AI 编程实时动态与要闻

Thinking Machines 在 Connectionism 博客发文，介绍 Inkling 2 Small 如何从预训练第一步到最后一次 RL rollout 都用原生 4 位（NVFP4）前向计算：反向用 MXFP8 加随机舍入，通信也做量化。官方称这是已知最大的端到端 4 位前向训练模型，相比全 MXFP8 训练，预训练墙钟时间快 8%、RL 快 20%。

查看大图

11 月 12 日（北京时间 13 日凌晨 4 点 50 分），Thinking Machines Lab 宣布 Inkling 2 Small 权重以 Apache 2.0 许可证在 Hugging Face 开放下载，兑现了 11 月 5 日发布闭源版时「完成安全测试后开源」的承诺。模型为 594B 总参、17B 激活的多模态 MoE，支持图文输入和 100 万 token 上下文；主权重是训练时就采用的原生 NVFP4，至少需要 500GB 显存（2 张 B300 或 4 张 H200），另有 MXFP8 版本。SGLang、vLLM、Unsloth 给出本地部署方案，Cloudflare Workers AI、OpenRouter、Together、Nebius 等首日上线，每百万 token 输入 0.30 美元、输出 1.00 美元。

查看大图

Thinking Machines Lab 于 11 月 5 日发布第二代首款模型 Inkling 2 Small：594B 总参 / 17B 激活 MoE，支持图像输入与可变 thinking effort。官方博客称 Artificial Analysis Intelligence Index 约 31，编码、视觉与知识工作相对上一代明显提升。现可在 Tinker 上推理与微调（闭源权重）；完成外部安全测试后拟以 Apache 2.0 释出全量权重。Tinker 标价约 $0.30/$1.00 每百万 input/output token（64K）。

查看大图

Cognition 于 11 月 4 日（UTC 19:55）发布 SWE-2 Flash。官方博客称它以 Thinking Machines 的 Inkling-Small（276B 总参、12B 激活）为底座，首次在强化学习前加入大规模中训练，把 FrontierCode 2.0 从 3.2% 提到 24.0%、Terminal-Bench 4.0 从 0.9% 提到 20.0%，自称超过所有美国开源权重模型。生成速度约 200 tok/s，价格为 SWE-2 的五分之一、速度为其 3 倍；本月底前对 Devin Desktop 和 CLI 的 Pro、Max、Teams 用户免费。权重暂不公开，将通过安全共享计划提供给合作方和研究者。

查看大图