Thinking Machines: Inkling 2 Small (free) API
Inkling 2 Small एक मल्टीमॉडल मॉडल है जो टेक्स्ट और इमेज इनपुट से टेक्स्ट आउटपुट देता है, एजेंटिक और कोडिंग कार्यों के लिए बनाया गया।
Inkling 2 Small, Thinking Machines द्वारा विकसित एक मल्टीमॉडल मॉडल है जो टेक्स्ट और इमेज इनपुट स्वीकार करता है और टेक्स्ट आउटपुट उत्पन्न करता है। यह 48-लेयर डिकोडर-ओनली ट्रांसफॉर्मर पर आधारित है जिसमें स्पार्स Mixture-of-Experts फीड-फॉरवर्ड बैकबोन है। प्रत्येक टोकन को 384 विशेषज्ञों में से 8 को सौंपा जाता है। मॉडल में कुल 594 अरब पैरामीटर हैं जिनमें से 17 अरब सक्रिय पैरामीटर हैं। यह MXFP8 और NVFP4 न्यूमेरिक्स फॉर्मेट का समर्थन करता है। छवियों को विज़न ट्रांसफॉर्मर के माध्यम से एन्कोड किया जाता है और साझा हिडन स्पेस में टेक्स्ट के साथ संयुक्त रूप से संसाधित किया जाता है।
यह मॉडल अंग्रेजी और अन्य भाषाओं के साथ-साथ कई कोडिंग भाषाओं के लिए उपयुक्त है। इसे एजेंटिक और टूल-उपयोग प्रणालियों, कोडिंग सहायकों, चैटबॉट्स और रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम के लिए डिज़ाइन किया गया है। इसके अलावा, यह सामान्य-उद्देश्यीय संवादात्मक उपयोग, निर्देश-पालन, वित्तीय कार्यों, 3D निर्माण और कोड के माध्यम से वीडियो जनरेशन जैसे कार्यों के लिए भी उपयुक्त है।
मॉडल खुले वजन वाले मॉडलों में कई वित्तीय बेंचमार्क पर सर्वश्रेष्ठ प्रदर्शन करने वाला बताया गया है। Artificial Analysis Intelligence Index v5.0.1 पर यह Gemini 3.8 Flash high सेटिंग से मेल खाता है और MiMo-V2.6-Pro से आगे है। हॉलुसिनेशन दर Inkling Small के 61 प्रतिशत से घटकर 27 प्रतिशत हो गई है। ऑटोमेशन कार्य पास दर पिछले संस्करण के 5 प्रतिशत से बढ़कर 46 प्रतिशत हो गई है, और कोडिंग परीक्षण स्कोर 5 प्रतिशत से 25 प्रतिशत हो गया है। हालांकि, यह ध्यान दिया जाना चाहिए कि हॉलुसिनेशन में कमी मुख्य रूप से कम प्रश्नों का उत्तर देने के कारण है, जबकि सटीकता में केवल मामूली सुधार हुआ है। प्रयास दर 77 प्रतिशत से घटकर 53 प्रतिशत हो गई है और सटीकता 32 प्रतिशत से बढ़कर 34 प्रतिशत हो गई है। Intelligence Index कार्य पर औसतन लगभग 150,000 आउटपुट टोकन उत्पन्न होते हैं, जो Inkling Small के लगभग 37,000 टोकन का लगभग 4 गुना है। मॉडल का ज्ञान इसके प्रशिक्षण कटऑफ तक उपलब्ध जानकारी तक सीमित है। इसे चिकित्सा, कानूनी या सुरक्षा-महत्वपूर्ण निर्णय लेने में अतिरिक्त फाइन-ट्यूनिंग, डोमेन-विशिष्ट सत्यापन और मानवीय निगरानी के बिना तैनात नहीं किया जाना चाहिए।
अपडेट किया गया:
मॉडल ID
inkling-2-small:free- कॉन्टेक्स्ट
- 1.049M
- अधिकतम आउटपुट
- 131.072K
- अनुशंसित API
- messages
- इनपुट
- text / image
- आउटपुट
- video
मुख्य बातें
- टेक्स्ट और इमेज इनपुट, टेक्स्ट आउटपुट
- 48-लेयर डिकोडर-ओनली ट्रांसफॉर्मर
