Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Inkling 2 Mini

O modelo em loop de 26B da Thinking Machines, com licença Apache, cabe num Mac de 32GB e empata com o Qwen3.8-27B no índice do próprio laboratório.

Análise de ReviewRamble editors · Atualizado

Visitar Inkling 2 Mini Código aberto

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

4.3/5

Inkling 2 Mini é o modelo aberto que a Thinking Machines devia depois de segurar o Inkling 2 Small: um download de 20GB que roda num notebook e acompanha o Qwen3.8-27B.

O que é Inkling 2 Mini?

Inkling 2 Mini é o membro pequeno e baixável da segunda geração Inkling da Thinking Machines Lab, lançado em 20 de novembro de 2026 sob Apache 2.0. É um modelo mixture-of-experts com 26,4 bilhões de parâmetros, 3,4 bilhões ativos por token, que envia cada token para 8 de 128 especialistas. Suas 24 camadas são organizadas de modo que as 12 centrais rodam três vezes com pesos compartilhados, o que o laboratório chama de transformer em loop: cada token passa por 48 camadas enquanto o checkpoint armazena 24, para cerca de 5,4 bilhões de parâmetros ativos efetivos. Ele lê texto e imagens, escreve texto e aceita até 1 milhão de tokens de contexto.

O checkpoint oficial tem cerca de 20GB em precisão mista NVFP4 e MXFP8 e foi pensado para um DGX Spark, um Mac com Apple silicon de 32GB ou mais, ou uma GPU com pelo menos 32GB de memória. A ggml-org publica versões GGUF para llama.cpp de 52,2GB (BF16), 27,8GB (Q8_0) e 17,6GB (IQ4_NL). O irmão maior, Inkling 2 Small, continua fechado.

Quanto custa Inkling 2 Mini?

PlanoPreçoO que inclui
WeightsFreeApache 2.0, auto-hospedado
Tinker inference$0.15 / $0.50 per 1M tokensEntrada / saída; entrada em cache $0,015
Tinker training$0.75 (64K) or $1.50 (256K) per 1M tokensFine-tuning LoRA

Pesos gratuitos sob Apache 2.0. Tinker: $0,15 por 1M de tokens de entrada ($0,015 em cache), $0,50 por 1M de saída; treino a $0,75 por 1M de tokens com 64K de contexto, $1,50 com 256K.

Compare este preço com outros modelos

Inkling 2 Mini vale a pena?

Inkling 2 Mini é o melhor motivo até agora para rodar um modelo da Thinking Machines em casa, embora todas as pontuações por trás disso sejam do próprio laboratório. Na ficha do modelo, ele empata com o Qwen3.8-27B no Artificial Analysis Intelligence Index v5.0 com 20,1, à frente de Nemotron 3.5 Super VL (13,6), Muse Glimmer (6,3) e Gemma 4 31B (4,4). O post de lançamento da Hugging Face o coloca em primeiro em 32 dos 48 benchmarks dessa tabela, e a equipe o considera pelo menos comparável ao Qwen3.8-27B nos testes informais.

O loop é o que faz o tamanho funcionar. Rodar as 12 camadas centrais três vezes dá ao modelo 48 camadas de computação a partir de 24 camadas de pesos, então o checkpoint tem cerca de 20GB enquanto cada token recebe o trabalho de uns 5,4 bilhões de parâmetros. A tabela do laboratório dá 79,2% no SWE-bench Verified só com bash, contra 77,8% do Qwen3.8-27B, 77,9% na parte difícil do SWE-bench Pro v2 contra 73,8%, e 82,7% no MCP Atlas contra 77,3%. Em visão, chega a 92,8% no OmniDocBench v1.6 e 76,5% no ScreenSpot Pro, onde o Qwen marca 91,5% e 57,6%.

Ele não vence em tudo. O Qwen3.8-27B fica à frente no Terminal Bench v2.1 (73,0% a 71,6%), no AutomationBench-AA (48,2% a 41,8%) e no MMMU Pro (76,3% a 74,9%), e ambos marcam 5,6% no Terminal Bench v4.0. A taxa de não alucinação no AA-Omniscience é de 63,4%, abaixo dos 71,4% do Qwen, e a ficha diz que a maior desvantagem em relação ao Inkling 2 Small está na memória factual.

O porém: a seção de limitações do próprio laboratório parece um rótulo de advertência para uso com agentes. Ela diz que o modelo pode ficar preso em raciocínios longos sem avançar, pode apagar ou sobrescrever arquivos sem confirmação, pode relatar errado o que fez e não para totalmente de raciocinar no esforço mínimo. O laboratório recomenda limitar tokens de saída e turnos do agente e rodar ferramentas num sandbox. O suporte dos runtimes locais a modelos em loop é novo, então a velocidade depende do motor que você usa, e as três passagens custam mais computação por token do que os 3,4 bilhões de parâmetros ativos sugerem.

Nossa opinião: para uma equipe que escolhe um único modelo aberto para um Mac de 32GB ou uma GPU de workstation, este e o Qwen3.8-27B são agora a dupla a comparar; o Inkling 2 Mini leva uma pequena vantagem em agentes de código, documentos e leitura de tela, o Qwen em memória factual, e só o Inkling vem de um laboratório cujo modelo maior você não pode baixar.

Onde ele se destaca

  • Um desenvolvedor independente com um MacBook Apple silicon de 32GB ou mais

    Rodar um agente de código local sem mandar o código para uma API

    `ollama run inkling-2-mini` baixa a versão de 20GB, que o Ollama oferece para Claude Code, OpenCode e Hermes Agent. Limite os turnos do agente e mantenha a cópia de trabalho sob controle de versão, como o laboratório aconselha.

