O que é o Inkling 2 Mini
O Inkling 2 Mini é da Thinking Machines Lab e foi lançado em 20 de novembro de 2026, com os pesos no Hugging Face sob Apache 2.0. A Thinking Machines cita como usos pretendidos os sistemas agênticos e de uso de ferramentas, os assistentes de programação, os chatbots e a geração aumentada por recuperação (RAG), além de pesquisa, ajuste fino e produtos de terceiros.
É um transformer "em loop" (looped). O modelo armazena 24 camadas de decoder, agrupadas em quatro blocos de seis. O primeiro e o último bloco rodam uma vez. As 12 camadas do meio (blocos 2 e 3) rodam três vezes seguidas com os mesmos pesos. Assim, cada token passa por 48 aplicações de camada enquanto apenas 24 camadas ficam armazenadas em disco. O modelo ganha mais computação por token sem ficar maior.
As camadas feed-forward são uma Mixture of Experts esparsa: cada token usa 8 de 128 especialistas por camada. A Thinking Machines treinou com 384 especialistas e podou dois terços deles. Dos 26.4B de parâmetros, 3.4B estão ativos por token; cada passagem extra pelo loop adiciona cerca de 1.0B de parâmetros ativos efetivos, então com três passagens são 5.4B ativos efetivos por token.
- Os pesos são em sua maioria de 4 bits: NVFP4 em 20 camadas e MXFP8 nas 4 últimas, em um único arquivo de cerca de 20 GB.
- A atenção mistura camadas locais e globais. As imagens passam por um vision transformer; a Thinking Machines recomenda que cada lado da imagem tenha entre 40 e 4096 pixels.
- O Inkling 2 Small é o irmão maior, na mesma coleção do Hugging Face, com 594B de parâmetros.
Especificações do Inkling 2 Mini
| Inkling 2 Mini | |
|---|---|
| Criadora | Thinking Machines Lab, Inc. |
| Lançamento | 20 de novembro de 2026 |
| Licença | Apache 2.0 |
| Repositório no Hugging Face | thinkingmachines/Inkling-2-Mini |
| Parâmetros | 26.4B no total, 3.4B ativos, 5.4B ativos efetivos por token com três passagens pelo loop |
| Camadas | 24 armazenadas, 48 aplicadas por token (as 12 do meio rodam três vezes) |
| Especialistas | 8 de 128 por token e por camada |
| Precisão | NVFP4 (20 camadas) e MXFP8 (as 4 últimas) |
| Tamanho do checkpoint | Cerca de 20 GB (arquivo safetensors principal de 19.5 GB, mais um arquivo de multi-token prediction de 0.64 GB) |
| Janela de contexto | Até 1M de tokens |
| Entrada / saída | Texto e imagem na entrada, texto na saída |
| Amostragem padrão | temperature 1.0 em generation_config.json; o model card não dá outros valores |
| Data de corte dos dados de treinamento | Não informada |
Como rodar o Inkling 2 Mini
Os comandos abaixo foram copiados de cada página de origem em 21 de novembro de 2026. Nós não os executamos.
Ollama
A página da biblioteca do Ollama lista
inkling-2-mini:latest,inkling-2-mini:26b-a5beinkling-2-mini:26b-a5b-nvfp4(MLX), cada um com 20GB, 1M de contexto e entrada de texto e imagem. A página diz que é preciso a versão de pré-lançamento do Ollama (ela linka um download da prévia, sem número de versão) e um Mac com 32GB+ de memória, e que também roda em uma DGX Spark. Veja a página do Ollama.# Da página da biblioteca do Ollama (requer a versão de pré-lançamento do Ollama; Mac com 32GB+ de memória) ollama run inkling-2-miniHugging Face
Os pesos estão em thinkingmachines/Inkling-2-Mini. O model card não traz código próprio; ele lista SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth, llama.cpp (para GGUF), Llama App, Ollama e Exo Labs como compatíveis, e linka páginas de receitas de SGLang e vLLM. As linhas abaixo são o trecho gerado automaticamente pelo Hugging Face para o vLLM.
