Felo API PlatformFelo API Platform
Kembali ke model

Thinking Machines: Inkling 2 Small (free) API

Inkling 2 Small ialah model Thinking Machines yang menerima input teks dan imej serta menghasilkan teks, dibina atas transformer decoder-only 48 lapisan dengan tulang belakang Mixture-of-Experts jarang.

Inkling 2 Small ialah model daripada Thinking Machines yang menerima input teks dan imej serta menghasilkan output teks. Ia dibina atas transformer decoder-only 48 lapisan dengan tulang belakang suapan hadapan Mixture-of-Experts jarang, di mana setiap token dihalakan kepada 8 daripada 384 pakar. Model ini mempunyai 594 bilion parameter keseluruhan dengan 17 bilion parameter aktif, dan menyokong format numerik MXFP8 serta NVFP4. Imej dikodkan melalui transformer penglihatan dan diproses bersama teks dalam ruang tersembunyi yang dikongsi.

Model ini ditujukan untuk bahasa Inggeris dan bahasa lain, serta merentas pelbagai bahasa pengaturcaraan. Ia direka untuk sistem agentik dan penggunaan alat, pembantu pengaturcaraan, chatbot, dan sistem penjanaan diperkukuh capaian. Antara kes penggunaan yang disenaraikan termasuk aliran kerja agentik, tugas kewangan, penciptaan 3D, dan penjanaan video melalui kod.

Dari segi kekuatan, antara model berat terbuka, ia merupakan model berprestasi terbaik merentas beberapa penanda aras kewangan. Pada Artificial Analysis Intelligence Index v5.0.1, ia menyamai tetapan tinggi Gemini 3.8 Flash dan mengatasi MiMo-V2.6-Pro. Kadar halusinasi menurun kepada 27 peratus daripada 61 peratus pada Inkling Small, manakala kadar lulus tugas automasi meningkat daripada 5 peratus kepada 46 peratus dan skor ujian pengaturcaraan meningkat daripada 5 peratus kepada 25 peratus berbanding versi sebelumnya. Walau bagaimanapun, penurunan halusinasi berlaku terutamanya kerana ia menjawab lebih sedikit soalan, dengan ketepatan hanya meningkat sedikit; kadar percubaan menjawab menurun kepada 53 peratus daripada 77 peratus dan ketepatan meningkat kepada 34 peratus daripada 32 peratus. Model ini juga menggunakan purata kira-kira 150,000 token output setiap tugas Intelligence Index, kira-kira 4 kali ganda daripada kira-kira 37,000 token pada Inkling Small. Pengetahuan terhad kepada maklumat yang tersedia pada tarikh potong latihannya, dan ia tidak boleh digunakan dalam membuat keputusan perubatan, perundangan, atau kritikal keselamatan tanpa penalaan tambahan, pengesahan khusus domain, dan pengawasan manusia.

Dikemas kini:

ID MODEL

inkling-2-small:free
Konteks
1.049M
Output maks
131.072K
API yang disyorkan
messages
Input
text / image
Output
video

Sorotan

  • Input teks dan imej, output teks
  • Transformer decoder-only 48 lapisan
  • MoE jarang: 8 daripada 384 pakar
  • 594B parameter, 17B aktif
  • Sokongan MXFP8 dan NVFP4
  • Imej diproses bersama teks

Penyedia

1 penyedia

Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.

Penyedia · Butiran harga
Ketersediaan
$0$0

Penanda aras

  • EnterpriseBench-CoreCraft

    Daripada Surge AI; keupayaan AI agentik

    71.8%
  • CritPt v2

    Berbanding 34% untuk Inkling Small dan 65% untuk Gemini 3.8 Flash tetapan tinggi

    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

Skor seperti yang diterbitkan oleh penyedia model.

Penaakulan

Tahap usaha lalai
high
Diaktifkan secara lalai
Ya
Sentiasa diaktifkan
Ya
Tahap usaha yang tersedia
max / high / medium / low / minimal

Mula pantas

Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.

1

Tetapkan kunci API

Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.

export FELO_API_KEY="YOUR_API_KEY"
2

Hantar permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.

inkling-2-small:free

Model ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.

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

Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.

3

Dayakan penstriman

Tambah 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 antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.

Antara mukaKaedahURL

Messages

Mesej serasi Anthropic untuk klien gaya Claude.

POST

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

Parameter

NamaJenisLalaiKeterangan
modelstringinkling-2-small:freeID model awam untuk dipanggil.
max_tokensinteger—Bilangan maksimum token yang dijana.
messagesarray—Mesej perbualan untuk Chat Completions.
seed———
stop———
toolsarray—Definisi tool calling mengikut skema serasi.
top_p———
reasoning———
temperaturenumber—Mengawal kepelbagaian respons apabila disokong.
reasoning_effort———
include_reasoning———

Soalan lazim

Mengenali Thinking Machines: Inkling 2 Small (free)?

