Inkling 2 Mini é modelo aberto que raciocina em loop para gastar menos tokens
A Thinking Machines lançou o Inkling 2 Mini, um modelo aberto que repete camadas internas antes de responder, encontrando a resposta certa com menos texto gerado. Ele roda num Mac de 32 GB e lidera os modelos abertos de até 100 bilhões de parâmetros em testes de codificação agêntica.
· 4 min de leitura
Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
A Thinking Machines, startup de pesquisa em IA, liberou o Inkling 2 Mini, um modelo de linguagem aberto que usa uma arquitetura pouco comum chamada transformer em loop. Em vez de processar cada token uma única vez por camada, o modelo repete um bloco de camadas várias vezes antes de seguir para a próxima etapa, segundo a Thinking Machines, via The Decoder. No caso do Inkling 2 Mini, 12 das 24 camadas do modelo rodam três vezes seguidas para cada token gerado.
Na prática, isso dá ao modelo mais tempo de raciocínio interno sem precisar escrever mais texto para chegar à resposta. É uma alternativa ao caminho mais comum hoje, em que um modelo gera cadeias longas de texto intermediário (o chamado raciocínio em cadeia) para resolver um problema complexo, gastando muitos tokens no processo. O loop tenta obter resultado parecido processando a informação internamente, com menos tokens de saída, o que baixa o custo de cada chamada à API.
Como a conta de parâmetros muda com o loop
O Inkling 2 Mini é um modelo de mistura de especialistas (MoE, na sigla em inglês para mixture-of-experts), arquitetura em que só uma parte da rede neural é ativada para cada token, em vez do modelo inteiro. Ele tem 26,4 bilhões de parâmetros no total, mas apenas 5,4 bilhões ficam ativos por token, conta que já soma o efeito das camadas repetidas pelo loop, segundo a empresa.
Isso significa que o custo computacional de cada resposta fica mais perto do de um modelo bem menor, mesmo com acesso ao conhecimento guardado nos 26,4 bilhões de parâmetros totais. Para quem paga por token de inferência, seja rodando localmente ou via API, essa é a conta que define o custo mensal de um agente em produção.
Os números de benchmark e onde o modelo se posiciona
Segundo a Thinking Machines, o Inkling 2 Mini lidera os modelos abertos de até 100 bilhões de parâmetros em testes de codificação agêntica (tarefas em que o modelo não só escreve código, mas também decide quais ações tomar, como rodar comandos ou consultar arquivos): 48,2% no DeepSWE v1.1 e 46,5% no Vals Index v2.2.
No Intelligence Index da Artificial Analysis, um indicador que combina vários benchmarks de raciocínio, o modelo marcou 20 pontos, empatando com o Qwen3.8 27B (no modo xhigh) e com o Nanbeige4.3-33B. A diferença está no custo: a Artificial Analysis estima que o Inkling 2 Mini chega a esse resultado com cerca de seis vezes menos custo e quatro vezes mais velocidade que o Qwen3.8 27B.
| Modelo | Intelligence Index | Parâmetros ativos | Custo relativo | Velocidade relativa |
|---|---|---|---|---|
| Inkling 2 Mini | 20 | 5,4 bi | 1x (referência) | 4x mais rápido |
| Qwen3.8 27B (xhigh) | 20 | maior | ~6x mais caro | referência |
| Nanbeige4.3-33B | 20 | maior | não informado | não informado |
A empresa descreve o resultado como o modelo ficando na fronteira de Pareto, termo usado em otimização para o conjunto de opções em que não dá para melhorar um critério (nesse caso, inteligência) sem piorar outro (custo ou velocidade). Dito de forma direta: entre os modelos testados com essa nota de inteligência, nenhum entrega o mesmo resultado gastando menos.
O que o modelo processa e como rodar localmente
O Inkling 2 Mini é multimodal: processa texto e imagem. A janela de contexto chega a 1 milhão de tokens, o que dá espaço para colar uma base de código inteira, um conjunto de documentos longos ou um histórico extenso de conversa numa única chamada, sem precisar dividir o conteúdo em pedaços.
O modelo roda localmente em duas configurações, segundo a empresa:
- Em Macs com pelo menos 32 GB de memória unificada
- No Nvidia DGX Spark, estação de trabalho compacta da Nvidia voltada a cargas de IA
Os pesos (os arquivos com os parâmetros treinados do modelo) estão disponíveis no Hugging Face, junto com uma versão de pesquisa que permite variar o número de loops executados. O modelo também pode ser testado direto no navegador, sem instalação, pelo Tinker Playground da própria Thinking Machines. A licença é Apache 2.0, que permite uso comercial, modificação e redistribuição sem exigir que o código derivado seja aberto, o que facilita embarcar o modelo em produto fechado.
O que isso muda para quem roda IA no próprio servidor
Para times de TI que hoje pagam por token de API de modelos fechados, o Inkling 2 Mini oferece um caminho concreto de teste: um modelo com inteligência comparável a opções mais caras, mas que roda offline, sem depender de uptime de terceiro nem expor dado sensível para fora da rede da empresa. Rodar em Mac de 32 GB (uma configuração relativamente comum em estações de desenvolvedor) baixa a barreira para prototipar antes de decidir se vale migrar para GPU dedicada em produção.
O lançamento também marca a segunda geração da aposta da Thinking Machines em eficiência sobre tamanho bruto, linha que a empresa já vinha seguindo desde o Inkling Small, lançado em 31 de julho de 2026, e reforçada com o Inkling 2 Small em 6 de novembro de 2026, segundo cobertura anterior do The Decoder. O que ainda falta checar, fora dos benchmarks divulgados pela própria empresa e pela Artificial Analysis, é como o modelo se comporta em tarefas de produção fora dos testes padronizados, como atendimento com contexto de negócio específico ou geração de código em bases legadas, cenário em que benchmark público nem sempre reflete o resultado real.
Fonte: The Decoder
A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.