Eski OpenAI yöneticisinden yeni yapay zekâ: Thinking Machines, Inkling 2 Small'u tanıttı
Özet haber: Eski OpenAI CTO'su Mira Murati'nin şirketi Thinking Machines, 594 milyar parametreli yeni yapay zekâ modeli Inkling 2 Small'ı tanıttı. Performans testi sonuçları dikkat çekici.

CTO olarak görev yaptığı OpenAI'dan ayrıldıktan sonra kendi yapay zekâ şirketini kuran Mira Murati, Thinking Machines Lab adını taşıyan bu yeni şirketiyle dikkat çekici modeller ortaya koymaya devam ediyor. Şirket son olarak da yeni modeli Inkling 2 Small'u tanıttı.
Toplam 594 milyar parametreye sahip olan açık ağırlıklı model, özellikle yazılım geliştirme ve kurumsal iş süreçlerinde dikkat çekici performans sergiliyor. Inkling 2 Small, Belli Alanlarda En Üst Modellerle Yarışıyor Inkling 2 Small, Mixture-of-Experts (MoE) adı verilen bir mimari kullanıyor. Bu mimaride modelin bütün parametreleri aynı anda çalıştırılmıyor.
Toplam 594 milyar parametreye sahip olan model, işlem sırasında bunların yalnızca 17 milyarını etkinleştiriyor. Böylece büyük bir parametre havuzundan yararlanırken hesaplama ihtiyacını sınırlandırabiliyor. Model, Artificial Analysis tarafından gerçekleştirilen değerlendirmelerde 31 puanlık Intelligence Index skoruna ulaştı.
Thinking Machines, bu sonuçla Inkling 2 Small'ın ağırlıkları yayımlandığında Çin dışında geliştirilen açık ağırlıklı modeller arasında ilk sıraya yerleşmesini bekliyor. Kurumsal kullanım açısından da iddialı sonuçlar elde eden model, Surge AI'ın EnterpriseBench-CoreCraft testinde yüzde 71,8 başarı oranıyla üçüncü sıraya yerleşti.
Gerçek bir şirketin iş süreçlerini simüle eden bu testte yalnızca Anthropic'in Claude Fable 5. 1 (yüzde 77,4) ve Claude Opus 5. 5 (yüzde 74,4) modelleri daha iyi sonuç aldı. Inkling 2 Small ayrıca müşteri hizmetleri, insan kaynakları ve bilgi teknolojileri gibi alanları kapsayan EnterpriseOps-Gym testinde yüzde 46,8 başarı elde ederek Claude Sonnet 5'i de geride bıraktı.
Yazılım Geliştirebiliyor ve Kendi Kendine Araştırma Yapabiliyor Thinking Machines, Inkling 2 Small'ı yüz binlerce uzun süreli kodlama görevi üzerinde pekiştirmeli öğrenme (Reinforcement Learning - RL) yöntemiyle eğitti. Bu süreçte modelin yalnızca ürettiği kodun çalışıp çalışmadığı değil, problemi nasıl ele aldığı ve çözüm sırasında hangi adımları izlediği de değerlendirildi.
Şirkete göre bu sayede model, yaptığı değişiklikleri kontrol etme ve talimatları takip etme konusunda önceki sürümlerine kıyasla gelişti. Modelin yetenekleri yazılım geliştirmeyle de sınırlı değil. Şirketin gerçekleştirdiği bir deneyde model, Tinker platformunu kullanarak Qwen3. 5-4B modelini hava durumu ve Wikipedia sayfa görüntülenmeleri gibi verileri tahmin edebilecek şekilde eğitti.
Kendi değerlendirme sistemini oluşturan ve farklı eğitim yöntemlerini deneyen model, 4,5 saatlik çalışma ve 426 dolarlık harcama sonucunda tahmin performansını iki kattan fazla artırdı. Görselleri Analiz Edebiliyor ama Ses Girdisini Desteklemiyor Inkling 2 Small, metinlerin yanı sıra görselleri de işleyebiliyor.
Modelin görsel altyapısında, Perception Encoder tabanlı 292 milyon parametreli bir görüntü kodlayıcı bulunuyor. Bu sistem, görselleri 20 x 20 piksellik parçalara ayırarak 2 x 2 uzamsal havuzlama yöntemiyle işliyor. Böylece OCR, infografik yorumlama, nesne konumlandırma ve görsel akıl yürütme gibi görevleri gerçekleştirebiliyor. Bu yetenek, modelin kendi ürettiği içerikleri de kontrol edebilmesini sağlıyor.


