Thinking Machines: Inkling 2 Small (free) API
Inkling 2 Small es un modelo de Thinking Machines con entrada de texto e imagen y salida de texto, basado en un transformer decoder-only con Mixture-of-Experts disperso, pensado para agentes, asistentes de código y chatbots.
Inkling 2 Small es un modelo de la familia Thinking Machines que acepta entradas de texto e imagen y genera salidas de texto. Se construye sobre un transformer decoder-only de 48 capas con una columna vertebral feed-forward de Mixture-of-Experts disperso: cada token se enruta a 8 de 384 expertos. Cuenta con 594 mil millones de parámetros totales y 17 mil millones de parámetros activos, y admite formatos numéricos MXFP8 y NVFP4. Las imágenes se codifican mediante un vision transformer y se procesan conjuntamente con el texto en un espacio oculto compartido.
Está diseñado para sistemas agénticos y de uso de herramientas, asistentes de programación, chatbots y sistemas de generación aumentada por recuperación. También se orienta a uso conversacional general, seguimiento de instrucciones, tareas financieras, creación 3D y generación de vídeo mediante código. El modelo está pensado para inglés y otros idiomas, así como para múltiples lenguajes de programación.
Entre sus fortalezas destacan su arquitectura MoE dispersa eficiente, que lo hace relativamente rentable, y su rendimiento en varios benchmarks financieros entre modelos de pesos abiertos. En el Artificial Analysis Intelligence Index v5.0.1 iguala a Gemini 3.8 Flash en configuración high y supera a MiMo-V2.6-Pro. Su tasa de alucinación baja al 27 por ciento desde el 61 por ciento de Inkling Small, y las tasas de aprobación en tareas de automatización suben del 5 por ciento al 46 por ciento frente a la versión anterior. No obstante, alucina menos principalmente porque responde a menos preguntas, y su conocimiento se limita a la información disponible hasta su fecha de corte de entrenamiento.
Actualizado:
ID DEL MODELO
inkling-2-small:free- Contexto
- 1.049M
- Salida máx.
- 131.072K
- API recomendada
- messages
- Entrada
- text / image
- Salida
- video
Aspectos destacados
- Entrada de texto e imagen, salida de texto
- Transformer decoder-only de 48 capas
- MoE disperso: 8 de 384 expertos por token
- 594 mil millones de parámetros totales, 17 mil millones activos
- Admite MXFP8 y NVFP4
- Tasa de alucinación del 27 por ciento
Proveedores
Compara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.
| Disponibilidad | |||
|---|---|---|---|
| $0 | $0 |
Las estadísticas históricas no son una comprobación en tiempo real. La falta de datos no implica una interrupción.
Benchmarks
- 71.8%
EnterpriseBench-CoreCraft
de Surge AI; capacidades de IA agéntica
- 56%
CritPt v2
frente al 34% de Inkling Small y el 65% de Gemini 3.8 Flash high
- 89.5
GPQA Diamond
- 80.2
SWE-bench Verified
- 74
MMMU Pro Standard 10 Options
- 64.7
Terminal Bench 2.1
- 95.5
MathArena AIME 2026
- 55.9
SWE-bench Pro
Puntuaciones según lo publicado por el proveedor del modelo.
Razonamiento
- Esfuerzo predeterminado
- high
- Activado por defecto
- Sí
- Siempre activado
- Sí
- Niveles de esfuerzo disponibles
- max / high / medium / low / minimal
Inicio rápido
Código listo para llamar a este modelo con las APIs compatibles de Felo API Platform. Empieza en el Playground si quieres probar prompts antes de escribir código.
Configura tu clave de API
Crea una clave en tu cuenta de Felo API Platform y configúrala como variable de entorno.
export FELO_API_KEY="YOUR_API_KEY"Haz tu primera solicitud
Usa este ID de modelo con el endpoint de Felo API Platform. Las cabeceras opcionales como X-Request-Id ayudan a diagnosticar problemas.
inkling-2-small:freeEste modelo puede razonar. Si el protocolo seleccionado y la ruta del modelo exponen controles de razonamiento, conserva los metadatos de razonamiento devueltos al continuar la conversación.
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());Usar SDK de terceros
En los SDK compatibles, define baseURL como https://openapi.felo.ai/api/v1. Para clientes de estilo Claude, usa la URL base compatible con Anthropic. https://openapi.felo.ai/api.
