Thinking Machines Labは2026年11月20日、ノートパソコンやデスクトップでの実行を想定した人工知能モデルInkling 2 Miniを公開した。コーディングツールの開発者は、公開された重みをダウンロードし、複数段階の問題を解く作業に利用したり、ファインチューニングしたりできる。

1. 中間層を繰り返す構造

Inkling 2 Miniは同じ重みを使って中間層を3回通過し、計算を繰り返す。同じ計算区間を再利用し、モデルのサイズではなく計算の深さを増やす方式だ。

モデルカードによると、総パラメータ数264億の混合エキスパートモデルで、トークン当たりのアクティブパラメータ数は34億だ。反復計算も反映した実質的なアクティブ規模は54億となる。

保存された24層のうち12層を3回ずつ通過するため、トークン当たりの層計算は48回となる。同社発表では、中間層の反復は最後の12層の反復よりも、28評価中27評価で精度の向上幅が大きかった。

重みの大部分は4ビットのNVFP4で学習・配布し、最後の4層には8ビットのMXFP8を使う。モデルカードによると、配布チェックポイントのサイズは約20GBだ。

テキストと画像を入力として受け取り、テキストで回答する。コンテキスト長は最大100万トークンだ。

2. コーディング評価で同社が示した結果

同社発表では、総パラメータ数1000億未満の公開ウェイトモデルの中でDeepSWE v1.1とVals Index v2.2で首位となり、後者のスコアは46.5%だ。以下の表は同じコーディング評価と評価ツールで報告された解決率をまとめたもので、モデルごとに評価環境が異なる可能性がある。

表:DeepSWE v1.1のコーディング作業解決率

条件:同社発表に基づく、DeepSWE v1.1、mini-swe-agent v2.4.6

単位:%

DeepSWE v1.1のコーディング作業解決率Inkling 2 Mini: 解決率 48.2; Qwen3.8-27B: 解決率 42.2; Nemotron 3.5 Super VL: 解決率 24.7; Muse Glimmer: 解決率 4.4; Gemma 4 31B: 解決率 0.3Inkling 2 Mini48.2Qwen3.8-27B42.2Nemotron 3.5 Super VL24.7Muse Glimmer4.4Gemma 4 31B0.3
DeepSWE v1.1のコーディング作業解決率
コーディング評価で同社が示した結果
モデル解決率
Inkling 2 Mini48.2
Qwen3.8-27B42.2
Nemotron 3.5 Super VL24.7
Muse Glimmer4.4
Gemma 4 31B0.3

Inkling 2 Miniの解決率48.2%は、Qwen3.8-27Bの42.2%を6.0%ポイント上回った。このコーディング作業の解決率を重視するなら、ローカルのコーディングツールでInkling 2 Miniを優先的に試す候補とする根拠になる。

同じ評価ツールを使った別の試験でも、同社発表ではSWE-bench Pro v2 (Hard)が77.9%、Terminal Bench v4.0が5.6%だった。後者は表に掲載された競合モデルの最高スコアと同率だった。

3. 計算量の増加とローカル利用のトレードオフ

ループ構造は中間推論を長く出力せずに計算を増やせるが、トークン当たりの演算量は増える。同社発表でエキスパート削減前のモデル同士を比べると、ループなしのモデルは学習演算量が7.5%少なかったが、51万2千トークンのエージェント作業記録で同じ予測誤差に達するのに、推論演算量が140%多く必要だった。

同時に公開した研究用の可変ループモデルでは、反復回数を変えて実験できる。同社発表の別の実験では、Think Fastの一部課題を推論文なしで成功率50%で解く作業の長さが、人間の完了時間を基準に、1回通過時の16秒から3回時の37秒に伸びた。

同社発表にあるスタンフォード研究チームのエネルギー効率評価では、Inkling 2 Miniが0.703、Qwen3.6-35B-A3Bが0.430を記録した。一定の性能に達するのに必要なエネルギーを評価する指標で、前者はDGX Spark 128GBでMXFP8・低い推論強度で実行され、比較モデルはNVFP4を使い、精度条件が異なった。

4. ダウンロードして実行する方法

重みはHugging FaceからApache 2.0ライセンスでダウンロードできる。Tinkerでは推論とファインチューニングを提供する。

モデルカードでは、メモリ32GB以上のAppleシリコン搭載機をサポートし、ほかのGPUではビデオメモリ32GB以上を推奨する。AppleシリコンではOllamaを、量子化されたGGUF形式で実行する場合はllama.cppを利用できる。

モデルリポジトリの会話テンプレートは、推論強度の名前を数値に対応させる。そのマッピングを定義する原文のコードは以下のとおりだ。

{%- set effort_map = {"none": 0.0, "minimal": 0.1, "low": 0.2, "medium": 0.7, "high": 0.9, "xhigh": 0.99, "max": 0.99} -%}

モデルカードは、複数ターンの会話、複雑な指示、英語以外の言語での弱点を示す。推論の反復や確認なしのファイル削除・上書きに備え、出力・作業回数の上限を設け、サンドボックスで実行し、破壊的な操作の前に確認を得るよう推奨している。

Inkling 2 Miniの要点は、大きなモデルを丸ごとローカルに移す代わりに、反復計算でコーディング推論を補強した公開ウェイトを小型の機器で試せることだ。