# Trecho "Use this model" gerado automaticamente pelo Hugging Face, não escrito pela Thinking Machines pip install vllm vllm serve "thinkingmachines/Inkling-2-Mini"GGUF da Unsloth: pegue o build do llama.cpp da Unsloth
O guia da Unsloth usa releases do fork do llama.cpp da Unsloth. Este é o build para Apple silicon; o guia também tem builds para NVIDIA CUDA 12, AMD ROCm, Windows CUDA 12 e DGX Spark.
# Guia da Unsloth: build do llama.cpp do fork da Unsloth, Apple silicon curl -L -o llama.tar.gz https://github.com/unslothai/llama.cpp/releases/download/b12588-mix-c0c3de8/llama-b12588-mix-c0c3de8-bin-macos-arm64.tar.gz mkdir -p llama.cpp tar -xzf llama.tar.gz -C llama.cpp --strip-components=1 ./llama.cpp/llama-server --versionBaixe a quantização recomendada
Isto baixa o UD-Q4_K_XL (17.6 GB), o projetor de visão
mmproj-F16.gguf(acrescenta 639 MB) e um modelo rascunho de 0.4 GB para decodificação especulativa, deunsloth/Inkling-2-Mini-GGUF.pip install -U huggingface_hub hf download unsloth/Inkling-2-Mini-GGUF \ Inkling-2-Mini-UD-Q4_K_XL.gguf mmproj-F16.gguf dspark-Inkling-2-Mini-Q8_0.gguf \ --local-dir Inkling-2-Mini-GGUFInicie o llama-server
O comando da Unsloth para macOS, Linux e WSL. Ele define um contexto de 32K; reduza
--ctx-sizese faltar memória../llama.cpp/llama-server \ --model Inkling-2-Mini-GGUF/Inkling-2-Mini-UD-Q4_K_XL.gguf \ --mmproj Inkling-2-Mini-GGUF/mmproj-F16.gguf \ --model-draft Inkling-2-Mini-GGUF/dspark-Inkling-2-Mini-Q8_0.gguf \ --spec-type draft-dspark --spec-draft-n-max 3 --n-gpu-layers-draft 99 \ --jinja --ctx-size 32768 --n-gpu-layers 99 --parallel 1 \ --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0 \ --host 127.0.0.1 --port 8080Ou use a CLI da Unsloth
Um único comando do mesmo guia.
unsloth run --model unsloth/Inkling-2-Mini-GGUF:UD-Q4_K_XL \ --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0
Quantizações GGUF da Unsloth para o Inkling 2 Mini
Tamanhos do guia da Unsloth. A Unsloth recomenda o UD-Q4_K_XL. Em comparação com o UD-Q8_K_XL, ela mede para o UD-Q4_K_XL uma divergência KL média de 0.0107, escolhendo o mesmo token mais provável em 98.0% das vezes; UD-Q3_K_XL 0.0174 / 96.3%; UD-Q2_K_XL 0.0595 / 91.6%; UD-IQ1_S 0.0911 / 89.4%.
| Quantização | Tamanho do arquivo | Observação |
|---|---|---|
| UD-IQ1_S | 7.76 GB | - |
| UD-IQ1_M | 8.02 GB | - |
| UD-IQ2_XXS | 8.49 GB | - |
| UD-Q2_K_XL | 9.14 GB | - |
| UD-IQ3_XXS | 11.66 GB | - |
| UD-Q3_K_XL | 13.63 GB | - |
| UD-IQ4_XS | 15.73 GB | - |
| UD-Q4_K_M | 16.61 GB | - |
| UD-Q4_K_XL | 17.63 GB | Recomendada pela Unsloth |
| UD-Q8_K_XL | 22.87 GB | Referência para os números de KLD |
Configurações recomendadas
- Amostragem: o guia da Unsloth usa temperature 1.0, top-p 1.0, top-k 0 e min-p 0.0. O
generation_config.jsonda Thinking Machines define apenas temperature 1.0. - Contexto: a Unsloth começa em 32K (
--ctx-size 32768) e diz para reduzir se a memória estiver apertada. O modelo em si aceita até 1M de tokens. - Raciocínio: o model card diz que colocar o esforço de raciocínio no mínimo não desliga o raciocínio por completo.
- Limites: o card diz que o modelo às vezes fica preso em loops longos de raciocínio, principalmente ao depurar código, e recomenda limites para os tokens de saída e para os turnos do agente.
