المال والأعمال في الشرق الأوسط.

ذكاء اصطناعي

ثينكنغ ماشينز تطلق Inkling 2 Mini مفتوحاً بحجم 20 غيغابايت يعمل محلياً

أطلقت ثينكنغ ماشينز لاب نموذج Inkling 2 Mini بأوزان مفتوحة وترخيص Apache 2.0، بحجم 26.4 مليار معامل.

Tamara Al Khadra
Tamara Al Khadra

البريد

· آخر تحقق: 21 نوفمبر 2026 (ثينكنغ ماشينز لاب)

الملخص

  • أطلقت ثينكنغ ماشينز لاب نموذج Inkling 2 Mini بأوزان مفتوحة وترخيص Apache 2.0، بحجم 26.4 مليار معامل.
  • يعمل النموذج على حاسوب Mac بذاكرة 32 غيغابايت أو جهاز DGX Spark، ويقرأ النصوص والصور بنافذة سياق مليون رمز.
  • تستطيع الشركات تشغيل وكلاء برمجة وبحث داخل أجهزتها، مقابل قدرة أقل من النموذج الأكبر في استرجاع المعلومات.

خبر

صار في وسع المطورين تشغيل نموذج وكيلي متعدد الوسائط على حاسوب محمول دون اتصال، بعدما نشرت ثينكنغ ماشينز لاب في 20 نوفمبر أوزان Inkling 2 Mini على هاغينغ فيس بترخيص Apache 2.0. يشغل النموذج نحو 20 غيغابايت فقط، رغم 26.4 مليار معامل. وتقول الشركة إنه يتصدر النماذج المفتوحة دون 100 مليار معامل في معيارين للبرمجة الوكيلية.

تفصيل

  • البنية: يضم النموذج 24 طبقة، تعمل الطبقات الـ12 الوسطى منها ثلاث مرات بأوزان مشتركة، فيمر كل رمز عبر 48 تطبيقاً للطبقات. ينشط منه 3.4 مليار معامل، ترتفع فعلياً إلى 5.4 مليار لكل رمز مع التمريرات الثلاث، ويُوجَّه كل رمز إلى 8 من 128 خبيراً.
  • العتاد المطلوب: تحدد بطاقة النموذج جهاز NVIDIA DGX Spark واحداً، أو حواسيب آبل بذاكرة 32 غيغابايت فأكثر من MacBook وMac mini وStudio، وتنصح بذاكرة رسومية 32 غيغابايت لغيرها. وعرضت الشركة تشغيله دون اتصال على MacBook Pro بمعالج M5 Pro وذاكرة 48 غيغابايت.
  • الإتاحة: الأوزان منشورة في نقطة تحقق واحدة بدقتين مختلطتين NVFP4 وMXFP8، والنموذج متاح على منصة Tinker للاستدلال والتخصيص. يعمل مع أطر شائعة منها vLLM وSGLang وllama.cpp وOllama وUnsloth، ومع Exo Labs على معالجات آبل. الشركة لم تعلن سعراً للاستخدام عبر منصتها.
  • البرمجة الوكيلية: سجّل النموذج 79.2% في SWEBench Verified مقابل 77.8% لنموذج Qwen3.8-27B، و77.9% في SWEBench Pro الصعب مقابل 73.8%، و48.2% في DeepSWE مقابل 42.2%. لكنه تراجع أمام النموذج نفسه في Terminal Bench v2.1 بنتيجة 71.6% مقابل 73.0%.
  • البحث والأدوات: بلغ النموذج 79.0% في معيار البحث BrowseComp مقابل 61.6% لنموذج Qwen، و82.7% في MCP Atlas لاستخدام الأدوات مقابل 77.3%، و49.6% في JobBench مقابل 33.4%. وتراجع في AutomationBench-AA إلى 41.8% مقابل 48.2%، وفي MMMU Pro للصور إلى 74.9% مقابل 76.3%.
  • طريقة البناء: اشتُق النموذج من سلّم التوسع لدى الشركة، وقُلّص عدد الخبراء بمقدار الثلثين من 384 إلى 128 في كل طبقة. ثم دُرّب على تريليون رمز مقطّرة من نموذج Inkling داخلي أكبر، وتلاه تعلم معزز بمجموع 2.2 تريليون رمز على 2,000 خطوة.
  • السلامة: سجّل النموذج 89.5% في اختبار FORTRESS العدائي و97.8% في StrongREJECT لرفض الطلبات الضارة. وفي اختبارات الشركة الداخلية، حيث الأقل أفضل، بلغت نسبة سوء السلوك 9.8% ونسبة الإجراءات المدمّرة 10.2%. وتقيس هذه الاختبارات سلوك النموذج حين يعمل وكيلاً ينفّذ أوامر وأدوات.
  • الوسائط والسياق: يقرأ النموذج النصوص والصور، إذ تُرمَّز الصور عبر محوّل رؤية، ويُخرج نصاً فقط، بنافذة سياق تصل إلى مليون رمز. وسجّل 92.8% في OmniDocBench لقراءة الوثائق، و46.5% في مؤشر Vals الذي تقول الشركة إنه يتصدر فيه النماذج المفتوحة دون 100 مليار معامل.
  • القيود المعلنة: تقر بطاقة النموذج بأنه أقل قدرة من Inkling 2 Small في معظم تقييمات الشركة، وأن أكبر الفجوات بينهما في استرجاع المعلومات. وأصدرت الشركة معه نموذجاً بحثياً باسم TML-d24-varloop-research، دُرّب بعدد حلقات متغير بين تمريرة واحدة وخمس تمريرات.

ماذا بعد؟

يبقى أن يُختبر أداء النموذج خارج جداول الشركة عبر مؤشرات مستقلة، وأن تتضح نتائج النموذج البحثي ذي الحلقات المتغيرة، إضافة إلى تسعير الاستدلال والتخصيص على منصة Tinker غير المعلن حتى الآن.

المصدر: ثينكنغ ماشينز لاب