Inkling 2 Mini의 개요
Inkling 2 Mini는 Thinking Machines Lab의 Inkling 2세대 가운데 내려받을 수 있는 소형 모델로, 2026년 11월 20일 Apache 2.0으로 공개됐습니다. 전체 파라미터 264억 개, 토큰당 활성 파라미터 34억 개의 mixture-of-experts 모델이며 각 토큰을 128개 전문가 중 8개로 보냅니다. 24개 층 가운데 가운데 12개 층을 가중치를 공유한 채 세 번 실행하는 구조로, 연구소는 이를 루프형 transformer라고 부릅니다. 체크포인트에는 24개 층만 저장되지만 각 토큰은 48개 층을 거치므로 실효 활성 파라미터는 약 54억 개입니다. 텍스트와 이미지를 읽고 텍스트를 출력하며 최대 100만 토큰의 컨텍스트를 지원합니다.
공식 체크포인트는 NVFP4와 MXFP8 혼합 정밀도로 약 20GB이며 DGX Spark 1대, 32GB 이상의 Apple silicon Mac, 또는 메모리 32GB 이상의 GPU를 대상으로 합니다. ggml-org는 llama.cpp용 GGUF 빌드를 52.2GB(BF16), 27.8GB(Q8_0), 17.6GB(IQ4_NL)로 공개합니다. 상위 모델인 Inkling 2 Small은 여전히 비공개입니다.
Inkling 2 Mini의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0, 자체 호스팅 |
| Tinker inference | $0.15 / $0.50 per 1M tokens | 입력 / 출력. 캐시 입력 $0.015 |
| Tinker training | $0.75 (64K) or $1.50 (256K) per 1M tokens | LoRA 파인튜닝 |
가중치는 Apache 2.0으로 무료. Tinker: 입력 100만 토큰당 $0.15(캐시 $0.015), 출력 100만 토큰당 $0.50. 학습은 64K 컨텍스트에서 100만 토큰당 $0.75, 256K에서 $1.50.
Inkling 2 Mini, 쓸 만한 가치가 있습니까?
Inkling 2 Mini는 Thinking Machines 모델을 직접 돌릴 이유로는 지금까지 가장 강력하지만, 이를 뒷받침하는 점수는 모두 연구소 자체 수치입니다. 모델 카드에서 Artificial Analysis Intelligence Index v5.0 점수는 20.1로 Qwen3.8-27B와 같고, Nemotron 3.5 Super VL(13.6), Muse Glimmer(6.3), Gemma 4 31B(4.4)보다 높습니다. Hugging Face의 출시 글은 이 표의 48개 벤치마크 중 32개에서 1위라고 집계했고, 직원들은 비공식 테스트에서 적어도 Qwen3.8-27B와 비슷하다고 평가했습니다.
이 크기를 가능하게 하는 것은 루프입니다. 가운데 12개 층을 세 번 실행하면 24개 층의 가중치로 48개 층의 연산을 얻습니다. 체크포인트는 약 20GB에 머물지만 각 토큰에는 약 54억 개 파라미터만큼의 연산이 들어갑니다. 연구소 표에 따르면 bash만 쓰는 SWE-bench Verified에서 79.2%(Qwen3.8-27B는 77.8%), SWE-bench Pro v2 고난도 세트에서 77.9%(73.8%), MCP Atlas에서 82.7%(77.3%)입니다. 비전에서는 OmniDocBench v1.6에서 92.8%, ScreenSpot Pro에서 76.5%를 기록했고 Qwen은 각각 91.5%와 57.6%입니다.