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
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | |||
|---|---|---|---|
| $0 | $0 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
Benchmark
- 71.8%
EnterpriseBench-CoreCraft
da Surge AI; capacità di intelligenza artificiale agentica
- 56%
CritPt v2
rispetto al 34% di Inkling Small e al 65% di 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
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.
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"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:freeQuesto 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.
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.
Messages
Messaggi compatibili con Anthropic per i client in stile Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametri
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.