مدل هوش مصنوعی Inkling 2 Mini معرفی شد؛ اجرای آفلاین روی لپتاپ

- شرکت Thinking Machines Lab از مدل متنباز Inkling 2 Mini با ۲۶.۴ میلیارد پارامتر کل و ۳.۴ میلیارد پارامتر فعال رونمایی کرد.
- این مدل با معماری «ترنسفورمر حلقهای» لایههای میانی خود را سه بار برای هر توکن اجرا میکند تا قدرت استدلال را بدون افزایش حجم بالا ببرد.
- وزنهای مدل حدود ۲۰ گیگابایت حجم دارد، تحت مجوز Apache 2.0 منتشر شده و به صورت آفلاین روی مکبوک ۳۲ گیگابایتی با Ollama اجرا میشود.
به گزارش بهروزترینها، شرکت Thinking Machines Lab که به دست میرا موراتی، مدیر ارشد فناوری پیشین OpenAI تاسیس شده، از مدل هوش مصنوعی Inkling 2 Mini رونمایی کرده است؛ مدلی متنباز و چندوجهی که با هدف اجرای کامل و آفلاین روی لپتاپهای شخصی توسعه یافته و در آزمونهای برنامهنویسی و کار با ابزارها رقبای همرده خود را به چالش میکشد.
در حالی که بسیاری از مدلهای پیشرفته مانند مدلهای ابری کلود و سیستمهای بزرگ سازمانی برای استدلال عمیق به سرورهای گرانقیمت نیاز دارند، این مدل جدید نشان میدهد نسل تازه معماریهای سبک میتواند دستیارهای کدنویسی و ایجنتهای خودکار را بدون نیاز به اینترنت و با حفظ کامل حریم خصوصی به سیستم شخصی توسعهدهندگان بیاورد.
معماری ترنسفورمر حلقهای چیست و چگونه کار میکند؟
راز کارایی مدل هوش مصنوعی Inkling 2 Mini در ساختار متفاوت آن نهفته است. این مدل از نوع Mixture-of-Experts (ترکیب متخصصان) است که در مجموع ۲۶.۴ میلیارد پارامتر دارد، اما هنگام پردازش هر درخواست تنها ۳.۴ میلیارد پارامتر آن فعال میشود. نکته متمایز اینجاست که سازندگان به جای افزودن لایههای بیشتر و سنگینتر کردن فایل مدل، از معماری «ترنسفورمر حلقهای» (Looped Transformer) استفاده کردهاند.
بیشتر بخوانید: خرید اقساطی کالاهای دیجیتال از بازارگاه ایرانسل با تخفیف ۹۰درصدی
در این معماری، لایههای میانی پردازش برای هر توکن سه بار به صورت متوالی بازاستفاده میشوند. نتیجه این رویکرد، افزایش چشمگیر توان استدلال چندمرحلهای و کدنویسی بدون بزرگ شدن حجم مدل است؛ به طوری که فایل رسمی مدل با ترکیب دقتهای NVFP4 و MXFP8 تنها حدود ۲۰ گیگابایت فضا اشغال میکند و از پنجره متنی تا حدود یک میلیون توکن پشتیبانی میکند.
مشخصات فنی و سختافزار مورد نیاز برای اجرای آفلاین
| ویژگی | مشخصات Inkling 2 Mini |
|---|---|
| تعداد پارامترها | ۲۶.۴ میلیارد کل (۳.۴ میلیارد فعال در هر توکن) |
| معماری پردازش | ترنسفورمر حلقهای (۳ بار اجرای لایههای میانی) |
| ورودی و خروجی | ورودی متن و تصویر / خروجی متن |
| پنجره متنی (Context) | حدود ۱ میلیون توکن |
| حجم فایل وزنها | حدود ۲۰ گیگابایت (فرمت NVFP4 / MXFP8) |
| مجوز انتشار | Apache 2.0 (آزاد برای استفاده تجاری و متنباز در Hugging Face) |
| سختافزار پیشنهادی | مک اپل سیلیکون با حداقل ۳۲ گیگابایت رم یا NVIDIA DGX Spark |
کاربران مک با تراشههای اپل سیلیکون و حداقل ۳۲ گیگابایت حافظه یکپارچه میتوانند این مدل را به سادگی از طریق ابزارهای Ollama و MLX اجرا کنند. روی ویندوز و لینوکس نیز پشتیبانی از طریق llama.cpp، LM Studio و Unsloth فراهم شده است؛ هرچند برای ورودیهای بسیار طولانی، حافظه اضافی جهت کش KV مورد نیاز خواهد بود.
