Felo API PlatformFelo API Platform
العودة إلى النماذج

Thinking Machines: Inkling 2 Small (free) API

نموذج لغوي وبصري متعدد الوسائط من Thinking Machines، مبني على بنية Mixture-of-Experts متناثرة، مخصص للمهام الوكيلة والبرمجة والدردشة وأنظمة الاسترجاع المعزز بالتوليد.

Inkling 2 Small هو نموذج من تطوير Thinking Machines يقبل النصوص والصور كمدخلات وينتج نصوصًا كمخرجات. يعتمد على شبكة محوّل فكّي الترميز من 48 طبقة مع بنية تغذية أمامية متناثرة من نوع Mixture-of-Experts، حيث يُوجَّه كل رمز إلى 8 خبراء من أصل 384 خبيرًا. يضم النموذج 594 مليار معامل إجمالي مع 17 مليار معامل نشط، ويدعم صيغ الأعداد MXFP8 وNVFP4. تُرمَّز الصور عبر محوّل رؤية وتُعالَج بالاشتراك مع النص في فضاء خفي مشترك. صُمم النموذج للعمل باللغة الإنجليزية ولغات أخرى، ولعدة لغات برمجة.

يستهدف Inkling 2 Small الأنظمة الوكيلة وأنظمة استخدام الأدوات، ومساعدي البرمجة، وروبوتات الدردشة، وأنظمة الاسترجاع المعزز بالتوليد، إضافة إلى الاستخدام الحواري العام واتباع التعليمات ومهام التمويل وإنشاء المحتوى ثلاثي الأبعاد وتوليد الفيديو عبر الشيفرة. ومن أبرز نقاط قوته أنه يتفوق على النماذج المفتوحة الأوزان في عدد من معايير التمويل، ويضاهي إعداد Gemini 3.8 Flash high على مؤشر Artificial Analysis Intelligence Index v5.0.1 ويتجاوز MiMo-V2.6-Pro، مع انخفاض معدل الهلوسة إلى 27 بالمئة من 61 بالمئة في Inkling Small، وارتفاع معدلات نجاح مهام الأتمتة من 5 بالمئة إلى 46 بالمئة، ونتائج اختبارات البرمجة من 5 بالمئة إلى 25 بالمئة مقارنة بالإصدار السابق. وتجعل بنية MoE المتناثرة الفعّالة ذات المعاملات النشطة البالغة 17 مليارًا النموذجَ مجديًا من حيث التكلفة نسبيًا.

من القيود المهمة أن انخفاض الهلوسة يعود أساسًا إلى الإجابة عن أسئلة أقل، بينما تتحسن الدقة تحسنًا طفيفًا فقط؛ إذ ينخفض معدل المحاولة إلى 53 بالمئة من 77 بالمئة وترتفع الدقة إلى 34 بالمئة من 32 بالمئة. كما يستهلك النموذج في المتوسط نحو 150,000 رمز مخرج لكل مهمة على مؤشر الذكاء، أي نحو أربعة أضعاف ما يستهلكه Inkling Small البالغ نحو 37,000 رمز. وتقتصر معرفته على المعلومات المتاحة حتى تاريخ قطع التدريب. ولا ينبغي نشره في القرارات الطبية أو القانونية أو الحرجة للسلامة دون ضبط دقيق إضافي وتحقق خاص بالمجال وإشراف بشري.

آخر تحديث:

MODEL ID

inkling-2-small:free
السياق
1.049M
أقصى إخراج
131.072K
API الموصى به
messages
الإدخال
text / image
الإخراج
video

أبرز الميزات

  • مدخلات نصية وصورية ومخرجات نصية
  • بنية MoE متناثرة بـ 17 مليار معامل نشط
  • توجيه كل رمز إلى 8 من 384 خبيرًا
  • دعم صيغ MXFP8 وNVFP4
  • معدل هلوسة 27 بالمئة مقابل 61 بالمئة
  • مصمم للأنظمة الوكيلة والبرمجة

المزوّدون

1 مزوّدون

قارن أسعار API بين المزوّدين. اختر مزوّدًا لعرض جميع الرسوم والشروط.

