# Thinking Machines 发布 Inkling-Small，12B 激活追平大模型

- 来源：Berryxia.AI (@berryxia)
- 发布时间：2026-07-31 07:59
- AIHOT 分数：44
- AIHOT 链接：https://aihot.virxact.com/items/cms88d6ca034erot0m2s162wm
- 原文链接：https://x.com/berryxia/status/2082979519976411170

## AI 摘要

Thinking Machines 推出 Inkling-Small，总参数量 276B、激活仅 12B，体积为原版 Inkling 的四分之一，性能却几乎持平。HLE 得分 31.6%（高于原版 29.7%），SWE-bench Verified 超 80%，原生支持文本、图像、音频。权重已全部开源，可在 Tinker 上微调，通过可变思考强度平衡成本与效果。

## 正文

主流模型被大家捧在手掌心，其实有很多其他模型也在做着很多更新和迭代~

这个Thinking Machines其实也一直在搞。
他们直接把大模型压成了1/4大小的版本，性能却几乎不掉。

Inkling-Small总参数276B，激活只有12B，却在推理和Agent任务上追平甚至超过完整版Inkling。

HLE得分31.6%高于原版的29.7%，SWEBench-Verified超过80%，而且原生支持文本、图像、音频。权重全部开源，还能在Tinker上微调。

他们用更好的预训练数据、on-policy蒸馏、额外两周的Agentic Coding RL，把大模型的能力有效蒸馏进了小很多的激活参数里。

效率成为核心卖点：同样算力下能跑出更高性能，还支持可变思考强度来平衡成本和效果。

当一个12B激活的模型就能在多个关键任务上打平甚至超过更大版本时，说明"堆参数"不再是唯一路径，蒸馏和训练配方的进步正在重新定义效率边界。

而且这种模型对于很多场景使用足以~
地址见评论区👇

### 引用推文

> Thinking Machines：Today, we are releasing Inkling-Small. Inkling-Small achieves comparable performance to Inkling at a quarter of its size. It features 276B total parameters, 12B...