Activa el streaming
Añade stream: true para recibir respuestas como server-sent events.
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
Felo API Platform expone superficies compatibles para llamar a modelos. Elige la superficie que tu app o cliente de agente ya admite.
Messages
Mensajes compatibles con Anthropic para clientes de estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParámetros
modelstringinkling-2-small:freeID público del modelo que se va a llamar.max_tokensinteger—Número máximo de tokens generados.messagesarray—Mensajes de la conversación para Chat Completions.seed———stop———toolsarray—Definiciones de tool calling según el esquema compatible.top_p———reasoning———temperaturenumber—Controla la variedad de las respuestas cuando es compatible.reasoning_effort———include_reasoning———Preguntas frecuentes
¿Qué es Thinking Machines: Inkling 2 Small (free)?
Inkling 2 Small es un modelo de la familia Thinking Machines que acepta entradas de texto e imagen y genera salidas de texto. Se construye sobre un transformer decoder-only de 48 capas con una columna vertebral feed-forward de Mixture-of-Experts disperso: cada token se enruta a 8 de 384 expertos. Cuenta con 594 mil millones de parámetros totales y 17 mil millones de parámetros activos, y admite formatos numéricos MXFP8 y NVFP4. Las imágenes se codifican mediante un vision transformer y se procesan conjuntamente con el texto en un espacio oculto compartido. Está diseñado para sistemas agénticos y de uso de herramientas, asistentes de programación, chatbots y sistemas de generación aumentada por recuperación. También se orienta a uso conversacional general, seguimiento de instrucciones, tareas financieras, creación 3D y generación de vídeo mediante código. El modelo está pensado para inglés y otros idiomas, así como para múltiples lenguajes de programación. Entre sus fortalezas destacan su arquitectura MoE dispersa eficiente, que lo hace relativamente rentable, y su rendimiento en varios benchmarks financieros entre modelos de pesos abiertos. En el Artificial Analysis Intelligence Index v5.0.1 iguala a Gemini 3.8 Flash en configuración high y supera a MiMo-V2.6-Pro. Su tasa de alucinación baja al 27 por ciento desde el 61 por ciento de Inkling Small, y las tasas de aprobación en tareas de automatización suben del 5 por ciento al 46 por ciento frente a la versión anterior. No obstante, alucina menos principalmente porque responde a menos preguntas, y su conocimiento se limita a la información disponible hasta su fecha de corte de entrenamiento.
¿Cómo se cobra el uso?
Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos.
¿Qué tipos de entrada y salida admite Inkling 2 Small?
Acepta entradas de texto e imagen y genera salidas de texto. Las imágenes se codifican mediante un vision transformer y se procesan junto con el texto en un espacio oculto compartido.
¿Para qué tareas está pensado Inkling 2 Small?
Está diseñado para sistemas agénticos y de uso de herramientas, asistentes de programación, chatbots y sistemas de generación aumentada por recuperación. También se orienta a uso conversacional general, seguimiento de instrucciones, tareas financieras, creación 3D y generación de vídeo mediante código.
¿Qué diferencia hay entre Inkling 2 Small e Inkling Small?
Inkling 2 Small reduce la tasa de alucinación al 27 por ciento desde el 61 por ciento de Inkling Small. Además, las tasas de aprobación en tareas de automatización suben del 5 por ciento al 46 por ciento, y las puntuaciones en pruebas de código pasan del 5 por ciento al 25 por ciento frente a la versión anterior.
¿Cómo es su arquitectura?
Se basa en un transformer decoder-only de 48 capas con una columna vertebral feed-forward de Mixture-of-Experts disperso. Cada token se enruta a 8 de 384 expertos, con 594 mil millones de parámetros totales y 17 mil millones de parámetros activos.
¿Qué limitaciones conviene tener en cuenta?
Su conocimiento se limita a la información disponible hasta su fecha de corte de entrenamiento. No debería desplegarse en decisiones médicas, legales o de seguridad crítica sin ajuste adicional, validación específica del dominio y supervisión humana.
¿Cómo se distribuye Inkling 2 Small?
Se lanzó como modelo propietario, disponible primero a través de la plataforma Tinker y Tinker Playground de Thinking Machines. Está prevista una publicación de pesos bajo Apache 2.0 en una fecha aún no confirmada.