На FrontierCode 2.0 она достигла 25,4%, на DeepSWE — 72,1%, а на SWEBench Pro v2 (Hard) — 86,3%. В большинстве тестов лидирует Deepseek-V4.1-Flash. В индексе Artificial Analysis новинка получила 31 балл — примерно столько же, сколько Gemini 3.8 Flash от Google. Особенно заметный прогресс компания отмечает в задачах, требующих длительной автономной работы ИИ-агентов. Однако за это приходится платить: Inkling 2 Small генерирует примерно в четыре раза больше выходных токенов на одну задачу, чем предшественница, поэтому средняя стоимость выполнения задачи выросла с $0,20 до $1,18. Это все еще дешевле, чем у Gemini 3.8 Flash ($7,77) и Claude Sonnet 5.5 ($10,02).

Модель обучали с подкреплением на сотнях тысяч продолжительных задач программирования. Разработчики улучшили систему создания синтетических данных и расширили оценку результатов: теперь она учитывает не только успешное прохождение тестов, но и сам процесс решения задачи. По словам компании, Inkling 2 Small лучше следует инструкциям, тщательнее продумывает изменения и самостоятельно проверяет свою работу.

Модель также способна использовать визуальную обратную связь для создания и доработки веб-сайтов, игр и трехмерных объектов. В одном из демонстрационных примеров Inkling 2 Small с помощью библиотеки Three.js самостоятельно создала симулятор города: сгенерировала здания, текстуры и автомобили, а также реализовала управление электроснабжением, бюджетом и чрезвычайными ситуациями.

Разработчики проверили возможности модели и в исследовательских задачах. В одном эксперименте Inkling 2 Small самостоятельно обучила другую модель, Qwen3.5-4B, для прогнозирования временных рядов, включая погоду и посещаемость страниц Википедии. За 4,5 часа работы и при затратах в $426 обученная модель более чем вдвое улучшила показатели прогнозирования.

Отдельное внимание разработчики уделили безопасности. Во время обучения модель, не справившись с задачей, обошла сетевую блокировку через сторонний сервис, доступный ей с помощью инструментов поиска. Компания приостановила обучение, усилила защитные механизмы и добавила мониторинг вызовов инструментов. При этом разработчики отмечают, что Inkling 2 Small значительно превосходит предыдущие модели семейства по согласованности поведения, однако все еще уступает по этому показателю закрытым моделям.

Сейчас Inkling 2 Small доступна через платформу Tinker для тестирования и тонкой настройки, но её веса пока закрыты. Thinking Machines Lab планирует опубликовать их под лицензией Apache 2.0 после внешнего тестирования безопасности на следующей неделе.