Thinking Machines, das KI-Labor der ehemaligen OpenAI-CTO Mira Murati, hat mit Inkling Small sein zweites Modell veröffentlicht. Das Open-Weights-Reasoning-Modell erreicht laut Artificial Analysis 40 Punkte im Intelligence Index, einen Punkt unter dem größeren Inkling (41), obwohl es mit 276 Milliarden Parametern (12 Milliarden aktiv) weniger als ein Drittel so groß ist. Kein offenes Modell gleicher oder kleinerer Größe schneidet laut AA besser ab.
Inkling Small übertrifft Inkling in mehreren Coding- und Reasoning-Tests, etwa bei Humanity's Last Exam (32 % vs. 30 %) und GPQA Diamond (89 % vs. 87 %). Bei agentenbasierten Aufgaben und Faktenwissen liegt es jedoch zurück, ist dafür aber effizient beim Token-Verbrauch: Im Test braucht es durchschnittlich 24K Output-Tokens pro Aufgabe gegenüber 45K bei DeepSeek V4 Flash und 78K bei GPT-5.4 mini.
Das Modell verarbeitet Text-, Bild- und Spracheingaben, hat ein Kontextfenster von 256K Tokens und steht unter Apache-2.0-Lizenz. Die Gewichte stehen auf Hugging Face bereit, über Tinker Playground lässt sich das Modell im Browser nutzen und feintunen. Thinking Machines platziert seine Modelle vor allem als Basis für weiteres Feintuning mit eigenen Daten. Manche vermuten hier den nächsten KI-Horizont.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
