இன்க்லிங் 2 ஸ்மால் அறிமுகம்: திறந்த எடை வெளியீடு இன்னும் சரிபார்க்கப்படவில்லை
புதுப்பிக்கப்பட்டது: 2026-11-12

2026 நவம்பர் 12 புதுப்பிப்பு: முழு செய்தி விளக்கம்
திங்கிங் மெஷின்ஸ் (Thinking Machines), நவம்பர் 5 அன்று டிங்கர் (Tinker) சேவையின் மூலம் இன்க்லிங் 2 ஸ்மால் (Inkling 2 Small) மாதிரியை அறிமுகப்படுத்தியது. பட உள்ளீட்டையும் நுண்பயிற்சியையும் (fine-tuning) இந்த மாதிரி ஆதரிக்கிறது. மொத்தம் 594 பில்லியன் அளவுருக்களும், ஒவ்வொரு செயலாக்கத்திலும் பயன்படுத்தப்படும் 17 பில்லியன் செயலில் உள்ள அளவுருக்களும் இருப்பதாக நிறுவனம் கூறுகிறது.
வெளியீட்டு நேரத்தில் மாதிரியின் எடைகள் (model weights) பொதுவாகக் கிடைக்கவில்லை. பாதுகாப்புச் சோதனைகளுக்குப் பிறகு அவற்றை அபாச்சி 2.0 (Apache 2.0) உரிமத்தின் கீழ் வெளியிடத் திட்டமிட்டுள்ளதாக திங்கிங் மெஷின்ஸ் கூறியது. ஆனால் அந்தத் திட்டமிட்ட வெளியீடு நடைபெற்றுவிட்டதாகச் சரிபார்க்கப்படவில்லை. சேவையின் மூலம் பயன்படுத்த முடிவதை, பதிவிறக்கம் செய்யக்கூடிய திறந்த எடைகள் ஏற்கெனவே கிடைப்பதுடன் குழப்பக்கூடாது.
பட உள்ளீடும் நுண்பயிற்சியும் குறிப்பிட்ட தேவைகளுக்கான பணிகளுக்கு மாதிரியை மாற்றியமைக்க உதவக்கூடும். இந்த வசதிகளும் அளவுரு எண்ணிக்கைகளும் நிறுவனத்தின் விளக்கங்கள்; குறிப்பிட்ட பயன்பாட்டில் பிற மாதிரிகளைவிட இது சிறப்பாகச் செயல்படும் என்பதற்கான சுயாதீன ஆதாரங்கள் அல்ல.
புதுப்பிப்பு: அறிமுக நேரத்தில் கிடைக்கும் சேவையும், நிறுவனம் திட்டமிட்டுள்ள மாதிரி எடை வெளியீடும் வெவ்வேறு. எதிர்கால வெளியீட்டை நம்பி முடிவெடுப்பதைவிட, இப்போது உண்மையில் கிடைக்கும் அணுகல், உரிமம், பயன்பாட்டு விதிகள் ஆகியவற்றை மேம்பாட்டாளர்கள் மதிப்பிட வேண்டும். கீழே உள்ள முந்தைய அறிக்கையில் கூறப்பட்ட அடுத்த வார வெளியீட்டை உறுதியான கிடைப்புத் தேதியாகக் கருதக்கூடாது.
வரலாற்றுப் பதிவாகப் பாதுகாக்கப்படும் முந்தைய அறிக்கை
முன்னாள் OpenAI CTO Mira Murati தலைமையிலான Thinking Machines Lab, தனது இரண்டாம் தலைமுறை மாதிரியான Inkling 2 Small-ஐ நவம்பர் 5-இல் அறிமுகப்படுத்தியது. இது 594B மொத்த parameter-களும் 17B active parameter-களும் கொண்ட Mixture-of-Experts மாதிரி; image input-களையும் variable effort-ஐயும் ஆதரிக்கிறது.
மென்பொருள் (software) எழுதும் agent-கள், படங்களை விளக்குதல், நிதி ஆவணங்களைப் பகுப்பாய்வு செய்தல் போன்ற enterprise benchmark-களில் near-frontier செயல்திறனைத் தருவதாக நிறுவனம் கூறுகிறது. அறிவிப்பின்படி, அடுத்த வாரம் open weights வெளியிடப்படும்.
இது ஏன் முக்கியம்: சிறிய active-parameter எண்ணிக்கையில் உயர் செயல்திறன் தரும் MoE வடிவமைப்புகள் enterprise AI செலவைக் குறைக்கின்றன; open weights வெளியீடு மேம்பாட்டாளர்களுக்கு புதிய தேர்வைத் தருகிறது.