المزوّد · تفاصيل التسعير
التوافر
$0$0

الاختبارات المرجعية

  • EnterpriseBench-CoreCraft

    من Surge AI؛ لقدرات الذكاء الاصطناعي الوكيل

    71.8%
  • CritPt v2

    مقابل 34% لـ Inkling Small و65% لـ Gemini 3.8 Flash high

    56%
  • GPQA Diamond

    89.5
  • SWE-bench Verified

    80.2
  • MMMU Pro Standard 10 Options

    74
  • Terminal Bench 2.1

    64.7
  • MathArena AIME 2026

    95.5
  • HLE

    31.6

الدرجات كما نشرها مزوّد النموذج.

الاستدلال

جهد الاستدلال الافتراضي
high
مفعّل افتراضيًا
نعم
مفعّل دائمًا
نعم
مستويات الجهد المتاحة
max / high / medium / low / minimal

البدء السريع

كود جاهز لاستدعاء هذا النموذج عبر واجهات API المتوافقة مع Felo API Platform. ابدأ في Playground عندما تريد اختبار المطالبات قبل كتابة الكود.

1

احصل على مفتاح API

أنشئ مفتاحًا من حسابك على Felo API Platform وعيّنه كمتغير بيئة.

export FELO_API_KEY="YOUR_API_KEY"
2

أرسل طلبك الأول

استخدم معرّف النموذج هذا مع endpoint Felo API Platform. قد تساعد رؤوس الطلب الاختيارية مثل X-Request-Id في استكشاف الأخطاء.

inkling-2-small:free

هذا النموذج قادر على الاستدلال. إذا كان البروتوكول ومسار النموذج المختاران يوفران عناصر تحكم الاستدلال، فاحتفظ ببيانات الاستدلال الوصفية المعادة عند متابعة المحادثة.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "inkling-2-small:free",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

استخدام SDKs التابعة لجهات خارجية

استخدم SDKs المتوافقة بضبط baseURL على: https://openapi.felo.ai/api/v1. استخدم عنوان URL الأساسي المتوافق مع Anthropic لعملاء نمط Claude. https://openapi.felo.ai/api.

3

فعّل البث

أضف stream: true لتلقي الردود كأحداث مرسلة من الخادم.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "inkling-2-small:free",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

يوفر Felo API Platform أسطحًا متوافقة لاستدعاء النماذج. اختر السطح الذي يدعمه تطبيقك أو عميل الوكيل لديك بالفعل.

السطحالطريقةURL

Messages

رسائل متوافقة مع Anthropic لعملاء نمط Claude.

POST

https://openapi.felo.ai/api/v1/messages

المعاملات

الاسمالنوعالافتراضيالوصف
modelstringinkling-2-small:freeمعرّف النموذج العام المطلوب استدعاؤه.
max_tokensinteger—الحد الأقصى لـ token المولّدة.
messagesarray—رسائل المحادثة لـ Chat Completions.
seed———
stop———
toolsarray—تعريفات استدعاء الأدوات وفق المخطط المتوافق.
top_p———
reasoning———
temperaturenumber—يتحكم في تنوع الردود عند الدعم.
reasoning_effort———
include_reasoning———

الأسئلة الشائعة

ما هو Thinking Machines: Inkling 2 Small (free)?

