Thinking Machines: Inkling 2 Small (free) API
Inkling 2 Small adalah model Thinking Machines dengan input teks dan gambar serta output teks, dibangun di atas transformer decoder-only 48 lapis dengan backbone Mixture-of-Experts sparse.
Inkling 2 Small adalah model dari Thinking Machines yang menerima input teks dan gambar lalu menghasilkan output teks. Model ini dibangun di atas transformer decoder-only 48 lapis dengan backbone feed-forward Mixture-of-Experts sparse, di mana setiap token dirutekan ke 8 dari 384 expert. Dengan total 594 miliar parameter dan 17 miliar parameter aktif, model ini mendukung format numerik MXFP8 dan NVFP4. Gambar dikodekan melalui vision transformer dan diproses bersama teks dalam ruang hidden yang sama.
Model ini ditujukan untuk bahasa Inggris dan bahasa lain serta berbagai bahasa pemrograman. Inkling 2 Small dirancang untuk sistem agentic dan tool-use, asisten coding, chatbot, serta sistem retrieval-augmented generation. Model ini juga cocok untuk penggunaan percakapan umum, mengikuti instruksi, tugas keuangan, pembuatan 3D, dan pembuatan video melalui kode.
Di antara model open weight, Inkling 2 Small berperforma terbaik pada beberapa benchmark keuangan. Pada Artificial Analysis Intelligence Index v5.0.1, model ini menyamai setelan high Gemini 3.8 Flash dan melampaui MiMo-V2.6-Pro. Tingkat halusinasi turun menjadi 27 persen dari 61 persen pada Inkling Small, tingkat kelulusan tugas otomasi naik dari 5 persen menjadi 46 persen, dan skor tes coding naik dari 5 persen menjadi 25 persen dibandingkan versi sebelumnya. Arsitektur MoE sparse yang efisien dengan 17 miliar parameter aktif membuatnya relatif hemat biaya.
Diperbarui:
ID MODEL
inkling-2-small:free- Konteks
- 1.049M
- Output maks
- 131.072K
- API yang direkomendasikan
- messages
- Masukan
- text / image
- Keluaran
- video
Sorotan
- Input teks dan gambar, output teks
- MoE sparse 594 miliar parameter total
- 17 miliar parameter aktif
- Mendukung MXFP8 dan NVFP4
- Halusinasi turun jadi 27 persen
- Cocok untuk agentic dan coding
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | |||
|---|---|---|---|
| $0 | $0 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Tolok ukur
- 71.8%
EnterpriseBench-CoreCraft
Dari Surge AI; mengukur kemampuan AI agentic
- 56%
CritPt v2
Dibandingkan dengan 34% untuk Inkling Small dan 65% untuk 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
Skor sesuai publikasi penyedia model.
Penalaran
- Tingkat usaha bawaan
- high
- Aktif secara bawaan
- Ya
- Selalu aktif
- Ya
- Tingkat usaha yang tersedia
- max / high / medium / low / minimal
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
inkling-2-small:freeModel ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
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());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai 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 menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringinkling-2-small:freeID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.seed———stop———toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_p———reasoning———temperaturenumber—Mengontrol variasi respons jika didukung.reasoning_effort———include_reasoning———Pertanyaan umum
Mengenal Thinking Machines: Inkling 2 Small (free)?
Inkling 2 Small adalah model dari Thinking Machines yang menerima input teks dan gambar lalu menghasilkan output teks. Model ini dibangun di atas transformer decoder-only 48 lapis dengan backbone feed-forward Mixture-of-Experts sparse, di mana setiap token dirutekan ke 8 dari 384 expert. Dengan total 594 miliar parameter dan 17 miliar parameter aktif, model ini mendukung format numerik MXFP8 dan NVFP4. Gambar dikodekan melalui vision transformer dan diproses bersama teks dalam ruang hidden yang sama. Model ini ditujukan untuk bahasa Inggris dan bahasa lain serta berbagai bahasa pemrograman. Inkling 2 Small dirancang untuk sistem agentic dan tool-use, asisten coding, chatbot, serta sistem retrieval-augmented generation. Model ini juga cocok untuk penggunaan percakapan umum, mengikuti instruksi, tugas keuangan, pembuatan 3D, dan pembuatan video melalui kode. Di antara model open weight, Inkling 2 Small berperforma terbaik pada beberapa benchmark keuangan. Pada Artificial Analysis Intelligence Index v5.0.1, model ini menyamai setelan high Gemini 3.8 Flash dan melampaui MiMo-V2.6-Pro. Tingkat halusinasi turun menjadi 27 persen dari 61 persen pada Inkling Small, tingkat kelulusan tugas otomasi naik dari 5 persen menjadi 46 persen, dan skor tes coding naik dari 5 persen menjadi 25 persen dibandingkan versi sebelumnya. Arsitektur MoE sparse yang efisien dengan 17 miliar parameter aktif membuatnya relatif hemat biaya.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Input apa yang didukung Inkling 2 Small?
Inkling 2 Small menerima input teks dan gambar, lalu menghasilkan output teks.
Apa arsitektur yang digunakan Inkling 2 Small?
Model ini dibangun di atas transformer decoder-only 48 lapis dengan backbone feed-forward Mixture-of-Experts sparse. Setiap token dirutekan ke 8 dari 384 expert, dengan total 594 miliar parameter dan 17 miliar parameter aktif.
Tugas apa yang paling cocok untuk Inkling 2 Small?
Model ini dirancang untuk sistem agentic dan tool-use, asisten coding, chatbot, serta sistem retrieval-augmented generation. Model ini juga cocok untuk tugas keuangan, pembuatan 3D, dan pembuatan video melalui kode.
Apa perbedaan Inkling 2 Small dengan Inkling Small?
Dibandingkan Inkling Small, tingkat halusinasi Inkling 2 Small turun menjadi 27 persen dari 61 persen. Tingkat kelulusan tugas otomasi naik dari 5 persen menjadi 46 persen, dan skor tes coding naik dari 5 persen menjadi 25 persen.
Apakah Inkling 2 Small tersedia sebagai model open weight?
Model ini diluncurkan sebagai model proprietary yang tersedia lebih dulu melalui platform Tinker dan Tinker Playground dari Thinking Machines. Bobot model direncanakan dirilis kemudian dengan lisensi Apache 2.0, meskipun tanggalnya belum dipastikan.