مقایسه عملکرد در بنچمارکها؛ برتری در کدنویسی و بهرهوری انرژی
در ارزیابیهای منتشرشده، Inkling 2 Mini در حوزه مهندسی نرمافزار عاملگرا (Agentic Coding) عملکرد چشمگیری ثبت کرده است. این مدل در آزمون SWE-bench Verified امتیاز ۷۹.۲ درصد، در SWE-bench Pro v2 (Hard) امتیاز ۷۷.۹ درصد و در DeepSWE v1.1 امتیاز ۴۸.۲ درصد کسب کرده که در برابر ۴۲.۲ درصد مدل Qwen3.8-27B برتری معناداری محسوب میشود. همچنین در آزمون استدلال علمی GPQA Diamond امتیاز ۸۶.۶ درصد و در تحلیل اسناد OmniDocBench v1.6 امتیاز ۹۲.۸ درصد به دست آورده است.
در شاخص مستقل Artificial Analysis Intelligence Index، هر دو مدل Inkling 2 Mini و Qwen3.8-27B امتیاز برابر ۲۰.۱ را ثبت کردهاند، اما مدل تازه Thinking Machines Lab حدود ۲.۸ برابر توان پردازشی کمتر مصرف میکند، ۴ برابر سریعتر وظایف را به پایان میرساند و هزینه پردازش هر وظیفه در آن ۶ برابر کمتر است. در شاخص بهرهوری انرژی استنفورد (هوش به ازای هر وات) روی سیستم DGX Spark نیز این مدل امتیاز ۰.۷۰۳ را در مقایسه با ۰.۴۳۰ برای Qwen3.6-35B و ۰.۱۵۹ برای Gemma-4-26B ثبت کرده است.
بیشتر بخوانید: اپلیکیشن همراه من؛ راهنمای دانلود، نصب و امکانات
البته این مدل نقاط ضعفی نیز دارد؛ به دلیل کمتر بودن پارامترهای ذخیرهسازی دانش نسبت به مدلهای متراکم بزرگتر، در بازیابی صرف حقایق عمومی و گفتوگوهای چندمرحلهای با محدودیتهای متعدد کمی پایینتر از Qwen3.8-27B عمل میکند. با این حال برای ساخت شبیهسازها، اجرای ابزارهای کدنویسی و توسعه فناوریهای هوشمند و تعاملی به صورت کاملاً آفلاین، گزینهای کمرقیب به نظر میرسد.
پرسشهای پرتکرار
آیا مدل Inkling 2 Mini روی لپتاپهای معمولی با رم ۱۶ گیگابایت اجرا میشود؟
به دلیل حجم حدود ۲۰ گیگابایتی وزنهای مدل و نیاز به حافظه اضافی برای پنجره متنی، اجرای روان آن به سیستمهایی با حداقل ۳۲ گیگابایت رم (مانند مکبوک پرو اپل سیلیکون) یا کارت گرافیک با حافظه VRAM بالا نیاز دارد.
آیا استفاده تجاری از Inkling 2 Mini رایگان و مجاز است؟
بله؛ وزنهای این مدل تحت مجوز آزاد Apache 2.0 روی پلتفرم Hugging Face منتشر شده و شرکتها و توسعهدهندگان میتوانند آن را بدون پرداخت حق امتیاز در محصولات تجاری خود به کار بگیرند.
تفاوت اصلی Inkling 2 Mini با مدلهای هوش مصنوعی معمولی چیست؟
این مدل به جای افزودن میلیاردها پارامتر جدید، از معماری ترنسفورمر حلقهای استفاده میکند و لایههای میانی خود را سه بار برای هر توکن اجرا میکند تا با مصرف انرژی و حجم کمتر، استدلال قویتری در کدنویسی داشته باشد.




