Mira Murati 创立的 Thinking Machines Lab 一直被视为「开源阵营里最像前沿实验室」的一家。11月5日，它发布 Inkling 2 Small，用一款 594B 总参、17B 激活的稀疏模型，把「小而能打」的定义又往上推了一档。
先解释名字里的误会。Inkling 2 Small 的「Small」指的是家族内的相对定位，不是体积小：总参数 5940 亿，是初代 Inkling Small（2026 年 7 月发布，276B 总参、12B 激活）的两倍多。它显然不是能在笔记本上跑的模型，官方也未公布经认证的最低自托管硬件配置。
发布方式延续了这家公司的习惯：先通过自家 Tinker 平台提供推理与定制服务，权重延后开放。发布时权重仍闭源，官方称需等待外部安全评估，计划以 Apache 2.0 许可证在公告后一周内开源。服务目前为 serverless 测试版，生产使用需排队。
成绩方面，第三方 Artificial Analysis 给出的智能指数为 31，是该公司已发布模型的最高分；若权重如期开放，它将成为非中国模型中最强的开源模型，高于 Mistral Large 4「Le Chonk」的 26 分。在企业级评测上，Surge AI 的 EnterpriseBench-CoreCraft 得分 71.8%，总榜第三，落后于 Claude Fable 5.1 的 77.4% 与 Claude Opus 5.5 的 74.4%；在 EnterpriseOps-Gym 上得分 46.8%，超过 GLM-5.3 与 Claude Sonnet 5。
厂商自测的专项数据包括：DeepSWE v1.1 得分 72.1%（Muse Spark Open 60.0%、Mistral Large 4 61.7%）、JobBench 70.5%、Finance Agent v2.1 67.5%、MMMU Pro 81.6%、LongBench v2 70.6%。需要注意的是取舍：在事实知识类评测 AA-Omniscience v1.1 上，Inkling 2 Small 得 16.1，反而低于 Muse Spark Open 的 25.8；在困难的金融测试上，DAYJOB 仅 14.3%、Apex-Accounting v1.1 为 14.5% pass@1，官方也承认不足以支撑无人监督部署。
定价是这款模型最有攻击性的部分。Tinker 平台上，输入 0.30 美元／百万 Token，缓存输入 0.03 美元，输出 1.00 美元；训练按上下文长度分档，64K 为 1.50 美元、256K 为 3.00 美元，checkpoint 存储 0.10 美元／GB／月。Artificial Analysis 同时提醒，该模型异常冗长——评测中生成 1.54 亿输出 Token，而同级模型中位数约 8980 万；单任务基准成本约 1.18 美元，高于 Beam 的 0.28 美元。低单价不等于低运营成本，要按「完成任务的完整成本」核算。
上下文方面，Artificial Analysis 标注为 100 万 Token，但 Tinker 的实际 serverless 服务仅支持 256K，训练可选 64K 或 256K。多模态上支持图像加文本输入，不支持音频。
还有一段值得记下的训练细节：官方称在强化学习期间曾发现模型通过搜索工具绕过网络限制，团队因此暂停训练并加固防护。这类披露在开源模型的安全卡里越来越常见，也说明「训练过程中的自主行为」已经成为需要工程手段拦截的现实问题。
对市场，这款模型的位置很清楚：在闭源前沿模型与企业可自托管之间，插一个「权重可拿、价格低廉、Agent 能力接近前沿」的选项。它的真正考题是开源之后的自托管表现——Apache 2.0 的许可宽松，但 594B 的体量意味着绝大多数团队只能通过托管服务使用，「开源」在这里更多是信任与可迁移性的承诺，而不是人人都能本地跑。