Felo API PlatformFelo API Platform
Wróć do modeli

Thinking Machines: Inkling 2 Small (free) API

Inkling 2 Small to model Thinking Machines z wejściem tekstowym i obrazowym oraz wyjściem tekstowym, oparty na rzadkiej architekturze Mixture-of-Experts, przeznaczony do pracy agentowej, asystentów kodowania i chatbotów.

Inkling 2 Small to model Thinking Machines zbudowany na 48-warstwowym transformerze typu decoder-only z rzadkim backbone feed-forward Mixture-of-Experts. Każdy token jest kierowany do 8 z 384 ekspertów. Model ma 594 miliardy parametrów ogółem i 17 miliardów parametrów aktywnych, a także obsługuje formaty numeryczne MXFP8 i NVFP4. Obrazy są kodowane przez transformer wizyjny i przetwarzane wspólnie z tekstem w współdzielonej przestrzeni ukrytej.

Model przyjmuje tekst i obrazy, a generuje tekst. Jest przeznaczony do języka angielskiego i innych języków oraz wielu języków programowania. Sprawdza się w systemach agentowych i wykorzystujących narzędzia, asystentach kodowania, chatbotach oraz systemach generowania wspomaganego wyszukiwaniem. Według dostępnych danych osiąga wyniki m.in. 71,8% w EnterpriseBench-CoreCraft, 80,2 w SWE-bench Verified i 95,5 w MathArena AIME 2026.

W porównaniu z Inkling Small nowa wersja zmniejsza odsetek halucynacji z 61 do 27 procent, podnosi zdawalność zadań automatyzacji z 5 do 46 procent i poprawia wyniki testów kodowania z 5 do 25 procent. Model zużywa jednak znacznie więcej tokenów wyjściowych — około 150 000 na zadanie Intelligence Index, około 4 razy więcej niż około 37 000 w Inkling Small. Jego wiedza ogranicza się do informacji dostępnych na moment odcięcia treningu, a w zastosowaniach medycznych, prawnych lub krytycznych dla bezpieczeństwa wymaga dodatkowego dostrajania, walidacji dziedzinowej i nadzoru człowieka.

Zaktualizowano:

MODEL ID

inkling-2-small:free
Kontekst
1.049M
Maks. wyjście
131.072K
Polecane API
messages
Wejście
text / image
Wyjście
video

Najważniejsze informacje

  • Rzadki MoE: 8 z 384 ekspertów na token
  • 594 mld parametrów, 17 mld aktywnych
  • Obsługa MXFP8 i NVFP4
  • Wejście tekstowe i obrazowe
  • Halucynacje spadły z 61% do 27%
  • Wagi Apache 2.0 planowane

Dostawcy

1 dostawców

Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.

Dostawca · Szczegóły cen
Dostępność
$0$0

Benchmarki

  • EnterpriseBench-CoreCraft

    od Surge AI; zdolności agentowe

    71.8%
  • CritPt v2

    w porównaniu z 34% dla Inkling Small i 65% dla 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

Wyniki zgodnie z publikacją dostawcy modelu.

Rozumowanie

Domyślny poziom wysiłku
high
Włączone domyślnie
Tak
Zawsze włączone
Tak
Dostępne poziomy wysiłku
max / high / medium / low / minimal

Szybki start

Gotowy kod do wywołania tego modelu przez zgodne API Felo API Platform. Zacznij w Playground, gdy chcesz przetestować prompty przed pisaniem kodu.

1

Pobierz klucz API

Utwórz klucz w swoim koncie Felo API Platform i ustaw go jako zmienną środowiskową.

export FELO_API_KEY="YOUR_API_KEY"
2

Wyślij pierwsze żądanie

Użyj tego identyfikatora modelu z endpointem Felo API Platform. Opcjonalne nagłówki żądania, takie jak X-Request-Id, mogą pomóc w diagnostyce.

inkling-2-small:free

Ten model obsługuje rozumowanie. Jeśli wybrany protokół i trasa modelu udostępniają elementy sterujące rozumowaniem, zachowaj zwrócone metadane rozumowania podczas kontynuowania rozmowy.

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());

Korzystanie z zewnętrznych SDK

Używaj zgodnych SDK, ustawiając baseURL na https://openapi.felo.ai/api/v1. Użyj bazowego adresu URL zgodnego z Anthropic dla klientów w stylu Claude. https://openapi.felo.ai/api.

