Thinking Machines Lab, Inkling 2 Small 공개
최근 30일 조회수 — 좋아요 —핵심 요약
코딩·비전·추론 성능을 높인 MoE 모델로, 외부 안전성 평가 후 전체 가중치를 공개할 예정이다.
Thinking Machines Lab이 에이전트 코딩과 비전, 지식 작업, 추론 성능을 끌어올린 2세대 모델 ‘Inkling 2 Small’을 공개했다. 총 5,940억 개 매개변수 가운데 추론 때 170억 개를 쓰는 전문가 혼합(Mixture-of-Experts·MoE) 모델로, 이미지 입력과 작업별 추론량 조절을 지원한다. 회사가 공개한 인공분석지능지수(Artificial Analysis Intelligence Index) 점수는 31점으로 이전 세대보다 높다.1
성능 향상에는 효율을 높인 사전학습과 여러 능력을 함께 다룬 대규모 강화학습(RL)이 쓰였다. 특히 수십만 건의 장시간 코딩 과제를 여러 에이전트 실행 환경과 문맥 압축 방식으로 학습했다. 코드가 단위 테스트를 통과했는지만 보지 않고, 문제에 접근한 과정까지 평가하는 에이전트형 채점기도 활용했다. 초기 체크포인트는 ‘Fledge-Alpha’라는 이름으로 OpenCode에서 실제 코딩 작업을 시험했다.1
회사 측 벤치마크에서 Inkling 2 Small은 FrontierCode v2.0 25.4%, DeepSWE v1.1 72.1%, SWEBench Pro v2 Hard 86.3%를 기록했다. 각각 비교군 가운데 두 번째로 높은 점수다. 다만 모든 시험에서 선두는 아니었다. Vibe Code Bench v1.1에서는 81.6%로 DeepSeek-V4.1-Flash-1017의 87.7%와 Kimi K3의 85.0%에 뒤졌고, PostTrainBench v1.2에서는 31.9%로 GLM-5.3-Flash의 36.8%보다 낮았다.1
커널 최적화 시험 PMPP-Hard에서도 비슷한 양상이 나타났다. 69개 과제를 네 차례씩, 10시간 한도로 수행한 결과 Inkling 2 Small의 AUC는 494.27 task-hours로 9개 모델 중 5위였다. 평균 해결 과제는 54.25개였고, 네 번 가운데 한 번 이상 성공한 과제는 64개였다. 최고 AUC인 GPT-6 Astra의 616.39에는 못 미쳤지만, Mistral Large 4의 478.39보다는 높았다.1
Inkling 2 Small은 우선 Tinker Playground와 미세조정·샘플링 기능을 통해 비공개 가중치로 제공된다. Thinking Machines Lab은 외부 안전성 시험과 레드팀 평가를 마친 뒤 다음 주 전체 가중치를 Apache 2.0 라이선스로 공개하고, 체크포인트도 내려받을 수 있게 할 계획이라고 밝혔다.1
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Introducing Inkling 2 Small — Hacker News
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.