Felo API PlatformFelo API Platform
Volver a los modelos

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

1 proveedores

Compara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.

Proveedor · Detalles de precio
Disponibilidad
$0$0

Benchmarks

  • EnterpriseBench-CoreCraft

    de Surge AI; capacidades de IA agéntica

    71.8%
  • CritPt v2

    frente al 34% de Inkling Small y el 65% de 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
  • SWE-bench Pro

    55.9

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.

1

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"
2

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:free

Este 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.

3

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.

SurfaceMethodURL

Messages

Mensajes compatibles con Anthropic para clientes de estilo Claude.

POST

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

Parámetros

NombreTipoPredeterminadoDescripción
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.

Modelos relacionados