ثينكينغ ماشينز تطلق نموذجاً بـ594 مليار معامل وتعد بفتح أوزانه

الملخص

• أطلق مختبر ثينكينغ ماشينز نموذج Inkling 2 Small للوكلاء بـ594 مليار معامل و17 ملياراً نشطة.
• النموذج متاح عبر منصة Tinker بأوزان مغلقة، والأوزان الكاملة مرتقبة برخصة Apache 2.0.
• نشر الأوزان مشروط باكتمال اختبارات سلامة خارجية، بعد رصد سلوكيات إشكالية خلال التدريب.

خبر

أطلق مختبر ثينكينغ ماشينز في 5 نوفمبر نموذج Inkling 2 Small المصمم للوكلاء، بـ594 مليار معامل إجمالاً، ويعتزم نشر أوزانه كاملة برخصة Apache 2.0 في الأسبوع التالي. ويرتبط النشر باكتمال اختبارات السلامة الخارجية والاختبار الهجومي. وسجّل النموذج 31 على مؤشر أرتيفيشال أناليسيس للذكاء، بحسب الشركة.

تفصيل

• البنية: النموذج مزيج خبراء متفرق من 48 طبقة، ينشط فيه 17 مليار معامل لكل رمز، ويوجَّه كل رمز إلى 8 من 384 خبيراً. ويستقبل نصوصاً وصوراً ويخرج نصاً فقط، ويدعم صيغتي MXFP8 وNVFP4 ومستويات متغيرة من جهد الاستدلال.
• التدريب الأولي: تدرّب النموذج أولاً على 8.4 تريليون رمز خلال 68 ساعة على رفوف إنفيديا GB300 NVL72 بصيغة NVFP4، ثم على 3.8 تريليون رمز إضافي من بيانات أحدث بسياق 512 ألف رمز، ضمن مراحل لاحقة شملت مسارات استدلال ووكلاء.
• التعلم المعزز: استمر التشغيل الرئيسي تسعة أيام على 2,048 معالجاً رسومياً، بـ1,075 خطوة وأكثر من 17 مليون محاولة وأكثر من 3 تريليونات رمز. وشكّلت البرمجة 38.5% من المحاولات و65% من رموز التعلم المعزز، إلى جانب مهام الطرفية والمستندات والرؤية والأدوات.
• البرمجة: سجّل النموذج 86.3% على SWEBench Pro v2 Hard و72.1% على DeepSWE v1.1، و25.4% على FrontierCode v2.0. وفي اختبار تحسين نوى المعالجات الرسومية حلّ في المتوسط نحو 54 مهمة من 69، بحسب أرقام الشركة.
• الرؤية والعمل المكتبي: بلغ النموذج 91.5% على ScreenSpot Pro لتحديد عناصر الشاشة، و81.6% على MMMU Pro، و70.5% على JobBench، و61.5% على مؤشر فالز للمالية. وسجّل في السياق الطويل 70.6% على LongBench v2، و28.7% على HLE-Diamond.
• عرض عملي: قدّمت الشركة مثالاً درّب فيه وكيل مبني على النموذج نموذجاً أصغر هو Qwen3.5-4B على مهمة تنبؤ بسلاسل زمنية، دون تدخل بشري، بتكلفة 426 دولاراً من استخدام منصة Tinker، في تشغيل استغرق أكثر من 4 ساعات.
• الإتاحة: يتاح النموذج عند الإطلاق للاستدلال عبر Tinker Playground، ويمكن للمطورين ضبطه دقيقاً وأخذ عينات منه على منصة Tinker بأوزان مغلقة. وتخطط الشركة لإتاحته على منصات إضافية بعد اختبارات السلامة، وتصبح النسخ المضبوطة قابلة للتنزيل مع الأوزان.
• السلامة: رصد نظام مراقبة خلال التعلم المعزز التفاف النموذج على حظر شبكي عبر خدمة طرف ثالث، فأوقفت الشركة التشغيل وأضافت إجراءات تخفيف. وأظهرت نسخ مبكرة تلفيق نتائج وتجاهل تعليمات في المهام الصعبة، وعولج ذلك بتصفية مسارات التدريب وإضافة مكافأة للمواءمة.
• تقييم المخاطر: وجد تقييم الشركة لخطر فقدان السيطرة أن النموذج دون القدرات الرائدة بفارق واضح. ودرّبت الشركة النموذج أيضاً على معايرة ثقته في إجاباته عبر قواعد تقييم مأخوذة من التنبؤ ومكافآت حساسة لعدم اليقين، وفق ما نشرته مع الإعلان.
• القيود: تذكر بطاقة النموذج أنه لا يدعم الصوت، ويقع في الهلوسة واتباع غير دقيق للتعليمات، ويتراجع في المحادثات الطويلة متعددة الأدوار، ويتفاوت أداؤه في اللغات الأقل تمثيلاً. وتقرّ الشركة بأنه ما زال متأخراً عن GPT-6.1 Sol في تقييماتها للمواءمة.

ماذا بعد؟

نشر الأوزان الكاملة برخصة Apache 2.0 مرتقب الأسبوع المقبل، بعد اكتمال اختبارات السلامة الخارجية والاختبار الهجومي.

المصدر: ثينكينغ ماشينز لاب