Thinking Machines 发布第二款模型 Inkling Small，侧重效率而非规模

Thinking Machines（由前 OpenAI CTO Mira Murati 创立）发布了其第二个模型 Inkling Small。该模型为开放权重推理模型，体积不足 Inkling 的三分之一，但在多个编码和推理基准测试中表现优于 Inkling。

此前 Thinking Machines 仅有尺寸较大的 Inkling 模型，本次发布表明其开始探索小而高效的路线，且小模型在基准上反超，可能改变用户对模型规模的预期，并影响开源模型市场的竞争格局。

小模型通过更优化的架构和训练策略，在保持或提升推理能力的同时降低参数量，从而减少计算和部署成本，提升推理速度，使其更适合资源受限的环境或实时应用。

开发者可更轻松地自托管或本地部署 Inkling Small，降低推理成本和延迟。产品研发中可将小模型用于轻量级任务，或将大模型蒸馏至小模型，从而提升用户体验。

• 将 Inkling Small 集成到内部 coding agent 中，用于代码补全和审查，兼顾性能与成本。
• 为资源受限的客户提供基于 Inkling Small 的边缘部署方案，降低使用门槛。
• 基于 Inkling Small 开发专用推理工具，如文档问答或数据分析，并开放 API 供第三方调用。

• Inkling Small 的具体参数规模、开放许可证及可用平台尚未披露。
• 其在更多真实场景（如数学、多步推理）的表现是否同样优于 Inkling 需进一步验证。
• 是否存在配套的微调工具或企业级支持服务尚不明确。