Thinking Machines Lab, 20 Kasım 2026’da açık ağırlıklı yeni modeli Inkling 2 Mini’yi tanıttı. Model, tüketici dizüstü bilgisayarlarda çalışacak şekilde tasarlandı. Toplam 26,4 milyar parametresi var ve bellek ayak izi yaklaşık 20 GB. Şirket, modelin tam ağırlıklarını ve eşlik eden bir araştırma modelini (TML-d24-varloop-research) Hugging Face üzerinden paylaştı.
Döngülü mimari neyi değiştiriyor
Inkling 2 Mini bir Mixture-of-Experts transformer. Yani her token için modelin yalnızca bir bölümü devreye giriyor. 24 katman dört blok halinde gruplanmış ve her blok altı katman içeriyor. İlk ve son blok bir kez çalışırken ortadaki iki blok ağırlıklarını paylaşıp üç kez çalışıyor. Böylece depolanan 24 katmandan token başına 48 katman uygulaması üretiliyor. Modelin aktif parametre sayısı 3,4 milyar.
Şirketin eğitim karşılaştırmasına göre döngüsüz bir model yüzde 7,5 daha az hesapla eğitiliyor ancak aynı kayba ulaşmak için yüzde 140 daha fazla çıkarım (inference) hesabı gerektiriyor. Döngülemenin gerekçesi de bu: model, yazılı akıl yürütme izleri olmadan daha fazla iç adımı kendi içinde atabiliyor.
Nerede çalışıyor
Model, Tinker üzerinden çıkarım ve ince ayar için sunuluyor; Tinker Playground’da sohbet de mümkün. Yerelde ise en az 32 GB belleğe sahip Mac sistemlerde Ollama ile ya da Unsloth ve llama.cpp üzerinden GGUF sürümleriyle çalıştırılabiliyor.
Şirketin gösterimlerinden biri dikkat çekiyor: uçak modundaki bir MacBook Pro’da model çevrimdışı çalışarak birkaç dakika içinde oynanabilir bir uçuş simülatörü oluşturdu. Başka bir gösterimde tek bir çevrimdışı MacBook, piksel kasabası Thinkyville’in 20 sakinini birden çalıştırdı. Yani cihazın kendisi, kalıcı birden fazla ajanı yerel olarak barındırabiliyor.
Kodlama başarısı ve sınırlar
Şirketin paylaştığı sonuçlara göre model DeepSWE v1.1’de yüzde 48,2, 51 görevli SWE-bench Pro v2 Hard değerlendirmesinde yüzde 77,9 alıyor. Karşılaştırmada Qwen3.8-27B için bu oranlar sırasıyla yüzde 42,2 ve yüzde 73,8 olarak veriliyor. Şirket, değerlendirme kurulumlarının modele göre değişebileceğini de not ediyor.
Modelin zayıf noktaları da var. Şirket, Inkling 2 Mini’nin çok turlu sohbet ve çok sayıda kısıt içeren talimatlarda en güçlü küçük model olmadığını söylüyor: MultiChallenge’da yüzde 50,0, ComplexConstraints v1.1’de yüzde 33,4. Ayrıca CritPt v2 ve HLE-Diamond gibi akıl yürütme yoğun testlerde daha büyük modellerin gerisinde kalıyor.
Denetim tarafındaki yeni soru
Döngüleme, izleme açısından yeni bir tartışma açıyor. Klasik modeller ek adım gerektiren akıl yürütmeyi yazıya dökmek zorundayken döngülü bir model bu adımların bir kısmını üretilen metne hiç yansıtmadan içeride atabiliyor. Metne girmeyen bir akıl yürütmeyi, o metni okuyarak denetleyen sistemler göremiyor. Şirket bu konuyu ayrı bir araştırma modeliyle incelediğini ve sonuçları paylaştığını belirtiyor.
Açık ağırlıklı modellerin dizüstü ölçeğine inmesi, yapay zekayı buluta bağımlı olmadan kullanmak isteyenler için pratik bir adım. Inkling 2 Mini’nin ağırlıkları Hugging Face’te erişilebilir durumda.
Kaynak: Unite.AI

Deneyimini paylaş
Bir sorunun, farklı bir çözümün veya eklemek istediğin bir notun var mı? Giriş yapmadan da yazabilirsin.