Felo API PlatformFelo API Platform
Torna ai modelli

Thinking Machines: Inkling 2 Small (free) API

Inkling 2 Small è un modello Thinking Machines con input testo e immagini che genera testo, basato su un'architettura Mixture-of-Experts sparsa con 594 miliardi di parametri totali e 17 miliardi attivi.

Inkling 2 Small è un modello di Thinking Machines che accetta input testuali e visivi e produce output testuali. È costruito su un transformer decoder-only a 48 strati con una backbone feed-forward Mixture-of-Experts sparsa: ogni token viene instradato verso 8 di 384 esperti. Il modello conta 594 miliardi di parametri totali, di cui 17 miliardi attivi, e supporta i formati numerici MXFP8 e NVFP4. Le immagini vengono codificate tramite un vision transformer e processate congiuntamente al testo in uno spazio nascosto condiviso.

Il modello è pensato per l'inglese e altre lingue, oltre che per diversi linguaggi di programmazione. È progettato per sistemi agentici e di uso di strumenti, assistenti alla programmazione, chatbot e sistemi di generazione aumentata dal recupero. Tra i casi d'uso indicati figurano anche attività finanziarie, creazione 3D e generazione video tramite codice.

Inkling 2 Small è stato lanciato come modello proprietario, disponibile in prima persona tramite la piattaforma Tinker e il Tinker Playground di Thinking Machines. I pesi saranno rilasciati in una data successiva; è previsto un rilascio con licenza Apache 2.0, sebbene la data non sia confermata. Thinking Machines raccomanda la supervisione umana per gli output utilizzati in contesti critici e suggerisce ai desarrolladores di condurre valutazioni proprie su prestazioni, sicurezza ed equità prima del deployment.

Aggiornato:

ID MODELLO

inkling-2-small:free
Contesto
1.049M
Output max
131.072K
API consigliata
messages
Input
text / image
Output
video

In evidenza

  • Input testo e immagini, output testo
  • MoE sparsa con 17 miliardi di parametri attivi
  • 594 miliardi di parametri totali
  • 8 esperti su 384 per token
  • Supporto MXFP8 e NVFP4
  • Pensato per agenti e strumenti

Fornitori

1 fornitori

Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.

Fornitore · Dettagli dei prezzi
Disponibilità
$0$0

Benchmark

  • EnterpriseBench-CoreCraft

    da Surge AI; capacità di intelligenza artificiale agentica

    71.8%
  • CritPt v2

    rispetto al 34% di Inkling Small e al 65% di 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
  • HLE

    31.6

Punteggi come pubblicati dal fornitore del modello.

Ragionamento

Sforzo predefinito
high
Attivo per impostazione predefinita
Sì
Sempre attivo
Sì
Livelli di sforzo disponibili
max / high / medium / low / minimal

Avvio rapido

Codice pronto all'uso per chiamare questo modello con le API compatibili di Felo API Platform. Inizia nel Playground se vuoi testare i prompt prima di scrivere codice.

1

Imposta la chiave API

Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.

export FELO_API_KEY="YOUR_API_KEY"
2

Invia la prima richiesta

Usa questo ID modello con l'endpoint Felo API Platform. Le intestazioni facoltative come X-Request-Id aiutano nella risoluzione dei problemi.

inkling-2-small:free

Questo modello è in grado di ragionare. Se il protocollo selezionato e la route del modello espongono controlli di ragionamento, conserva i metadati di ragionamento restituiti quando continui la conversazione.

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());

Usare SDK di terze parti

Negli SDK compatibili imposta baseURL su https://openapi.felo.ai/api/v1. Per i client in stile Claude, usa la base URL compatibile con Anthropic. https://openapi.felo.ai/api.

3

Attiva lo streaming

Aggiungi stream: true per ricevere le risposte come 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 espone superfici compatibili per le chiamate ai modelli. Scegli la superficie che la tua app o il tuo client agente già supporta.

SurfaceMethodURL

Messages

Messaggi compatibili con Anthropic per i client in stile Claude.

POST

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

Parametri

NomeTipoPredefinitoDescrizione
modelstringinkling-2-small:freeID pubblico del modello da chiamare.
max_tokensinteger—Numero massimo di token generati.
messagesarray—Messaggi della conversazione per Chat Completions.
seed———
stop———
toolsarray—Definizioni di tool calling secondo lo schema compatibile.
top_p———
reasoning———
temperaturenumber—Controlla la varietà delle risposte quando supportato.
reasoning_effort———
include_reasoning———

Domande frequenti

Cos'è Thinking Machines: Inkling 2 Small (free)?

Inkling 2 Small è un modello di Thinking Machines che accetta input testuali e visivi e produce output testuali. È costruito su un transformer decoder-only a 48 strati con una backbone feed-forward Mixture-of-Experts sparsa: ogni token viene instradato verso 8 di 384 esperti. Il modello conta 594 miliardi di parametri totali, di cui 17 miliardi attivi, e supporta i formati numerici MXFP8 e NVFP4. Le immagini vengono codificate tramite un vision transformer e processate congiuntamente al testo in uno spazio nascosto condiviso. Il modello è pensato per l'inglese e altre lingue, oltre che per diversi linguaggi di programmazione. È progettato per sistemi agentici e di uso di strumenti, assistenti alla programmazione, chatbot e sistemi di generazione aumentata dal recupero. Tra i casi d'uso indicati figurano anche attività finanziarie, creazione 3D e generazione video tramite codice. Inkling 2 Small è stato lanciato come modello proprietario, disponibile in prima persona tramite la piattaforma Tinker e il Tinker Playground di Thinking Machines. I pesi saranno rilasciati in una data successiva; è previsto un rilascio con licenza Apache 2.0, sebbene la data non sia confermata. Thinking Machines raccomanda la supervisione umana per gli output utilizzati in contesti critici e suggerisce ai desarrolladores di condurre valutazioni proprie su prestazioni, sicurezza ed equità prima del deployment.

Come viene addebitato l'utilizzo?

La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.

Quali tipi di input e output supporta Inkling 2 Small?

Accetta input testuali e visivi e genera output testuali. Le immagini vengono codificate tramite un vision transformer e processate insieme al testo in uno spazio nascosto condiviso.

Per quali compiti è progettato Inkling 2 Small?

È pensato per sistemi agentici e di uso di strumenti, assistenti alla programmazione, chatbot e sistemi di generazione aumentata dal recupero, oltre che per compiti finanziari, creazione 3D e generazione video tramite codice.

Qual è la differenza principale tra Inkling 2 Small e Inkling Small?

Inkling 2 Small riduce il tasso di allucinazione al 27 percento rispetto al 61 percento di Inkling Small. I tassi di superamento dei compiti di automazione salgono dal 5 percento al 46 percento e i punteggi dei test di programmazione dal 5 percento al 25 percento rispetto alla versione precedente.

Inkling 2 Small è disponibile con pesi aperti?

È stato lanciato come modello proprietario, disponibile tramite la piattaforma Tinker e il Tinker Playground di Thinking Machines. È previsto un rilascio dei pesi con licenza Apache 2.0, ma la data non è confermata.

Quali limitazioni presenta Inkling 2 Small?

Allucina meno soprattutto perché risponde a meno domande: il tasso di tentativo scende al 53 percento dal 77 percento e l'accuratezza sale al 34 percento dal 32 percento. Inoltre genera in media circa 150.000 token di output per compito dell'Intelligence Index, circa 4 volte i circa 37.000 token di Inkling Small, e la conoscenza è limitata alle informazioni disponibili alla data di addestramento.

Modelli correlati