動察 Beating AI 速報、Thinking Machines が先ほどオープンソース化した Inkling 2 Small は 5940 億パラメータを持ち、実行には少なくとも 500GB の VRAM が必要だ。多くの開発者が大きすぎると不満を漏らしたため、Thinking Machines はより小型の Inkling 2 Mini を発表した。総パラメータ数は 264 億に減少し、トークン生成ごとに 34 億の異なるパラメータが活性化され、ついに一般的なノートPCでも実行可能になった。
Mini は GPT-6 Astra と同じリカレント Transformer アーキテクチャを採用している。モデルは 24 層のネットワークのみだが、中間の 12 層が 3 回繰り返し実行される。つまり、トークンを 1 つ生成するごとに 48 層の計算を経るが、保存する必要があるのは 24 層分の重みだけである。同じパラメータ群を繰り返し使用することで、モデルのサイズを拡大し続けなくても、より複雑な推論が可能になる。
Artificial Analysis の総合スコアは 20.1 点に達し、Qwen3.8-27B と同等だが、単項目評価のコストは後者の約 6 分の 1、所要時間は約 4 分の 1 である。Thinking Machines が公開したテスト結果によると、DeepSWE v1.1 のプログラミングタスクの通過率は 48.2% に達し、Qwen の 42.2% を上回った。しかし AutomationBench-AA のオフィス自動化タスクテストでは 41.8% にとどまり、Qwen の 48.2% を依然として下回っている。
リカレントアーキテクチャには問題も伴う。モデルは内部でより多くの推論を完了でき、思考の各ステップをすべて書き出す必要がないため、外部からその推論プロセスを検査することが難しくなる可能性がある。Thinking Machines はループ回数を調整できる研究用モデルを専用に訓練した。実験では、ループ回数が多いほど、モデルがテキスト推論に依存せずに完了できるタスクが複雑になることが分かったが、現時点では思考連鎖の監視可能性が明らかに低下する現象は見られていない。
Inkling 2 Mini は完全な重みが公開されており、Apache 2.0 ライセンスを採用している。公式バージョンは約 20GB で、32GB メモリの Mac 上でオフライン実行が可能だ。Unsloth も低ビット量子化バージョンをリリースしており、16GB メモリのデバイスでも実行できる。