3

Włącz strumieniowanie

Dodaj stream: true, aby otrzymywać odpowiedzi jako 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 udostępnia zgodne interfejsy wywoływania modeli. Wybierz ten, który Twoja aplikacja lub klient agenta już obsługuje.

InterfejsMetodaURL

Messages

Komunikaty zgodne z Anthropic dla klientów w stylu Claude.

POST

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

Parametry

NazwaTypDomyślnieOpis
modelstringinkling-2-small:freePubliczny identyfikator modelu do wywołania.
max_tokensinteger—Maksymalna liczba generowanych tokenów.
messagesarray—Komunikaty rozmowy dla Chat Completions.
seed———
stop———
toolsarray—Definicje wywoływania narzędzi zgodne z obsługiwanym schematem.
top_p———
reasoning———
temperaturenumber—Steruje różnorodnością odpowiedzi, gdy jest obsługiwane.
reasoning_effort———
include_reasoning———

Często zadawane pytania

Co to jest Thinking Machines: Inkling 2 Small (free)?

Inkling 2 Small to model Thinking Machines zbudowany na 48-warstwowym transformerze typu decoder-only z rzadkim backbone feed-forward Mixture-of-Experts. Każdy token jest kierowany do 8 z 384 ekspertów. Model ma 594 miliardy parametrów ogółem i 17 miliardów parametrów aktywnych, a także obsługuje formaty numeryczne MXFP8 i NVFP4. Obrazy są kodowane przez transformer wizyjny i przetwarzane wspólnie z tekstem w współdzielonej przestrzeni ukrytej. Model przyjmuje tekst i obrazy, a generuje tekst. Jest przeznaczony do języka angielskiego i innych języków oraz wielu języków programowania. Sprawdza się w systemach agentowych i wykorzystujących narzędzia, asystentach kodowania, chatbotach oraz systemach generowania wspomaganego wyszukiwaniem. Według dostępnych danych osiąga wyniki m.in. 71,8% w EnterpriseBench-CoreCraft, 80,2 w SWE-bench Verified i 95,5 w MathArena AIME 2026. W porównaniu z Inkling Small nowa wersja zmniejsza odsetek halucynacji z 61 do 27 procent, podnosi zdawalność zadań automatyzacji z 5 do 46 procent i poprawia wyniki testów kodowania z 5 do 25 procent. Model zużywa jednak znacznie więcej tokenów wyjściowych — około 150 000 na zadanie Intelligence Index, około 4 razy więcej niż około 37 000 w Inkling Small. Jego wiedza ogranicza się do informacji dostępnych na moment odcięcia treningu, a w zastosowaniach medycznych, prawnych lub krytycznych dla bezpieczeństwa wymaga dodatkowego dostrajania, walidacji dziedzinowej i nadzoru człowieka.

Jak rozliczane jest użycie?

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.

Jakie dane wejściowe i wyjściowe obsługuje Inkling 2 Small?

Model przyjmuje tekst i obrazy, a generuje tekst. Obrazy są kodowane przez transformer wizyjny i przetwarzane razem z tekstem.

Do jakich zadań najlepiej nadaje się Inkling 2 Small?

Model jest projektowany do systemów agentowych i wykorzystujących narzędzia, asystentów kodowania, chatbotów oraz systemów RAG. Sprawdza się też w zadaniach finansowych, tworzeniu treści 3D i generowaniu wideo za pomocą kodu.

Czym Inkling 2 Small różni się od Inkling Small?

Inkling 2 Small zmniejsza odsetek halucynacji z 61 do 27 procent, podnosi zdawalność zadań automatyzacji z 5 do 46 procent i poprawia wyniki testów kodowania z 5 do 25 procent. Zużywa jednak około 150 000 tokenów wyjściowych na zadanie Intelligence Index, około 4 razy więcej niż około 37 000 w Inkling Small.

Jakie ograniczenia ma Inkling 2 Small?

Wiedza modelu ogranicza się do informacji dostępnych na moment odcięcia treningu. Nie należy wdrażać go w decyzjach medycznych, prawnych lub krytycznych dla bezpieczeństwa bez dodatkowego dostrajania, walidacji dziedzinowej i nadzoru człowieka.

Czy Inkling 2 Small jest dostępny jako model open weight?

Model uruchomiono jako model zastrzeżony, dostępny najpierw przez platformę Tinker i Tinker Playground Thinking Machines. Wagi mają zostać udostępnione później, planowane jest wydanie na licencji Apache 2.0, choć data nie jest potwierdzona.

Powiązane modele