Inkling 2 Small هو نموذج من تطوير Thinking Machines يقبل النصوص والصور كمدخلات وينتج نصوصًا كمخرجات. يعتمد على شبكة محوّل فكّي الترميز من 48 طبقة مع بنية تغذية أمامية متناثرة من نوع Mixture-of-Experts، حيث يُوجَّه كل رمز إلى 8 خبراء من أصل 384 خبيرًا. يضم النموذج 594 مليار معامل إجمالي مع 17 مليار معامل نشط، ويدعم صيغ الأعداد MXFP8 وNVFP4. تُرمَّز الصور عبر محوّل رؤية وتُعالَج بالاشتراك مع النص في فضاء خفي مشترك. صُمم النموذج للعمل باللغة الإنجليزية ولغات أخرى، ولعدة لغات برمجة. يستهدف Inkling 2 Small الأنظمة الوكيلة وأنظمة استخدام الأدوات، ومساعدي البرمجة، وروبوتات الدردشة، وأنظمة الاسترجاع المعزز بالتوليد، إضافة إلى الاستخدام الحواري العام واتباع التعليمات ومهام التمويل وإنشاء المحتوى ثلاثي الأبعاد وتوليد الفيديو عبر الشيفرة. ومن أبرز نقاط قوته أنه يتفوق على النماذج المفتوحة الأوزان في عدد من معايير التمويل، ويضاهي إعداد Gemini 3.8 Flash high على مؤشر Artificial Analysis Intelligence Index v5.0.1 ويتجاوز MiMo-V2.6-Pro، مع انخفاض معدل الهلوسة إلى 27 بالمئة من 61 بالمئة في Inkling Small، وارتفاع معدلات نجاح مهام الأتمتة من 5 بالمئة إلى 46 بالمئة، ونتائج اختبارات البرمجة من 5 بالمئة إلى 25 بالمئة مقارنة بالإصدار السابق. وتجعل بنية MoE المتناثرة الفعّالة ذات المعاملات النشطة البالغة 17 مليارًا النموذجَ مجديًا من حيث التكلفة نسبيًا. من القيود المهمة أن انخفاض الهلوسة يعود أساسًا إلى الإجابة عن أسئلة أقل، بينما تتحسن الدقة تحسنًا طفيفًا فقط؛ إذ ينخفض معدل المحاولة إلى 53 بالمئة من 77 بالمئة وترتفع الدقة إلى 34 بالمئة من 32 بالمئة. كما يستهلك النموذج في المتوسط نحو 150,000 رمز مخرج لكل مهمة على مؤشر الذكاء، أي نحو أربعة أضعاف ما يستهلكه Inkling Small البالغ نحو 37,000 رمز. وتقتصر معرفته على المعلومات المتاحة حتى تاريخ قطع التدريب. ولا ينبغي نشره في القرارات الطبية أو القانونية أو الحرجة للسلامة دون ضبط دقيق إضافي وتحقق خاص بالمجال وإشراف بشري.

كيف تُحتسب فاتورة الاستخدام؟

تعتمد فاتورتك على المزوّد الذي تستخدمه وأسعاره واستخدامك. قد تختلف الأسعار مع المدخلات الأطول أو الشروط الأخرى.

ما أنواع المدخلات والمخرجات التي يدعمها Inkling 2 Small؟

يقبل النموذج مدخلات نصية ومدخلات صورية، وينتج مخرجات نصية فقط.

ما البنية المعمارية التي يعتمد عليها النموذج؟

يعتمد على محوّل فكّي الترميز من 48 طبقة مع بنية تغذية أمامية متناثرة من نوع Mixture-of-Experts، يُوجَّه فيها كل رمز إلى 8 خبراء من أصل 384 خبيرًا.

كم عدد معاملات النموذج؟

يضم 594 مليار معامل إجمالي مع 17 مليار معامل نشط.

ما المهام التي صُمم النموذج من أجلها؟

صُمم للأنظمة الوكيلة وأنظمة استخدام الأدوات ومساعدي البرمجة وروبوتات الدردشة وأنظمة الاسترجاع المعزز بالتوليد، إضافة إلى الاستخدام الحواري العام واتباع التعليمات ومهام التمويل وإنشاء المحتوى ثلاثي الأبعاد وتوليد الفيديو عبر الشيفرة.

كيف يختلف Inkling 2 Small عن Inkling Small؟

ينخفض معدل الهلوسة من 61 بالمئة في Inkling Small إلى 27 بالمئة، وترتفع معدلات نجاح مهام الأتمتة من 5 بالمئة إلى 46 بالمئة ونتائج اختبارات البرمجة من 5 بالمئة إلى 25 بالمئة. لكن معدل المحاولة ينخفض من 77 بالمئة إلى 53 بالمئة والدقة ترتفع قليلًا فقط من 32 بالمئة إلى 34 بالمئة.

هل يمكن الاعتماد على النموذج في قرارات حرجة؟

لا يُنصح بنشره في القرارات الطبية أو القانونية أو الحرجة للسلامة دون ضبط دقيق إضافي وتحقق خاص بالمجال وإشراف بشري. كما توصي Thinking Machines بإجراء تقييم مستقل للأداء والسلامة والإنصاف قبل النشر.

نماذج ذات صلة