Inkling 2 Small ialah model daripada Thinking Machines yang menerima input teks dan imej serta menghasilkan output teks. Ia dibina atas transformer decoder-only 48 lapisan dengan tulang belakang suapan hadapan Mixture-of-Experts jarang, di mana setiap token dihalakan kepada 8 daripada 384 pakar. Model ini mempunyai 594 bilion parameter keseluruhan dengan 17 bilion parameter aktif, dan menyokong format numerik MXFP8 serta NVFP4. Imej dikodkan melalui transformer penglihatan dan diproses bersama teks dalam ruang tersembunyi yang dikongsi. Model ini ditujukan untuk bahasa Inggeris dan bahasa lain, serta merentas pelbagai bahasa pengaturcaraan. Ia direka untuk sistem agentik dan penggunaan alat, pembantu pengaturcaraan, chatbot, dan sistem penjanaan diperkukuh capaian. Antara kes penggunaan yang disenaraikan termasuk aliran kerja agentik, tugas kewangan, penciptaan 3D, dan penjanaan video melalui kod. Dari segi kekuatan, antara model berat terbuka, ia merupakan model berprestasi terbaik merentas beberapa penanda aras kewangan. Pada Artificial Analysis Intelligence Index v5.0.1, ia menyamai tetapan tinggi Gemini 3.8 Flash dan mengatasi MiMo-V2.6-Pro. Kadar halusinasi menurun kepada 27 peratus daripada 61 peratus pada Inkling Small, manakala kadar lulus tugas automasi meningkat daripada 5 peratus kepada 46 peratus dan skor ujian pengaturcaraan meningkat daripada 5 peratus kepada 25 peratus berbanding versi sebelumnya. Walau bagaimanapun, penurunan halusinasi berlaku terutamanya kerana ia menjawab lebih sedikit soalan, dengan ketepatan hanya meningkat sedikit; kadar percubaan menjawab menurun kepada 53 peratus daripada 77 peratus dan ketepatan meningkat kepada 34 peratus daripada 32 peratus. Model ini juga menggunakan purata kira-kira 150,000 token output setiap tugas Intelligence Index, kira-kira 4 kali ganda daripada kira-kira 37,000 token pada Inkling Small. Pengetahuan terhad kepada maklumat yang tersedia pada tarikh potong latihannya, dan ia tidak boleh digunakan dalam membuat keputusan perubatan, perundangan, atau kritikal keselamatan tanpa penalaan tambahan, pengesahan khusus domain, dan pengawasan manusia.

Bagaimana penggunaan dicaj?

Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.

Apakah jenis input dan output yang disokong oleh Inkling 2 Small?

Inkling 2 Small menerima input teks dan imej serta menghasilkan output teks.

Apakah seni bina yang digunakan oleh Inkling 2 Small?

Ia dibina atas transformer decoder-only 48 lapisan dengan tulang belakang suapan hadapan Mixture-of-Experts jarang, di mana setiap token dihalakan kepada 8 daripada 384 pakar, dengan 594 bilion parameter keseluruhan dan 17 bilion parameter aktif.

Apakah tugas yang sesuai untuk Inkling 2 Small?

Ia direka untuk sistem agentik dan penggunaan alat, pembantu pengaturcaraan, chatbot, dan sistem penjanaan diperkukuh capaian, serta kes penggunaan seperti tugas kewangan, penciptaan 3D, dan penjanaan video melalui kod.

Apakah perbezaan antara Inkling 2 Small dan Inkling Small?

Berbanding Inkling Small, kadar halusinasi Inkling 2 Small menurun kepada 27 peratus daripada 61 peratus, kadar lulus tugas automasi meningkat daripada 5 peratus kepada 46 peratus, dan skor ujian pengaturcaraan meningkat daripada 5 peratus kepada 25 peratus. Walau bagaimanapun, kadar percubaan menjawab menurun kepada 53 peratus daripada 77 peratus dan ketepatan meningkat sedikit kepada 34 peratus daripada 32 peratus.

Apakah had yang perlu diberi perhatian apabila menggunakan Inkling 2 Small?

Pengetahuan model terhad kepada maklumat yang tersedia pada tarikh potong latihannya, dan ia tidak boleh digunakan dalam membuat keputusan perubatan, perundangan, atau kritikal keselamatan tanpa penalaan tambahan, pengesahan khusus domain, dan pengawasan manusia.

Model berkaitan