- स्पार्स Mixture-of-Experts, 17B सक्रिय पैरामीटर
- एजेंटिक और कोडिंग कार्यों के लिए डिज़ाइन
- कम हॉलुसिनेशन दर: 27%
प्रदाता
प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।
| उपलब्धता | |||
|---|---|---|---|
| $0 | $0 |
ऐतिहासिक आँकड़े लाइव स्थिति जाँच नहीं हैं। डेटा न होना सेवा बंद होने का संकेत नहीं है।
बेंचमार्क
- 71.8%
EnterpriseBench-CoreCraft
Surge AI से; एजेंटिक AI क्षमताएं
- 56%
CritPt v2
Inkling Small के 34% और Gemini 3.8 Flash high के 65% की तुलना में
- 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
स्कोर मॉडल प्रदाता के प्रकाशित आँकड़ों के अनुसार।
रीज़निंग
- डिफ़ॉल्ट प्रयास
- high
- डिफ़ॉल्ट रूप से सक्षम
- हाँ
- हमेशा सक्षम
- हाँ
- उपलब्ध प्रयास स्तर
- max / high / medium / low / minimal
त्वरित शुरुआत
Felo API Platform के संगत API के साथ इस मॉडल को कॉल करने के लिए तैयार कोड। कोड लिखने से पहले प्रॉम्प्ट आज़माना हो तो Playground में शुरू करें।
अपनी API key लें
अपने Felo API Platform खाते से एक key बनाएँ और उसे environment variable के रूप में सेट करें।
export FELO_API_KEY="YOUR_API_KEY"अपना पहला अनुरोध भेजें
इस मॉडल ID को Felo API Platform endpoint के साथ इस्तेमाल करें। X-Request-Id जैसे वैकल्पिक रिक्वेस्ट हेडर समस्या हल करने में मदद कर सकते हैं।
inkling-2-small:freeयह मॉडल रीज़निंग में सक्षम है। अगर आपका चुना हुआ प्रोटोकॉल और मॉडल रूट रीज़निंग कंट्रोल उपलब्ध कराते हैं, तो बातचीत जारी रखते समय लौटाए गए रीज़निंग मेटाडेटा को सुरक्षित रखें।
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());थर्ड-पार्टी SDK इस्तेमाल करना
संगत SDK में baseURL को इस पर सेट करें https://openapi.felo.ai/api/v1. Claude-शैली के क्लाइंट के लिए Anthropic-संगत base URL इस्तेमाल करें। https://openapi.felo.ai/api.
स्ट्रीमिंग चालू करें
रिस्पॉन्स को server-sent events के रूप में पाने के लिए stream: true जोड़ें।
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 संगत मॉडल-कॉलिंग सतहें उपलब्ध कराता है। वह सतह चुनें जिसे आपका ऐप या एजेंट क्लाइंट पहले से समर्थन करता है।
Messages
Claude-शैली के क्लाइंट के लिए Anthropic-संगत मैसेज।
POST
https://openapi.felo.ai/api/v1/messagesपैरामीटर
modelstringinkling-2-small:freeकॉल करने के लिए सार्वजनिक मॉडल ID।max_tokensinteger—जनरेट किए जाने वाले अधिकतम token।messagesarray—Chat Completions के लिए बातचीत के मैसेज।seed———stop———toolsarray—संगत schema का पालन करने वाली tool calling परिभाषाएँ।top_p———reasoning———temperaturenumber—समर्थित होने पर रिस्पॉन्स की विविधता नियंत्रित करता है।reasoning_effort———include_reasoning———अक्सर पूछे जाने वाले प्रश्न
मॉडल परिचय: Thinking Machines: Inkling 2 Small (free)?
