2026年11月5日、Thinking Machines Lab は第2世代モデル Inkling 2 Small を発表した。総パラメータ594B、推論時にアクティブになるのは17Bのみの混合専門家（MoE）モデルで、画像入力と可変の推論強度に対応する。Artificial Analysis Intelligence Index で31点を獲得し、前世代を大きく上回った。さらに重要なのは、外部の安全性テストとレッドチーミングの完了後、来週 Apache 2.0 ライセンスで全重みを公開すると公式に約束したことだ。
能力向上は学習パイプライン全体の改善によるものだ。より効率的な事前学習に、大規模な統一強化学習を組み合わせた。数十万件の長期コーディングタスクで強化学習を行い、複数のエージェントハーネスとコンテキスト圧縮戦略をカバー。報酬は単体テストの成否だけでなく、解法へのアプローチも評価する。視覚面では2億9200万パラメータのビジョンエンコーダが画像入力を処理し、画像を見てウェブサイトや3Dデザインを作り、視覚フィードバックで繰り返し修正できる。公式デモでは、実際の Linux カーネルを起動する PC エミュレータをゼロから書き、Three.js で発電・予算・緊急事態管理を備えた都市シミュレータも構築した。
ベンチマーク：上位2位が並ぶが、全勝ではない
公式の比較では、Inkling 2 Small は DeepSWE 72.1%、SWE-Bench Pro 難易度版 86.3%、FrontierCode 25.4%、視覚推論の MMMU Pro 81.6%、ScreenSpot Pro 83.8%と、複数の項目で2位以内に入った。ただし同じ表では、DeepSeek-V4.1-Flash が複数のコーディングベンチマークで上回り、Kimi K3も個別項目で上回っている。自動研究能力も見どころで、4.5時間・426ドルの Tinker 利用料で Qwen3.5-4B を自律的に時系列予測モデルへと訓練し、予測スコアを2倍以上に引き上げた。
公開の進め方も注目だ。まず自社プラットフォーム Tinker にクローズドウェイトで登場し、試用・ファインチューニング・サンプリングを提供する。全重みは外部の安全性テストを終えた来週に公開される。公開されれば、DesignArena で最もスコアの高いオープンウェイトモデルになる見込みだ。開発者にとって本当の試練は公開後にある。公式ベンチマークは鮮やかだが、長期タスクでの安定性はコミュニティが実際に使って確かめる必要がある。気になる人は今すぐ Tinker Playground で試せる。