Requisitos de hardware do Inkling 2 Mini
O que cada fonte diz. Imagens, contexto mais longo e outros aplicativos na máquina usam mais memória. O card também observa que o suporte a modelos em loop nos runtimes locais é recente e que a velocidade varia conforme o runtime e o hardware, e que, como as camadas do meio rodam três vezes, a computação por token é maior do que a contagem de parâmetros ativos sugere.
| Fonte | O que diz |
|---|---|
| Model card da Thinking Machines | Checkpoint de cerca de 20 GB. Compatível: 1x NVIDIA DGX Spark, ou Apple silicon com 32GB+ de memória (MacBooks, Mac minis, Studios). Outras GPUs e plataformas são possíveis, com 32GB ou mais de VRAM recomendados. |
| Post de lançamento da Thinking Machines | Roda via Ollama em qualquer Mac com pelo menos 32GB de RAM. A DGX Spark (128GB) tem suporte nativo a NVFP4. |
| Ollama | Mac com 32GB+ de memória; também DGX Spark. |
| Unsloth (GGUF, RAM + VRAM ou memória unificada) | 1 bit 9 GB, 2 bits 10-11 GB, 3 bits 13-15 GB, 4 bits 17-18 GB, 8 bits 24 GB. |
Benchmarks do Inkling 2 Mini (números da Thinking Machines)
Estes são os resultados da própria Thinking Machines no seu post de lançamento, uma seleção das suas linhas. São dados autodeclarados, não execuções independentes.
| Benchmark | Inkling 2 Mini | Qwen3.8-27B | Gemma 4 31B | Nemotron 3.5 Super VL |
|---|---|---|---|---|
| DeepSWE v1.1 | 48.2% | 42.2% | 0.3% | 24.7% |
| SWE-bench Pro v2 (Hard) | 77.9% | 73.8% | 14.2% | 44.1% |
| SWE-bench Verified (bash only) | 79.2% | 77.8% | 46.1% | 71.1% |
| Terminal Bench v2.1 | 71.6% | 73.0% | 43.4% | 60.7% |
| Vals Index v2.2 | 46.5% | - | - | 29.8% |
| AA Index v5.0 | 20.1 | 20.1 | 4.4 | 13.6 |
| BrowseComp (with compaction) | 79.0% | 61.6% | 37.0% | 78.9% |
| MCP Atlas (Public) | 82.7% | 77.3% | 54.2% | 67.7% |
| HLE-Diamond | 15.2% | 15.3% | 7.2% | 8.8% |
| ARC-AGI v1 / v2 | 84.5% / 49.3% | 87.5% / 42.4% | - | 22.7% / 1.5% |
| MMMU Pro Standard 10 | 74.9% | 76.3% | 73.4% | 72.3% |
| AA-Omniscience non-hallucination rate | 63.4% | 71.4% | 14.5% | 69.5% |
Onde a Thinking Machines diz que ele fica a desejar
- MultiChallenge 50.0% e ComplexConstraints v1.1 33.4%, ambos atrás do Qwen3.8-27B. Ele também fica atrás de modelos maiores em CritPt v2 e HLE-Diamond.
- Eficiência: na medida de inteligência por watt de Stanford em uma DGX Spark, o post reporta 0.703, contra 0.430 do Qwen3.6-35B-A3B, 0.159 do Gemma-4-26B-A4B e 0.036 do Qwen3.5-27B.
- Limitações do model card: ele tem mais chance do que modelos maiores de afirmar informações erradas com confiança, pode apagar ou sobrescrever arquivos sem perguntar, e a qualidade da saída é menor fora do inglês.
O Inkling 2 Mini na Artificial Analysis (terceiros)
A Artificial Analysis (AA) é um site independente de benchmarks. Estes números vêm da sua página do Inkling 2 Mini, conferida em 21 de novembro de 2026; a página não mostra data de última atualização.
- Intelligence Index v5.0.1: 20.
- Velocidade de saída: 280 tokens por segundo.
- Preço: $0.15 por milhão de tokens de entrada e $0.50 por milhão de tokens de saída.
- Custo para rodar o Intelligence Index: $0.59, como a AA mostra.
- Janela de contexto: 1M de tokens.
