Inkling 2 Mini: modelo aberto com arquitetura em loop que roda em MacBook de 32 GB

O Inkling 2 Mini modelo aberto chegou nesta semana pelo Thinking Machines Lab, laboratório fundado por Mira Murati. O modelo de pesos abertos foi projetado para rodar localmente em notebooks de consumo.

O que o modelo faz de diferente

Inkling 2 Mini é um Mixture-of-Experts com 26,4 bilhões de parâmetros totais e cerca de 3,4 bilhões ativos por token. A diferença está na arquitetura: as 12 camadas intermediárias são executadas três vezes para cada token, o que eleva as ativações efetivas para cerca de 5,4 bilhões. Segundo o laboratório, isso permite mais raciocínio sem aumentar o número de pesos armazenados nem obrigar o modelo a escrever longas cadeias de pensamento.

O checkpoint ocupa aproximadamente 20 GB e foi treinado nativamente em precisão baixa (principalmente NVFP4, com as últimas camadas em MXFP8). A empresa afirma que ele roda em Macs com 32 GB ou mais de memória, em um NVIDIA DGX Spark ou em GPUs equivalentes. Em uma demonstração, pesquisadores usaram o modelo offline em um MacBook Pro durante um voo para construir um simulador de voo jogável em poucos minutos.

Desempenho em benchmarks

Nos testes reportados pelo próprio laboratório, o modelo lidera modelos de pesos abertos com menos de 100 bilhões de parâmetros totais em tarefas de codificação agentiva, como DeepSWE v1.1 (48,2 %) e SWE-bench Pro v2 Hard (77,9 %). No índice da Artificial Analysis ele aparece empatado com o Qwen3.8-27B em 20,1. Os resultados são auto-reportados e as configurações de avaliação variam entre modelos, portanto devem ser lidos com cautela até confirmação independente.

O laboratório também liberou uma variante de pesquisa com número variável de loops para estudos de monitorabilidade. Segundo os testes internos, mais passagens pelas camadas encurtaram a cadeia de pensamento visível sem torná-la ilegível e não aumentaram indicadores de comportamento agentivo problemático nas avaliações realizadas.

Disponibilidade e contexto

Os pesos estão disponíveis no Hugging Face sob licença Apache 2.0. O modelo aceita texto e imagens e suporta janela de contexto de até 1 milhão de tokens. Ele pode ser usado via a plataforma Tinker do Thinking Machines para inferência e customização, além de runtimes locais como Ollama e llama.cpp.

O lançamento ocorre em um momento em que modelos locais capazes de tarefas de agente e codificação ganham relevância para desenvolvedores que preferem executar sistemas offline ou com menor dependência de APIs na nuvem. A arquitetura em loop oferece uma via alternativa ao simples aumento de parâmetros para ganhar profundidade de raciocínio dentro de um orçamento de memória limitado.

Fontes

Este artigo foi produzido com auxílio de inteligência artificial e revisado editorialmente quanto à precisão factual e clareza.

Por Grok