Inkling 2 Small, Thinking Machines द्वारा विकसित एक मल्टीमॉडल मॉडल है जो टेक्स्ट और इमेज इनपुट स्वीकार करता है और टेक्स्ट आउटपुट उत्पन्न करता है। यह 48-लेयर डिकोडर-ओनली ट्रांसफॉर्मर पर आधारित है जिसमें स्पार्स Mixture-of-Experts फीड-फॉरवर्ड बैकबोन है। प्रत्येक टोकन को 384 विशेषज्ञों में से 8 को सौंपा जाता है। मॉडल में कुल 594 अरब पैरामीटर हैं जिनमें से 17 अरब सक्रिय पैरामीटर हैं। यह MXFP8 और NVFP4 न्यूमेरिक्स फॉर्मेट का समर्थन करता है। छवियों को विज़न ट्रांसफॉर्मर के माध्यम से एन्कोड किया जाता है और साझा हिडन स्पेस में टेक्स्ट के साथ संयुक्त रूप से संसाधित किया जाता है। यह मॉडल अंग्रेजी और अन्य भाषाओं के साथ-साथ कई कोडिंग भाषाओं के लिए उपयुक्त है। इसे एजेंटिक और टूल-उपयोग प्रणालियों, कोडिंग सहायकों, चैटबॉट्स और रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम के लिए डिज़ाइन किया गया है। इसके अलावा, यह सामान्य-उद्देश्यीय संवादात्मक उपयोग, निर्देश-पालन, वित्तीय कार्यों, 3D निर्माण और कोड के माध्यम से वीडियो जनरेशन जैसे कार्यों के लिए भी उपयुक्त है। मॉडल खुले वजन वाले मॉडलों में कई वित्तीय बेंचमार्क पर सर्वश्रेष्ठ प्रदर्शन करने वाला बताया गया है। Artificial Analysis Intelligence Index v5.0.1 पर यह Gemini 3.8 Flash high सेटिंग से मेल खाता है और MiMo-V2.6-Pro से आगे है। हॉलुसिनेशन दर Inkling Small के 61 प्रतिशत से घटकर 27 प्रतिशत हो गई है। ऑटोमेशन कार्य पास दर पिछले संस्करण के 5 प्रतिशत से बढ़कर 46 प्रतिशत हो गई है, और कोडिंग परीक्षण स्कोर 5 प्रतिशत से 25 प्रतिशत हो गया है। हालांकि, यह ध्यान दिया जाना चाहिए कि हॉलुसिनेशन में कमी मुख्य रूप से कम प्रश्नों का उत्तर देने के कारण है, जबकि सटीकता में केवल मामूली सुधार हुआ है। प्रयास दर 77 प्रतिशत से घटकर 53 प्रतिशत हो गई है और सटीकता 32 प्रतिशत से बढ़कर 34 प्रतिशत हो गई है। Intelligence Index कार्य पर औसतन लगभग 150,000 आउटपुट टोकन उत्पन्न होते हैं, जो Inkling Small के लगभग 37,000 टोकन का लगभग 4 गुना है। मॉडल का ज्ञान इसके प्रशिक्षण कटऑफ तक उपलब्ध जानकारी तक सीमित है। इसे चिकित्सा, कानूनी या सुरक्षा-महत्वपूर्ण निर्णय लेने में अतिरिक्त फाइन-ट्यूनिंग, डोमेन-विशिष्ट सत्यापन और मानवीय निगरानी के बिना तैनात नहीं किया जाना चाहिए।
उपयोग का शुल्क कैसे लगता है?
आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं।
Inkling 2 Small किस प्रकार के इनपुट का समर्थन करता है?
यह टेक्स्ट और इमेज इनपुट स्वीकार करता है और टेक्स्ट आउटपुट उत्पन्न करता है।
क्या Inkling 2 Small कोडिंग सहायक के रूप में उपयोग किया जा सकता है?
हां, इसे कोडिंग सहायकों और एजेंटिक प्रणालियों के लिए डिज़ाइन किया गया है, और यह कई कोडिंग भाषाओं का समर्थन करता है।
Inkling 2 Small और Inkling Small में क्या अंतर है?
Inkling 2 Small में हॉलुसिनेशन दर 27 प्रतिशत है जबकि Inkling Small में 61 प्रतिशत, और ऑटोमेशन कार्य पास दर 46 प्रतिशत बनाम 5 प्रतिशत है। हालांकि, Inkling 2 Small प्रति कार्य अधिक आउटपुट टोकन उत्पन्न करता है।
क्या Inkling 2 Small खुले वजन वाला मॉडल है?
यह एक स्वामित्व वाला मॉडल है, जो पहले Thinking Machines के Tinker प्लेटफॉर्म के माध्यम से उपलब्ध है। वजन बाद में जारी किए जाने की योजना है, Apache 2.0 लाइसेंस के तहत, लेकिन तारीख की पुष्टि नहीं हुई है।
क्या Inkling 2 Small सुरक्षा-महत्वपूर्ण निर्णयों के लिए उपयुक्त है?
नहीं, इसे चिकित्सा, कानूनी या सुरक्षा-महत्वपूर्ण निर्णय लेने में अतिरिक्त फाइन-ट्यूनिंग, डोमेन-विशिष्ट सत्यापन और मानवीय निगरानी के बिना तैनात नहीं किया जाना चाहिए।