Felo API PlatformFelo API Platform
Zurück zu den Modellen

Thinking Machines: Inkling 2 Small (free) API

Inkling 2 Small ist ein multimodales Sprachmodell von Thinking Machines mit spärlicher Mixture-of-Experts-Architektur für agentische Workflows, Coding-Assistenten und Chatbots.

Inkling 2 Small von Thinking Machines ist ein Modell, das Text- und Bildeingaben akzeptiert und Textausgaben erzeugt. Es basiert auf einem 48-schichtigen Decoder-only-Transformer mit einem spärlichen Mixture-of-Experts-Feed-Forward-Backbone. Jedes Token wird an 8 von 384 Experten weitergeleitet. Das Modell hat insgesamt 594 Milliarden Parameter, von denen 17 Milliarden aktiv sind. Bilder werden über einen Vision-Transformer kodiert und gemeinsam mit Text in einem geteilten verborgenen Raum verarbeitet.

Das Modell ist für Englisch und andere Sprachen sowie für mehrere Programmiersprachen ausgelegt. Es eignet sich für agentische und Tool-Use-Systeme, Coding-Assistenten, Chatbots und Retrieval-Augmented-Generation-Systeme. Zu den Anwendungsfällen gehören allgemeine Konversation, Instruction-Following, Finanzaufgaben, 3D-Erstellung und Videogenerierung per Code.

Inkling2 Small wurde als proprietäres Modell eingeführt und ist zunächst über die Tinker-Plattform und den Tinker Playground von Thinking Machines verfügbar. Die Gewichte sollen zu einem späteren Zeitpunkt veröffentlicht werden; eine Veröffentlichung unter Apache 2.0 ist geplant, der Termin ist jedoch unbestätigt. Thinking Machines empfiehlt menschliche Aufsicht und Überprüfung für Ausgaben in hochriskanten oder sicherheitskritischen Kontexten sowie eine eigene Bewertung von Leistung, Sicherheit und Fairness vor der Bereitstellung.

Aktualisiert:

MODELL-ID

inkling-2-small:free
Kontext
1.049M
Max. Ausgabe
131.072K
Empfohlene API
messages
Eingabe
text / image
Ausgabe
video

Highlights

  • Multimodale Ein- und Ausgabe
  • Spärliche Mixture-of-Experts-Architektur
  • 594 Mrd. Parameter, 17 Mrd. aktiv
  • Für agentische Systeme konzipiert
  • Geringere Halluzinationsrate als Inkling Small

Anbieter

1 Anbieter

Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.

Anbieter · Preisdetails
Verfügbarkeit
$0$0

Benchmarks

  • EnterpriseBench-CoreCraft

    von Surge AI; agentische KI-Fähigkeiten

    71.8%
  • CritPt v2

    im Vergleich zu 34% für Inkling Small und 65% für 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

Werte wie vom Modellanbieter veröffentlicht.

Schlussfolgern

Standardaufwand
high
Standardmäßig aktiviert
Ja
Immer aktiviert
Ja
Verfügbare Aufwandsstufen
max / high / medium / low / minimal

Schnellstart

Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.

1

API-Schlüssel hinterlegen

Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.

export FELO_API_KEY="YOUR_API_KEY"
2

Erste Anfrage senden

Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.

inkling-2-small:free

Dieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.

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());

Drittanbieter-SDKs verwenden

Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.

3

Streaming aktivieren

Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.

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

Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.

SurfaceMethodURL

Messages

Anthropic-kompatible Nachrichten für Clients im Claude-Stil.

POST

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

Parameter

NameTypStandardBeschreibung
modelstringinkling-2-small:freeÖffentliche Modell-ID, die aufgerufen wird.
max_tokensinteger—Maximale Anzahl generierter Tokens.
messagesarray—Gesprächsnachrichten für Chat Completions.
seed———
stop———
toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.
top_p———
reasoning———
temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.
reasoning_effort———
include_reasoning———

Häufige Fragen

Was ist Thinking Machines: Inkling 2 Small (free)?

Inkling 2 Small von Thinking Machines ist ein Modell, das Text- und Bildeingaben akzeptiert und Textausgaben erzeugt. Es basiert auf einem 48-schichtigen Decoder-only-Transformer mit einem spärlichen Mixture-of-Experts-Feed-Forward-Backbone. Jedes Token wird an 8 von 384 Experten weitergeleitet. Das Modell hat insgesamt 594 Milliarden Parameter, von denen 17 Milliarden aktiv sind. Bilder werden über einen Vision-Transformer kodiert und gemeinsam mit Text in einem geteilten verborgenen Raum verarbeitet. Das Modell ist für Englisch und andere Sprachen sowie für mehrere Programmiersprachen ausgelegt. Es eignet sich für agentische und Tool-Use-Systeme, Coding-Assistenten, Chatbots und Retrieval-Augmented-Generation-Systeme. Zu den Anwendungsfällen gehören allgemeine Konversation, Instruction-Following, Finanzaufgaben, 3D-Erstellung und Videogenerierung per Code. Inkling2 Small wurde als proprietäres Modell eingeführt und ist zunächst über die Tinker-Plattform und den Tinker Playground von Thinking Machines verfügbar. Die Gewichte sollen zu einem späteren Zeitpunkt veröffentlicht werden; eine Veröffentlichung unter Apache 2.0 ist geplant, der Termin ist jedoch unbestätigt. Thinking Machines empfiehlt menschliche Aufsicht und Überprüfung für Ausgaben in hochriskanten oder sicherheitskritischen Kontexten sowie eine eigene Bewertung von Leistung, Sicherheit und Fairness vor der Bereitstellung.

Wie wird die Nutzung abgerechnet?

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.

Welche Eingaben und Ausgaben unterstützt Inkling 2 Small?

Inkling 2 Small akzeptiert Text- und Bildeingaben und erzeugt Textausgaben.

Für welche Aufgaben ist Inkling 2 Small geeignet?

Es ist für agentische und Tool-Use-Systeme, Coding-Assistenten, Chatbots und Retrieval-Augmented-Generation-Systeme konzipiert. Auch allgemeine Konversation, Instruction-Following, Finanzaufgaben, 3D-Erstellung und Videogenerierung per Code gehören zu den Anwendungsfällen.

Wie unterscheidet sich Inkling 2 Small von Inkling Small?

Die Halluzinationsrate sinkt von 61 Prozent bei Inkling Small auf 27 Prozent. Die Bestehensrate bei Automatisierungsaufgaben steigt von 5 Prozent auf 46 Prozent, und die Coding-Testergebnisse steigen von 5 Prozent auf 25 Prozent.

Welche Architektur verwendet Inkling 2 Small?

Es basiert auf einem 48-schichtigen Decoder-only-Transformer mit einem spärlichen Mixture-of-Experts-Feed-Forward-Backbone. Jedes Token wird an 8 von 384 Experten weitergeleitet, bei insgesamt 594 Milliarden Parametern und 17 Milliarden aktiven Parametern.

Welche Einschränkungen hat Inkling 2 Small?

Das Wissen ist auf Informationen bis zum Trainings-Cutoff beschränkt. Das Modell sollte nicht ohne zusätzliches Fine-Tuning, domänenspezifische Validierung und menschliche Aufsicht in medizinischen, rechtlichen oder sicherheitskritischen Entscheidungsprozessen eingesetzt werden.

Verwandte Modelle