Thinking Machines: Inkling 2 Small (free) API
Inkling 2 Small הוא מודל של Thinking Machines עם קלט טקסט ותמונה ופלט טקסט, המבוסס על ארכיטקטורת Mixture-of-Experts דלילה עם 594 מיליארד פרמטרים ו-17 מיליארד פרמטרים פעילים.
Inkling 2 Small הוא מודל שפה של Thinking Machines המקבל קלט טקסט ותמונה ומפיק פלט טקסט. הוא בנוי על טרנספורמר דקודר-בלבד עם 48 שכבות ועל עמוד שדרה קדמי של Mixture-of-Experts דליל, כאשר כל אסימון מנותב ל-8 מתוך 384 מומחים. למודל 594 מיליארד פרמטרים בסך הכול, מתוכם 17 מיליארד פרמטרים פעילים, והוא תומך בפורמטים נומריים MXFP8 ו-NVFP4. תמונות מקודדות באמצעות טרנספורמר חזותי ומעובדות יחד עם הטקסט במרחב חבוי משותף. המודל מיועד לאנגלית ולשפות נוספות, וכן למספר שפות תכנות.
המודל מתאים במיוחד למערכות סוכנים ושימוש בכלים, לעוזרי תכנות, לצ׳אטבוטים ולמערכות RAG. כמו כן הוא מיועד לשימוש כללי בשיחה, לעמידה בהוראות, למשימות פיננסיות, ליצירת תלת-ממד וליצירת וידאו באמצעות קוד. בין החוזקות שלו: ביצועים גבוהים בקרב מודלים עם משקולות פתוחות במספר מבחני פיננסים, שיעור הזיות של 27 אחוזים לעומת 61 אחוזים ב-Inkling Small, ושיעור מעבר במשימות אוטומציה שעולה מ-5 אחוזים ל-46 אחוזים לעומת הגרסה הקודמת. עם זאת, הירידה בהזיות נובעת בעיקר מכך שהמודל עונה על פחות שאלות, והדיוק משתפר רק במעט. כמו כן, הוא ממוצע כ-150,000 אסימוני פלט למשימת Intelligence Index, פי ארבעה מ-Inkling Small. המודל הושק כקנייני וזמין דרך פלטפורמת Tinker של Thinking Machines; שחרור משקולות תחת Apache 2.0 מתוכנן למועד מאוחר יותר שטרם אושר.
עודכן:
MODEL ID
inkling-2-small:free- הקשר
- 1.049M
- פלט מרבי
- 131.072K
- API מומלץ
- messages
- קלט
- text / image
- פלט
- video
עיקרי הדברים
- קלט טקסט ותמונה, פלט טקסט
- ארכיטקטורת MoE דלילה עם 17 מיליארד פרמטרים פעילים
- 594 מיליארד פרמטרים בסך הכול
- כל אסימון מנותב ל-8 מתוך 384 מומחים
- תמיכה ב-MXFP8 וב-NVFP4
- מיועד לסוכנים, תכנות ו-RAG
ספקים
השוו מחירי API בין ספקים. בחרו ספק כדי לראות את כל החיובים והתנאים.
| זמינות | |||
|---|---|---|---|
| $0 | $0 |
נתונים היסטוריים אינם בדיקת מצב בזמן אמת. נתונים חסרים אינם מצביעים על השבתה.
בנצ׳מרקים
- 71.8%
EnterpriseBench-CoreCraft
מ-Surge AI; יכולות סוכניות
- 56%
CritPt v2
לעומת 34% ב-Inkling Small ו-65% ב-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
- 31.6
HLE
ציונים כפי שפורסמו על ידי ספק המודל.
חשיבה
- מאמץ ברירת מחדל
- high
- מופעל כברירת מחדל
- כן
- מופעל תמיד
- כן
- רמות מאמץ זמינות
- max / high / medium / low / minimal
התחלה מהירה
קוד מוכן לקריאה למודל הזה עם ממשקי API תואמי Felo API Platform. התחילו ב-Playground כשרוצים לבדוק פרומפטים לפני כתיבת קוד.
קבלו את מפתח ה-API שלכם
צרו מפתח בחשבון Felo API Platform שלכם והגדירו אותו כמשתנה סביבה.
export FELO_API_KEY="YOUR_API_KEY"שלחו את הבקשה הראשונה
השתמשו במזהה המודל הזה עם ה-endpoint של Felo API Platform. כותרות בקשה אופציונליות כמו X-Request-Id יכולות לעזור באיתור תקלות.
inkling-2-small:freeהמודל הזה תומך בהסקה. אם הפרוטוקול ומסלול המודל שנבחרו חושפים פקדי הסקה, שמרו את מטא-נתוני ההסקה המוחזרים כשממשיכים שיחה.