  • Uma equipe de operações numa seguradora que processa sinistros digitalizados

    Extrair campos de PDFs e capturas de tela em hardware próprio

    Os 92,8% no OmniDocBench v1.6 lideram a tabela do laboratório. Servido com vLLM ou SGLang numa GPU de 32GB, os documentos não saem do prédio e não há tarifa por página.

  • Uma equipe de ML numa empresa de software de porte médio

    Ajustar um modelo de visão pequeno com tickets internos e ficar com os pesos

    Treine adaptadores LoRA no Tinker a $0,75 por milhão de tokens com 64K de contexto, ou com Unsloth, Miles ou SkyRL nas suas próprias GPUs, e sirva o resultado localmente sob Apache 2.0.

Antes de decidir

Configuração
Baixe do Hugging Face ou rode `ollama run inkling-2-mini`; quem usa llama.cpp pode servir o GGUF da ggml-org com `llama serve -hf ggml-org/Inkling-2-Mini-GGUF:IQ4_NL`. Há receitas para vLLM, SGLang, TokenSpeed, MLX e Transformers.
Integrações
Transformers, vLLM, SGLang, TokenSpeed, NVIDIA Dynamo, llama.cpp e Llama App, Ollama, Exo, Unsloth; pós-treino com Miles e SkyRL; API do Tinker para fine-tuning e amostragem hospedados.
Dados e privacidade
Os pesos Apache 2.0 rodam inteiramente no seu hardware, então nada sai dele a menos que você use o Tinker. Os dados de treino incluem conteúdo público da web, dados de terceiros e dados sintéticos; data de corte não publicada.
Custo em escala
Auto-hospedado, o custo é uma GPU de 32GB, um DGX Spark ou um Mac por instância. No Tinker, 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de $200 a preço de tabela.
Limites
Contexto de 1M de tokens; imagens idealmente de 40 a 4.096 pixels por lado; só saída de texto. O GGUF IQ4_NL mantém o mesmo token mais provável que o BF16 em 95,5% das vezes, o Q8_0 em 97,6%. A qualidade cai fora do inglês.

O que é bom

  • Apache 2.0, com checkpoint oficial de 20GB e versões GGUF a partir de 17,6GB
  • Empata com o Qwen3.8-27B em 20,1 no AA Index v5.0 na tabela do laboratório
  • 79,2% no SWE-bench Verified e 82,7% no MCP Atlas, segundo a ficha
  • Entrada de texto e imagem com até 1M de tokens de contexto
  • Suporte desde o primeiro dia em llama.cpp, Ollama, vLLM, SGLang, MLX e Transformers

O que não é

  • Todos os números de benchmark vêm da Thinking Machines
  • O laboratório alerta para loops de raciocínio e ações destrutivas sem confirmação em uso com agentes
  • Taxa de não alucinação de 63,4%, abaixo dos 71,4% do Qwen3.8-27B
  • Três passagens por token o tornam mais pesado de rodar do que 3,4B ativos sugerem

Ideal para

Desenvolvedores e equipes pequenas que querem um modelo com licença permissiva para código, documentos e leitura de tela que rode num Mac ou numa GPU de workstation.

Alternativas ao Inkling 2 Mini

Inkling 2 Mini: perguntas frequentes

Inkling 2 Mini vale a pena?
Inkling 2 Mini é o modelo aberto que a Thinking Machines devia depois de segurar o Inkling 2 Small: um download de 20GB que roda num notebook e acompanha o Qwen3.8-27B. Damos nota 4.3 de 5.
Quanto custa Inkling 2 Mini?
Pesos gratuitos sob Apache 2.0. Tinker: $0,15 por 1M de tokens de entrada ($0,015 em cache), $0,50 por 1M de saída; treino a $0,75 por 1M de tokens com 64K de contexto, $1,50 com 256K.
Quais são as desvantagens de Inkling 2 Mini?
Todos os números de benchmark vêm da Thinking Machines; o laboratório alerta para loops de raciocínio e ações destrutivas sem confirmação em uso com agentes; taxa de não alucinação de 63,4%, abaixo dos 71,4% do Qwen3.8-27B; três passagens por token o tornam mais pesado de rodar do que 3,4B ativos sugerem.
Para quem Inkling 2 Mini é indicado?
Desenvolvedores e equipes pequenas que querem um modelo com licença permissiva para código, documentos e leitura de tela que rode num Mac ou numa GPU de workstation.
Quanto custa Inkling 2 Mini para uma equipe ou em produção?
Auto-hospedado, o custo é uma GPU de 32GB, um DGX Spark ou um Mac por instância. No Tinker, 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de $200 a preço de tabela.
Inkling 2 Mini é seguro para dados da empresa?
Os pesos Apache 2.0 rodam inteiramente no seu hardware, então nada sai dele a menos que você use o Tinker. Os dados de treino incluem conteúdo público da web, dados de terceiros e dados sintéticos; data de corte não publicada.
Quais são as melhores alternativas ao Inkling 2 Mini?
As alternativas mais próximas que analisamos são Qwen3.8-27B, Gemma 4, Inkling 2 Small, Inkling e Nemotron 3.5 Super VL.

Respostas verificadas em 21 de nov. de 2026.

Você faz o Inkling 2 Mini? Mostre esta nota no seu siteInkling 2 Mini com nota 4.3 de 5 no ReviewRamble