Am 5. November 2026 hat Thinking Machines Lab mit Inkling 2 Small sein Modell der zweiten Generation vorgestellt. Es ist ein Mixture-of-Experts-Modell (MoE) mit 594 Milliarden Parametern insgesamt, von denen pro Inferenz nur 17 Milliarden aktiv sind. Es unterstützt Bildeingaben und variable Reasoning-Intensität. Im Artificial Analysis Intelligence Index erreicht es 31 Punkte und liegt damit weit vor der Vorgängergeneration. Wichtiger noch: Das Labor hat zugesagt, nach Abschluss externer Sicherheitstests und Red-Teaming nächste Woche die vollständigen Gewichte unter der Apache-2.0-Lizenz zu veröffentlichen.
Die Leistungssteigerung stammt aus Verbesserungen im gesamten Trainingsprozess: effizienteres Pre-Training plus ein großer, einheitlicher Reinforcement-Learning-Lauf. Das Modell wurde mit RL auf Hunderttausenden langläufiger Programmieraufgaben trainiert, über mehrere Agent-Harnesses und Strategien zur Kontextkomprimierung hinweg, wobei die Belohnung nicht nur das Bestehen von Unit-Tests, sondern auch den Lösungsweg bewertet. Auf der visuellen Seite verarbeitet ein Vision-Encoder mit 292 Millionen Parametern Bildeingaben: Das Modell kann anhand von Bildern Websites und 3D-Designs erstellen und seine Ergebnisse mit visuellem Feedback wiederholt korrigieren. In offiziellen Demos schrieb es von Grund auf einen PC-Emulator, der einen echten Linux-Kernel bootet, und baute in Three.js einen Stadtsimulator mit Stromversorgung, Budgets und Notfallmanagement.
Benchmarks: vordere Plätze, aber kein Durchmarsch
Im offiziellen Vergleich erreicht Inkling 2 Small 72,1 % bei DeepSWE, 86,3 % in der schweren Variante von SWE-Bench Pro und 25,4 % bei FrontierCode, dazu 81,6 % bei MMMU Pro und 83,8 % bei ScreenSpot Pro für visuelles Reasoning – in mehreren Zeilen ein Platz unter den ersten beiden. Dieselbe Tabelle zeigt aber auch, dass DeepSeek-V4.1-Flash bei mehreren Programmier-Benchmarks vorne liegt und Kimi K3 es bei einzelnen Aufgaben schlägt. Ein Highlight ist die Autoforschung: In 4,5 Stunden und für 426 US-Dollar Tinker-Nutzung trainierte das Modell eigenständig Qwen3.5-4B zu einem Zeitreihen-Prognosemodell und verdoppelte dessen Prognosepunktzahl mehr als.
Auch der Veröffentlichungsfahrplan verdient Beachtung: Zunächst erscheint das Modell mit geschlossenen Gewichten auf der eigenen Tinker-Plattform, mit Testzugang, Fine-Tuning und Sampling; die vollständigen Gewichte folgen nächste Woche nach den externen Sicherheitsprüfungen. Nach der Veröffentlichung dürfte es das bestbewertete Open-Weights-Modell auf DesignArena werden. Für Entwickler beginnt der eigentliche Test erst nach der Gewichtsveröffentlichung: Die offiziellen Benchmarks sehen stark aus, doch die Stabilität bei langläufigen Aufgaben muss erst noch von der Community bestätigt werden. Wer neugierig ist, kann es schon jetzt im Tinker Playground ausprobieren.
