三維場景，再根據畫面調整。這和只寫出程式後就結束不同，因為程式能執行，不一定表示物件位置與互動符合要求。
官方示範城市模擬器沒有使用預製素材，由程式建立建築、紋理與車輛。它呈現模型能把程式與視覺工具串起來，但示範仍有特定任務與執行環境，不能當成每次都能做出同等品質的保證。
對開發團隊而言，這種能力最直接的測法，是把已有畫面要求的任務交給模型。比較它是否能發現偏差、修正後再確認，比只數產生多少程式行更接近工作需求。
官方還測試早期版本在 OpenCode 中以 Fledge-Alpha 名稱執行。這提供真實程式工具中的測試脈絡，但正式採用仍應鎖定已發布的版本，避免把不同檢查點的表現混在一起。
這種循環能帶來哪些改善，仍得用測試的任務、工具與時間預算一併判讀。
官方基準與自動研究示範，哪些數字可以比較？
同一版本在不同工具與嘗試次數下會得到不同分數，因此比較前要先看測試設定。官方開頭用 Artificial Analysis 智能指數約 31 分呈現進展，並沒有據此宣稱所有任務都領先。
程式、視覺與研究測試也不是相同能力。某個模型擅長讀螢幕，不代表在修改大型專案或規劃訓練實驗時，同樣具有優勢。
四次嘗試的最好結果，不等於一次表現
PMPP-Hard 的 GPU 核心優化測試有 69 題，每個模型跑四次獨立嘗試，時間預算十小時，使用共同代理框架與壓縮政策。它讓模型改進運算程式，再比較解題進度。
Inkling 2 Small 十小時平均解出 54.25 題，四次中至少一次成功的題目則有 64 題。前者描述平均一次工作的結果，後者描述多試幾次的涵蓋程度，不能都寫成單次成功率。
視覺測試也會受工具影響。ScreenSpot Pro 在原始設定為 83.8%，允許 Python 後為 91.5%，顯示模型加上影像處理工具，和單獨讀圖不是同一個比較條件。
Python 在這裡是可執行分析程式的工具。多出的處理步驟可能協助放大、裁切或檢查影像，因此比較別家模型時，也需要確認是否提供同樣工具。
自動訓練示範展示了選擇與回退
官方展示一個時間序列預測任務，讓代理替 Qwen3.5-4B 訓練專用調整。時間序列是按時間排列的數值，例如電力需求、天氣與維基百科瀏覽量，模型要預測後面會如何變化。
代理先建立評估程式，再整理訓練資料與嘗試不同方法。過程中發現八個預測使用同一個隨機種子，導致輸出相同，於是修正評估方式後再比較。
這個插曲很關鍵。如果評估本身有錯，後續看到的分數差異就可能和模型改善無關。示範價值之一，是讓讀者看到代理如何修正自己的測量方法。
它也嘗試強化學習，但預測變得過度有把握，分數反而下降，因此停止那一輪。最後選用較好的監督微調版本，說明更多訓練未必帶來更好的結果。
完整軌跡約四小時十七分，花費 426 美元。在未見過的八月至九月資料上，最終版本相對底座約少 15% 誤差，這是該特定任務的結果，沒有推廣成任何研究都能自動翻倍。
這些分數提供候選方向，是否值得換用仍要回到自己的任務與已知弱點。
哪些開發者值得先試，哪些需求應等權重？
想把專門資料接進代理訓練的人可以先評估雲端流程，離線與自架需求則有明確的等待條件。因為交付方式不同，測試成功後能搬到哪裡也不同。
對有資料與評分規準的團隊，Tinker 可以先讓模型學習固定任務，再把結果和未調整版本比較。資料最好包含平常容易出錯的情境，才能看出改善是否真的出現在重要位置。
測試資料也要保留沒參與微調的部分。因為在同一批範例上反覆調整，很容易得到較好看的分數，卻還不知道模型遇到新資料會如何反應。
例如程式代理可以按不同專案或較晚出現的任務分開資料，讓測試保留新的環境。這能協助判斷模型學會的是可轉移的方法，還是記住既有題目的答案。
同時記錄完成品質、嘗試次數與整段費用。因為模型可能產生較長答案，也可能多試工具，單看每百萬 token 的價格，未必能知道完成一件工作的支出。
官方也承認，這代模型不夠精簡，聊天的組織與呈現仍有缺點，並可能對心理健康或安全類問題反應過度。若產品需要直接面對一般使用者，這些行為也會影響採用。
這些限制讓模型定位更清楚。它值得放進可客製代理的候選名單，但是否適合成為既有產品的預設模型，需要同時檢查任務品質與回覆方式。
延伸閱讀：Thinking Machines 發布 Inkling：975B 開放權重模型，主打可自訂與多模態
延伸閱讀：Nanbeige4.3-33B 開放權重：先打造教師模型，程式代理成績與部署代價怎麼看？
保留固定任務、輸出品質與費用紀錄，才有依據判斷新一代模型是否改善工作。
Inkling 2 Small 常見問題 FAQ
Inkling 2 Small 已經開源了嗎？
截至發布公告，權重仍在 Tinker 封閉提供。團隊計畫在外部安全測試完成後，於下週採 Apache 2.0 公開完整權重。
它支援圖片和語音嗎？
它能接受圖片與文字，輸出文字。官方明確列出這一代不支援音訊，因此不能沿用其他Inkling版本的音訊能力描述。
17B 啟用參數代表一般顯示卡就能跑嗎？
啟用參數只描述每步運算用到的部分。完整權重、精度、上下文與併發需求仍會影響部署，因此不能單憑17B下結論。
Tinker 上微調的檢查點能立刻下載嗎？
官方說明檢查點會隨完整權重發布而開放下載。在那之前，平台上可訓練與自己能下載部署是不同條件。
結論
Inkling 2 Small 把客製訓練、視覺回饋與長任務能力帶到新一代產品，但採用判斷仍要先看服務現在交付什麼，再看自己的工作能否受益。
有專門訓練需求的開發者，可以先追蹤官方完整任務軌跡，選一組自己的資料比較。需要自架的人則等權重、授權與推論支援到位，再做部署決定。
