Inkling 2 Small, 17 milyar aktif parametresi ve selefini açık ara geride bırakan test skorlarıyla Batı merkezli en güçlü açık ağırlıklı (open-weight) model olduğunu öne sürüyor. Eski OpenAI CTO’su Mira Murati’nin kurduğu Thinking Machines, bu duyuruyla birlikte ikinci nesil modelini gün yüzüne çıkardı. İnce ayar (fine-tuning) süreçlerinde temel model olarak kullanılmak üzere tasarlanan Inkling modelleri, bu yönüyle özellikle özelleşmiş uygulamalar için oldukça cazip bir seçenek oluşturabilir.
Mixture-of-Experts mimarisine dayanan model, toplamda 594 milyar parametre barındırıyor ve herhangi bir anda bu parametrelerin 17 milyarı aktif olarak çalışıyor. Hem metin hem de görsel girdileri kabul eden sistem, kullanıcıların hız ile titizlik arasında seçim yapmasına olanak tanıyan ayarlanabilir bir düşünme derinliği sunuyor.
Thinking Machines’in paylaştığı verilere göre Inkling 2 Small, Artificial Analysis Intelligence Index testinde 31 puana ulaşıyor. Bu sonuç, önceki nesil Inkling Small’un (13 puan) 18 puan üzerine çıkarken, Google’ın Gemini 3.8 Flash modeliyle de başa baş bir seviyeye işaret ediyor.
En belirgin kazanımlar, modelin çok adımlı iş akışlarını bağımsız biçimde yürüttüğü ajan tabanlı görevlerde ortaya çıkıyor. Otomasyon testi AutomationBench-AA üzerindeki skor yüzde 5’ten yüzde 46’ya fırlarken, FrontierCode 2.0 testinde yüzde 5’ten yüzde 25’e yükseliyor. Zihinsel iş gücü kıyaslaması AA-Briefcase tarafında Inkling 2 Small, selefinin 615 puan üzerine çıkarak 1.527 Elo seviyesine ulaşıyor. Modelde halüsinasyon oranı yüzde 61’den yüzde 27’ye geriliyor ancak bu durum büyük ölçüde modelin daha az soruya cevap vermesinden kaynaklanıyor. Zira yanıt verme oranı yüzde 77’den yüzde 53’e düşüyor.
Maliyetler Yükselse de Rekabetin Çok Altında
Daha iyi sonuçlar, kısmen daha yüksek token kullanımının bir bedeli olarak geliyor. Inkling 2 Small, görev başına ortalama yaklaşık 150.000 çıktı tokenı üretiyor. Bu miktar selefinin yaklaşık dört katı demek. Artificial Analysis verilerine göre sistem, görev başına 1,18 dolar maliyetle bir önceki nesle kıyasla neredeyse altı kat daha pahalıya mal oluyor. Yine de bu tutar Gemini 3.8 Flash (7,77 dolar) veya Claude Sonnet 5.5’e (10,02 dolar) kıyasla çok daha ucuz kalmayı sürdürürken, düşük maliyetli Çin menşeli modellerin fiyat aralığına yaklaşıyor.
Thinking Machines, modeli yüz binlerce uzun süreli kodlama görevi üzerinde pekiştirmeli öğrenme yöntemiyle eğittiğini belirtiyor. Otomatik bir değerlendirme sistemi, hem üretilen kodun çalışıp çalışmadığını hem de modelin her göreve nasıl yaklaştığını kontrol etti. Inkling 2 Small, FrontierCode 2.0’da %25,4, DeepSWE v1.1’de %72,1 ve SWEBench Pro v2 (Hard) testinde %86,3 başarı oranına ulaştı. Ancak yeni DeepSeek V4.1 Flash, bu testlerin çoğunda liderliğini koruyor. Model, FrontierCode’da %28,5 ve DeepSWE’de %77 başarı elde etti. SWEBench Pro v2 (Hard) testinde ise Kimi K3, rakiplerini küçük bir farkla geride bırakarak ilk sıraya yerleşti. Daha yeni Kimi K3.1 Pro modeli bu karşılaştırmada yer almıyor.
Görme ve Tasarım Puanlarında Açık Ağırlıklı Modellerin Lideri
Thinking Machines’e göre modelin en güçlü olduğu alanlar metin tanıma, infografikleri yorumlama ve görsel akıl yürütme. Modellerin karmaşık PDF belgelerindeki soruları yanıtlama yeteneğini ölçen GDP.pdf kıyaslamasında sistem, yüzde 25,2 puan alarak karşılaştırılan modeller arasında en yüksek skoru elde etti. Şema ve çizimler içeren akademik görevlerin çok modlu kavranışını ölçen MMMU Pro testinde ise Inkling 2 Small yüzde 81,6 seviyesine ulaştı.
Çok modlu modellerin görsel algılama becerisini ölçen PerceptionBench testinde %64,7 başarı oranıyla liderliğe ulaştı. Görsel içerik oluşturma alanında ise kullanıcıların YZ tarafından hazırlanan web sitelerini ikili karşılaştırmalarla değerlendirdiği DesignArena Website platformunda 1.340 Elo puanı elde etti. Bu, açık ağırlıklı modeller arasındaki en yüksek puan. Thinking Machines ayrıca modelin 3D modelleme alanında da ilerleme kaydettiğini belirtiyor.
Kompakt Eğitim Süreci ve Yakında Gelecek Açık Ağırlıklar
Rakipleriyle karşılaştırıldığında modelin toplam eğitim süreci dikkat çekici derecede kompakt gerçekleşti. Thinking Machines’in açıklamasına göre model tüm aşamalar boyunca yaklaşık 12 trilyon token işledi. Bu miktar benzer rakiplerin kullandığı verinin oldukça altında. Temel eğitimin ardından gelen pekiştirmeli öğrenme aşaması ise 2.048 GPU üzerinde 9 günde tamamlandı ve yalnızca 3 trilyon token gerektirdi.
Thinking Machines, modelin zaman zaman verimsiz biçimde iletişim kurduğunu kabul ediyor. Daha önemli bir sorun ise modelin büyük kod tabanlarıyla çalışırken her zaman en uygun araçları seçememesi. Model ayrıca ses desteği sunmuyor ve sohbet için daha az optimize edilmiş durumda. Sağlıkla ilgili konulara aşırı tepki verebiliyor ve gereksiz ayrıntılarla dolu çıktılar üretebiliyor.
Thinking Machines şimdilik modeli kendi Tinker platformu üzerinden kullanıma sunuyor. Şirket, harici güvenlik testleri tamamlandığında model ağırlıklarını Apache 2.0 lisansı altında yayımlamayı planlıyor. Bu lisans, en serbest açık kaynak lisanslarından biri niteliğinde ve Meta veya Mistral’in daha kısıtlayıcı açık ağırlık lisanslarına kıyasla önemli bir avantaj sağlıyor. Thinking Machines, modelin farklı boyutlardan oluşan bir aileye ait olduğunu ve yakında daha fazla varyant yayımlamayı planladığını ekliyor.
Kaynak: https://the-decoder.com/thinking-machines-inkling-2-small-claims-top-spot-among-western-open-weight-models/
