Inkling 2 Small von Thinking Machines: Ein neuer Anwärter für Open-Weight KI-Automatisierung

Ein neues KI-Modell, Inkling 2 Small, von Thinking Machines, einem Startup, das von der ehemaligen OpenAI CTO Mira Murati mitbegründet wurde, sorgt für Aufsehen. Das Unternehmen behauptet, es sei das stärkste westliche Open-Weight-Modell, das 17 Milliarden aktive Parameter aufweist und erhebliche Verbesserungen bei agentischen Aufgaben bietet, was es zu einem ernstzunehmenden Anwärter für spezialisierte KI-Anwendungen macht.

Was ist passiert

Thinking Machines hat kürzlich Inkling 2 Small vorgestellt, die zweite Generation seiner Inkling-Modelle, die speziell als Basismodelle für das Fine-Tuning entwickelt wurden. Laut The Decoder enthält dieses Mixture-of-Experts-Modell beeindruckende 594 Milliarden Gesamtparameter, wobei jederzeit 17 Milliarden aktiv sind. Es verarbeitet sowohl Text als auch Bilder als Eingabe und bietet eine einstellbare 'Denktiefe', die es Benutzern ermöglicht, Geschwindigkeit oder Gründlichkeit zu priorisieren.

The Decoder berichtet, dass Inkling 2 Small auf dem Artificial Analysis Intelligence Index 31 Punkte erreichte, ein erheblicher Sprung von 13 Punkten des Vorgängers, und es damit ungefähr auf Augenhöhe mit Googles Gemini 3.8 Flash platziert. Die größten Fortschritte wurden bei agentischen Aufgaben erzielt, bei denen das Modell eigenständig mehrstufige Workflows ausführt. Auf AutomationBench-AA stieg die Punktzahl von 5% auf 46%, und auf FrontierCode 2.0 von 5% auf 25%. Für Wissensarbeit erreichte Inkling 2 Small im AA-Briefcase-Benchmark 1.527 Elo, eine Steigerung von 615 Punkten gegenüber dem vorherigen Modell. Die Halluzinationsrate sank von 61% auf 27%, obwohl The Decoder anmerkt, dass dies teilweise darauf zurückzuführen ist, dass das Modell weniger Fragen beantwortet, wobei seine Antwortrate von 77% auf 53% fiel.

Diese verbesserten Ergebnisse gehen mit einem Kompromiss einher: einem höheren Token-Verbrauch. Inkling 2 Small verwendet etwa viermal so viele Output-Tokens pro Aufgabe wie sein Vorgänger, durchschnittlich 150.000. Dies treibt die Kosten laut Artificial Analysis auf 1,18 $ pro Aufgabe, fast sechsmal mehr. The Decoder hebt jedoch hervor, dass dies immer noch deutlich günstiger ist als Gemini 3.8 Flash (7,77 $) oder Claude Sonnet 5.5 (10,02 $), wodurch es näher an die Preisspanne einiger kostengünstiger chinesischer Modelle rückt.

Thinking Machines trainierte das Modell mittels Reinforcement Learning an Hunderttausenden von langfristigen Codierungsaufgaben. The Decoder fügt hinzu, dass das Modell in Texterkennung, Infografik-Interpretation und visuellem Denken hervorragend ist, mit 25,2% im GDP.pdf-Dokument-Benchmark und 81,6% im MMMU Pro für multimodales akademisches Verständnis. Es führt auch auf PerceptionBench mit 64,7% und erreichte die höchste Punktzahl unter Open-Weight-Modellen auf DesignArena Website für visuelle Kreation. In einer eher ungewöhnlichen Demonstration identifizierte das Modell in 19 von 20 Blindverkostungsversuchen korrekt drei Weine von einem Foto.

Trotz seiner Stärken weist das Modell einige Eigenheiten auf. Thinking Machines räumt ein, dass es ineffizient kommunizieren kann, nicht immer die besten Tools für große Codebasen auswählt, keine Audio-Unterstützung bietet und nicht für Chats optimiert ist. Es kann auch auf gesundheitsbezogene Themen überreagieren und unübersichtliche Ausgaben produzieren. Derzeit ist Inkling 2 Small über die Tinker-Plattform von Thinking Machines verfügbar, mit Plänen, die Gewichte nach externen Sicherheitstests unter einer Apache 2.0-Lizenz zu veröffentlichen, was eine freizügigere Open-Source-Option als einige Konkurrenten bietet.

Warum es für kleine Unternehmen wichtig ist

Also, Kleinunternehmer, das hier ist wirklich interessant. Ein Open-Weight-Modell, das für Fine-Tuning entwickelt wurde und zudem ernsthafte agentische Fähigkeiten besitzt? Das ist nicht nur eine Schlagzeile; das ist Potenzial für tatsächliche, praktische Automatisierung. Für kleine Teams ist die Aussicht auf ein Modell, das eigenständig mehrstufige Workflows bewältigen kann – wie die Verarbeitung komplexer Dokumente, die Interpretation von Infografiken oder sogar die Generierung von Website-Designs – enorm. Sie bekommen nicht nur einen Chatbot; Sie bekommen einen digitalen Assistenten, der Dinge erledigen kann. Die Tatsache, dass es schließlich unter Apache 2.0 veröffentlicht wird, bedeutet mehr Kontrolle und Flexibilität für diejenigen, die mutig genug sind, es selbst zu hosten oder tief zu integrieren, wodurch die übliche Anbieterbindung vermieden wird. Und mit 1,18 $ pro Aufgabe ist es ein Bruchteil der Kosten der großen proprietären Anbieter, was fortschrittliche KI zugänglicher macht, ohne das Budget zu sprengen. Sicher, es hat seine Macken – ineffiziente Kommunikation und unübersichtliche Ausgaben klingen nach klassischen frühen KI-Problemen –, aber der Kernnutzen für spezialisierte Aufgaben und Automatisierung ist schwer zu ignorieren.

Was diese Woche zu tun ist

1. Werfen Sie einen Blick auf die Tinker-Plattform von Thinking Machines, um zu sehen, ob die aktuellen Fähigkeiten von Inkling 2 Small, insbesondere seine multimodalen und agentischen Funktionen, mit spezifischen, sich wiederholenden internen Aufgaben übereinstimmen, die Sie derzeit manuell erledigen.
2. Identifizieren Sie ein oder zwei mehrstufige Workflows in Ihrem Unternehmen, die sowohl Text als auch Bilder umfassen (z. B. die Verarbeitung von Kundenfeedback-Formularen mit eingebetteten Diagrammen, die Analyse von Produktfotos mit Beschreibungen), die von einer agentischen KI profitieren könnten.
3. Behalten Sie die geplante Veröffentlichung der Apache 2.0-Lizenz im Auge; dies könnte kostengünstigere und anpassbarere Bereitstellungsoptionen für Ihr Team eröffnen, insbesondere wenn Sie sensible Daten oder Nischenanwendungsbedürfnisse haben.

Quellen

• Thinking Machines' Inkling 2 Small claims top spot among western open-weight models — The Decoder