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());שימוש ב-SDK של צד שלישי
השתמשו ב-SDK תואמים על ידי הגדרת baseURL ל- https://openapi.felo.ai/api/v1. השתמשו בכתובת הבסיס התואמת ל-Anthropic עבור לקוחות בסגנון Claude. https://openapi.felo.ai/api.
הפעילו סטרימינג
הוסיפו stream: true כדי לקבל תגובות כאירועים הנשלחים מהשרת.
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 חושף משטחים תואמים לקריאה למודלים. בחרו את המשטח שהאפליקציה או לקוח הסוכן שלכם כבר תומך בו.
Messages
הודעות תואמות Anthropic עבור לקוחות בסגנון Claude.
POST
https://openapi.felo.ai/api/v1/messagesפרמטרים
modelstringinkling-2-small:freeמזהה המודל הציבורי לקריאה.max_tokensinteger—מספר ה-token המרבי שייוצר.messagesarray—הודעות שיחה עבור Chat Completions.seed———stop———toolsarray—הגדרות קריאת כלים לפי סכימה תואמת.top_p———reasoning———temperaturenumber—שולט במגוון התגובות כשנתמך.reasoning_effort———include_reasoning———שאלות נפוצות
מהו Thinking Machines: Inkling 2 Small (free)?
Inkling 2 Small הוא מודל שפה של Thinking Machines המקבל קלט טקסט ותמונה ומפיק פלט טקסט. הוא בנוי על טרנספורמר דקודר-בלבד עם 48 שכבות ועל עמוד שדרה קדמי של Mixture-of-Experts דליל, כאשר כל אסימון מנותב ל-8 מתוך 384 מומחים. למודל 594 מיליארד פרמטרים בסך הכול, מתוכם 17 מיליארד פרמטרים פעילים, והוא תומך בפורמטים נומריים MXFP8 ו-NVFP4. תמונות מקודדות באמצעות טרנספורמר חזותי ומעובדות יחד עם הטקסט במרחב חבוי משותף. המודל מיועד לאנגלית ולשפות נוספות, וכן למספר שפות תכנות. המודל מתאים במיוחד למערכות סוכנים ושימוש בכלים, לעוזרי תכנות, לצ׳אטבוטים ולמערכות RAG. כמו כן הוא מיועד לשימוש כללי בשיחה, לעמידה בהוראות, למשימות פיננסיות, ליצירת תלת-ממד וליצירת וידאו באמצעות קוד. בין החוזקות שלו: ביצועים גבוהים בקרב מודלים עם משקולות פתוחות במספר מבחני פיננסים, שיעור הזיות של 27 אחוזים לעומת 61 אחוזים ב-Inkling Small, ושיעור מעבר במשימות אוטומציה שעולה מ-5 אחוזים ל-46 אחוזים לעומת הגרסה הקודמת. עם זאת, הירידה בהזיות נובעת בעיקר מכך שהמודל עונה על פחות שאלות, והדיוק משתפר רק במעט. כמו כן, הוא ממוצע כ-150,000 אסימוני פלט למשימת Intelligence Index, פי ארבעה מ-Inkling Small. המודל הושק כקנייני וזמין דרך פלטפורמת Tinker של Thinking Machines; שחרור משקולות תחת Apache 2.0 מתוכנן למועד מאוחר יותר שטרם אושר.
איך מחייבים על השימוש?
החיוב שלכם תלוי בספק שאתם משתמשים בו, במחירים שלו ובשימוש שלכם. קלט ארוך יותר או תנאים אחרים עשויים להיות במחיר שונה.
אילו סוגי קלט ופלט המודל תומך בהם?
המודל מקבל קלט טקסט וקלט תמונה, ומפיק פלט טקסט.
מהו אורך ההקשר ואורך הפלט המקסימלי?
המידע אינו מפרט את אורך ההקשר או את מגבלת הפלט של המודל.
לאילו משימות המודל מתאים?
הוא מיועד למערכות סוכנים ושימוש בכלים, לעוזרי תכנות, לצ׳אטבוטים ולמערכות RAG, וכן לשיחה כללית, לעמידה בהוראות, למשימות פיננסיות, ליצירת תלת-ממד וליצירת וידאו באמצעות קוד.
מה ההבדל בין Inkling 2 Small ל-Inkling Small?
שיעור ההזיות יורד מ-61 אחוזים ל-27 אחוזים, שיעור המעבר במשימות אוטומציה עולה מ-5 אחוזים ל-46 אחוזים, וציוני מבחני התכנות עולים מ-5 אחוזים ל-25 אחוזים. עם זאת, המודל עונה על פחות שאלות ומשתמש ביותר אסימוני פלט.
האם המודל זמין עם משקולות פתוחות?
המודל הושק כקנייני וזמין דרך פלטפורמת Tinker של Thinking Machines. שחרור משקולות תחת Apache 2.0 מתוכנן למועד מאוחר יותר, אך התאריך טרם אושר.