Inkling 2 小号

今天，我们推出第二代 Inkling 2 Small 型号。它是一个混合专家模型，共有 594B 个参数，17B 个活动参数，并支持图像输入和可变工作量。 Inkling 2 Small 远远超过了我们之前的模型在人工智能分析智能指数上的得分，达到 31 分，反映出在代理编码、视觉、知识工作和推理方面的性能提升。能力的提高来自于我们训练过程每一步的改进，包括更高效的预训练和大规模、统一的强化学习运行。 Inkling 2 Small 最初将通过 Tinker 提供，采用封闭式配重，遵循我们在开放式配重的安全路径中概述的方法。我们打算在下周完成外部安全测试和红队后，在 Apache 2.0 许可证下提供全部权重。您今天就可以在 Tinker Playground 上试用 Inkling 2 Small。该模型还可以在 Tinker 上进行微调和采样；随着 Inkling 2 Small 权重的发布，检查点将可供下载。功能 Inkling 2 Small 比我们的第一代产品全面具备更强的能力，特别是在长距离自主工作方面。 Inkling 2 Small 的视觉和代理功能使其能够整合视觉反馈，以迭代方式构建和完善具有交互元素的网站、游戏和 3D 设计。城市模拟器 Linux PC 折纸地图到视频 Inkling 2 Small 使用 Three.js 构建一个完整的城市模拟器，无需预制资产，按程序生成每栋建筑、纹理和汽车，允许用户从一条道路发展一座生机勃勃的城市，同时管理电力、预算和紧急情况。用 Python 编写的从头开始的 PC 模拟器。它启动真正的 Linux 内核，并提供一个 Web 界面来启动浏览器中的实时实例。在普通纸上手绘的山谷，折纸鹤降落在 Inkling 上。在 Blender 中使用 Inkling 2 Small 生成；进行了修改，改进了水和烟囱。从地图生成的平面图演练。代理编码和自动研究 Inkling 2 Small 通过 RL 进行了跨多个代理工具和上下文压缩策略的数十万个长期编码任务的训练。我们提高了合成编码数据管道的质量，并超越了单独的单元测试奖励；许多任务包括一个代理强化学习分级器，它评估模型如何解决问题，而不仅仅是其代码是否通过。我们还在 OpenCode 上以 Fledge-Alpha 的名义测试了 Inkling 2 Small 的早期检查点，以评估我们的模型在现实世界中的编码任务上的性能。其结果是模型的编码能力更强，并且更易于在真实代理循环中使用。与 Inkling 相比，Inkling 2 Small 提高了可用性：它更好地遵循说明，仔细考虑更改，并在没有询问的情况下验证其工作。 FrontierCode v2.0 25.4%（本行第二高报告分数） 14.2% 28.5%（本行最高报告分数） 7.6% 17.3% DeepSWE v1.1 72.1%（本行第二高报告分数） 63.4% 77.0%（本行最高报告分数） 60.0% 68.5% SWEBench Pro v2（硬） 86.3%（本行第二高报告分数） – – 82.4% 88.2%（本行最高报告分数） Vibe Code Bench v1.1 81.6% 30.8% 87.7%（本行最高报告分数） 76.2% 85.0%（本行第二高报告分数） PostTrainBench v1.2 31.9%（本行第二高报告分数） 36.8%（本行最高报告分数） 30.5% – 31.5% Terminal Bench Science v0.1 5.7% 4.8% 12.9%（本行最高报告分数） 1.9% 8.1%（本行第二高报告分数） 内核优化（PMPP-困难） 69 项任务 · 四次独立尝试 · 10 小时预算 GPT-6 Astra 63 Kimi K3.1 Pro 60.5 Claude Opus 5.5 60 Kimi K3 55.75 DeepSeek V4.1 Flash 55.25 Inkling 2 Small 54.25 GLM 5.3 52.5 Mistral Large 4 50.25 GLM 5.2 42 已解决的平均任务数 / 69 0 10 20 30 40 50 60 69 0h 2h 4h 6h 8h 10h 已解决的平均任务数 / 69 经过的时间（小时） 查看完整结果 行按 AUC 排序：0–10 小时内平均曲线下的面积，最多 690 个任务小时。每个模型都使用其最大可用推理设置、PI 工具和共享压缩策略。我们修复了评估过程中发现的任务和评分问题。每个提交的解决方案都会接受两次独立的法学硕士审核，并通过第三次审核解决分歧。 PMPP-Hard 是一个外部 GPU 内核优化基准测试，此处进行了调整以实现一致的跨模型评估。曲线显示四次独立尝试的平均值；图例值是 10 小时内解决的平均任务。除了传统的软件任务之外，Inkling 2 Small 还接受了长期自动研究任务的训练。这包括代理 GPU 内核优化和 ML 任务（例如自主后训练模型），所有任务都在一系列 GPU 架构上运行。初步内核自动研究结果 DeepSeek-V3.2 稀疏注意力，前向 + 后向 Claude Opus 5