Inkling 2 Mini vs Qwen 3.8 27B
As especificações vêm do card de cada modelo no Hugging Face, as linhas da AA das duas páginas de modelo da AA (nenhuma menciona o outro modelo; a comparação lado a lado é nossa) e as linhas de benchmark da tabela da Thinking Machines. Uma ressalva: os números do Qwen da Thinking Machines nem sempre são da variante que a Qwen reporta. Seu 73.8% é em SWE-bench Pro v2 (Hard) e seu 15.3% em HLE-Diamond; o card da própria Qwen dá 61.7 em SWE-bench Pro e 30.8 em HLE. Não misture os dois. Ambos reportam 73.0 no Terminal Bench 2.1.
| Inkling 2 Mini | Qwen3.8-27B | |
|---|---|---|
| Lançamento | 20 de novembro de 2026 | 14 de agosto de 2026 (segundo a AA) |
| Licença | Apache 2.0 | Apache 2.0 |
| Arquitetura | MoE em loop: 26.4B no total, 3.4B ativos (5.4B efetivos) | Densa de 27B, todos os parâmetros ativos, 64 camadas |
| Pesos | Cerca de 20 GB, NVFP4 e MXFP8 | BF16 |
| Contexto nativo | 1M de tokens | 262,144 tokens, até 1M com YaRN |
| Entrada | Texto, imagem | Texto, imagem, vídeo |
| AA Intelligence Index | 20 | 20 (xhigh); 17 medium, 16 low, 10 non-reasoning |
| Velocidade de saída na AA | 280 tok/s | 53 tok/s (xhigh) |
| Preço na AA entrada / saída por 1M | $0.15 / $0.50 | $0.50 / $3.00 (API da Alibaba) |
| SWE-bench Verified, bash only (TML) | 79.2% | 77.8% |
| SWE-bench Pro v2 Hard (TML) | 77.9% | 73.8% |
| Terminal Bench v2.1 (TML) | 71.6% | 73.0% |
| MCP Atlas (TML) | 82.7% | 77.3% |
| BrowseComp (TML) | 79.0% | 61.6% |
O que essa comparação mostra
- Mesmo AA Intelligence Index (20), mas a AA mede o Inkling 2 Mini com cerca de cinco vezes a velocidade de saída e lista preços por token menores.
- Na tabela da Thinking Machines, o Inkling lidera nos benchmarks do tipo SWE, no BrowseComp, no MCP Atlas e no ARC-AGI v2, e fica atrás no Terminal Bench, no ARC-AGI v1, no MMMU Pro, no HLE-Diamond (por 0.1), no AA-Omniscience, no MultiChallenge e no ComplexConstraints.
- O Qwen3.8-27B aceita entrada de vídeo e tem o pensamento ligado por padrão, com esforço de raciocínio
xhigh,mediumelow. O Inkling 2 Mini tem o contexto nativo mais longo e um download menor.
O que o Inkling 2 Mini significa para agentes de programação
- A Thinking Machines inclui assistentes de programação e sistemas agênticos e de uso de ferramentas entre os usos pretendidos, e com cerca de 20 GB ele é pequeno o bastante para rodar localmente em um Mac de 32 GB atrás de um harness de agente, com o comando
llama-serverda Unsloth servindo-o em127.0.0.1:8080. - O card é direto sobre os riscos: ao usar ferramentas, ele é menos confiável do que modelos maiores para seguir instruções detalhadas e convenções do projeto, pode tomar ações destrutivas sem confirmação e pode não relatar com exatidão o resultado do seu trabalho.
- O conselho dela para quem o implanta: rodar cargas agênticas em um sandbox, limitar os tokens de saída e os turnos do agente, e manter revisão humana nas saídas de alto risco.
A demo jogável: o simulador de voo PlaneBench
Segundo o vibegamer.io, a Thinking Machines publicou um simulador de voo junto com o lançamento, que o post dela chama de demo do simulador de voo PlaneBench. O Inkling 2 Mini o construiu offline em um MacBook Pro durante um voo, em poucos minutos: você decola de uma pista e sobrevoa colinas, montanhas e mar gerados proceduralmente. Jogue no vibegamer.io.
Para outros jogos feitos com o Inkling 2 Mini, veja jogos do Inkling 2 Mini no vibegamer.io.
Um modelo novo é só metade. A outra metade é um trabalho.
Os modelos continuam melhorando e ficando mais baratos, e os agentes ao redor deles ainda esperam o próximo prompt. O Crewmark transforma sessões de agentes de programação em funcionários de IA com uma função, uma meta em números, horário de trabalho e um heartbeat, para que peguem sozinhos a próxima issue de um quadro. Os funcionários Claude Code e Codex rodam nativamente; outros agentes, como OpenCode, DeepSeek Harness e Gemini, se conectam por ACP (acpx). Um funcionário usa o modelo que o seu agente rodar.
Escolha uma função
Entre as funções de funcionários de IA, como um engenheiro de software de IA.
Coloque o trabalho em um quadro
Atribua issues, faça as recorrentes se repetirem e deixe o heartbeat acordar o funcionário para pegar a próxima.
Veja o que ele consegue fazer
Trabalhos com a configuração e as regras de cada agente estão nos casos de uso do Claude Code e nos casos de uso do Codex.
Perguntas frequentes
O que é o Inkling 2 Mini?
Um modelo de pesos abertos e licença Apache 2.0 da Thinking Machines Lab, lançado em 20 de novembro de 2026. É um transformer Mixture-of-Experts em loop com 26.4B de parâmetros no total e 3.4B ativos (5.4B efetivos), recebe texto e imagens, escreve texto e aceita até 1M de tokens de contexto. O checkpoint tem cerca de 20 GB.
Onde fica o Inkling 2 Mini no Hugging Face?
Em thinkingmachines/Inkling-2-Mini, na coleção Inkling 2 da Thinking Machines. As quantizações GGUF da Unsloth estão em unsloth/Inkling-2-Mini-GGUF.
Como rodo o Inkling 2 Mini com o Ollama?
Instale a versão de pré-lançamento do Ollama e rode ollama run inkling-2-mini. A página do Ollama diz que é preciso um Mac com 32GB+ de memória e que também roda em uma DGX Spark. Cada tag tem 20GB.
Quem criou o Inkling 2 Mini?
A Thinking Machines Lab. É o modelo menor da coleção Inkling 2; o Inkling 2 Small é o maior, com 594B de parâmetros. A Thinking Machines também o oferece pela sua plataforma Tinker.
O Inkling 2 Mini é bom?
Na tabela da própria Thinking Machines, ele marca 79.2% no SWE-bench Verified (bash only), 71.6% no Terminal Bench v2.1 e 82.7% no MCP Atlas. O model card avisa que ele pode afirmar fatos errados com confiança, ficar preso em loops de raciocínio e tomar ações destrutivas sem confirmação, então rode-o em um sandbox com limites de turnos e de saída.
O que a Artificial Analysis diz sobre o Inkling 2 Mini?
Em 21 de novembro de 2026, a Artificial Analysis o listava com 20 no seu Intelligence Index v5.0.1, com 280 tokens de saída por segundo e $0.15 / $0.50 por milhão de tokens de entrada e de saída.
Inkling 2 Mini vs Qwen 3.8 27B: qual é melhor?
A Artificial Analysis dá 20 aos dois no Intelligence Index; ela mede o Inkling 2 Mini cerca de cinco vezes mais rápido e o lista mais barato por token. Na tabela da Thinking Machines, o Inkling lidera no SWE-bench e no MCP Atlas e fica atrás no Terminal Bench e no MMMU Pro. O Qwen3.8-27B é denso, aceita entrada de vídeo e tem 262K de contexto nativo contra 1M do Inkling.
De quanta memória o Inkling 2 Mini precisa?
A Thinking Machines dá suporte a Apple silicon com 32GB+ de memória ou a uma DGX Spark, e recomenda 32GB ou mais de VRAM em outras GPUs. As quantizações GGUF da Unsloth precisam de cerca de 9 GB em 1 bit até 24 GB em 8 bits, e de 17-18 GB para o UD-Q4_K_XL de 4 bits recomendado.
Conferido com o post de lançamento e o model card da Thinking Machines, as páginas do modelo no Hugging Face, a página da biblioteca do Ollama, o guia da Unsloth e a Artificial Analysis em 21 de novembro de 2026. Não executamos os comandos.