Thinking Machines: Inkling (free)

Inkling is het multimodale model met open gewichten van Thinking Machines Lab voor redenering, programmeren, gesprekken en agenttoepassingen. Het aanvaardt tekst, afbeeldingen en audio en geeft tekst terug. Het Mixture-of-Experts-ontwerp heeft in totaal 975 miljard parameters, waarvan 41 miljard actief, en is daarmee het grotere model in de familie. Inkling-Small is een afzonderlijk model met 276 miljard parameters, waarvan 12 miljard actief, geen instelling die de antwoordlengte van Inkling verandert.

Geef voor een omvangrijke programmeertaak het relevante repositorymateriaal, het waargenomen gedrag en het gewenste resultaat mee. Vraag het model het verantwoordelijke pad te volgen, een wijziging voor te stellen en verslag uit te brengen van het bewijsmateriaal uit controles die werkelijk in de verbonden omgeving zijn uitgevoerd. Label voor een documentvergelijking de bronsecties en vraag om de relevante verschillen, het ondersteunende bewijsmateriaal en elke onbeantwoorde vraag. De beoogde toepassingen omvatten programmeerassistenten, chatbots, retrieval-augmented generation en agents die tools gebruiken, met een eindresultaat dat is afgestemd op de toepassing die het verwerkt.

Inkling ondersteunt maximaal één miljoen contexttokens. Gebruik die ruimte om omvangrijk bronmateriaal en belangrijke gespreksfeiten bij elkaar te houden en rond een specifieke vraag te ordenen. Onderscheid bronfeiten van aannames en laat ruimte voor het volledige geschreven eindresultaat. De grotere context ondersteunt werk over een uitgebreide verzameling; ze maakt het antwoord niet tot een actuele weergave van een systeem waarvan de huidige informatie niet is aangeleverd.

Denkinspanning is een continue instelling van 0.0 inbegrepen tot minder dan 1.0. De startinstellingen van de producent zijn none 0.0, minimal 0.1, low 0.2, medium 0.7, high 0.9 en xhigh 0.99, met high als standaard van de renderer. Inspanning en het generatietokenbudget zijn onafhankelijk. Hogere inspanning kan meer redenering stimuleren en meer ruimte vóór het eindantwoord vereisen, terwijl none op geen redenering aanstuurt zonder een harde beperking op te leggen. Kies een waarde die bij de opdracht past en maak het verwachte eindresultaat en de voltooiingsvoorwaarde expliciet.

Visuele invoer ondersteunt beeldbeschrijvingen, vragen over zichtbare inhoud, grafieken, diagrammen en wiskundige visuele redenering. Gebruik voor goede prestaties afbeeldingsafmetingen tussen 40 en 4.096 pixels. Houd relevante labels en diagramcontext leesbaar. Inkling kan een geconfigureerde Python-tool gebruiken om in te zoomen, bij te snijden of een afbeelding programmatisch te onderzoeken en zo visuele waarnemingen aan codegebaseerde redenering te koppelen. Een bruikbaar antwoord over een grafiek behoudt de waargenomen waarden en toont hoe die de conclusie ondersteunen, in plaats van aan te nemen dat bijsnijden of berekenen heeft plaatsgevonden alleen omdat het werd voorgesteld.

Audio-invoer gebruikt WAV met een samplefrequentie van 16 kHz en de maker beveelt voor optimale prestaties opnamen van maximaal 20 minuten aan. Dit is een voorbereidingsaanbeveling. Inkling kan spraak transcriberen, gesproken instructies volgen, vragen over opnamen beantwoorden en over langere audio redeneren. Lever de relevante opname samen met de geschreven vraag en eventueel referentiemateriaal aan dat nodig is voor de interpretatie. Een resultaat rond een vergadering kan gesproken feiten scheiden van een latere samenvatting of interpretatie. Het model produceert tekst, zodat audiobegrip verschilt van het synthetiseren van een gesproken antwoord.

Beschrijf voor een toolgebaseerde opdracht de beschikbare bewerkingen en hun argumenten en bewaar de werkelijke waarnemingen die de toepassing teruggeeft. Een zoekresultaat kan actueel bewijsmateriaal aanleveren; een berekening kan numeriek werk leveren; een bestandsbewerking kan vaststellen welke inhoud wordt beoordeeld. De voorgestelde actie van het model en het uitgevoerde resultaat zijn afzonderlijke delen van het gesprek. Houd een eindantwoord verbonden met die waarnemingen, vooral wanneer het een codewijziging of een volgende toepassingsstap voorstelt.

Inkling is getraind op kalibratie en het volgen van instructies, waaronder het uitdrukken van onzekerheid wanneer een antwoord niet vaststaat. Vraag voor een op bewijsmateriaal gebaseerde voorspelling of analyse om de aannames, het bewijsmateriaal en de onopgeloste voorwaarden in het geschreven resultaat. Bepaal bij extractie hoe een ontbrekende waarde weergegeven moet worden in plaats van te eisen dat elk veld een verzonnen feit bevat. Die instructies maken een resultaat bruikbaar voor beoordeling zonder vertrouwen of een lang redeneerproces als bewijs van juistheid te behandelen.

Open gewichten ondersteunen fine-tuning en downstreamintegratie. Een gespecialiseerd model wordt ontwikkeld met representatieve voorbeelden en een doelgedrag, terwijl een gewone inferentieaanvraag context voor de huidige taak aanlevert. De producent demonstreert aanpassing als een afzonderlijke workflow; een normaal antwoord schakelt niet stilzwijgend naar nieuwe gewichten over. Bewaar het oorspronkelijke bewijsmateriaal en de gevraagde randvoorwaarden bij het eindresultaat, zodat een vervolgvraag één feit kan aanpassen, de formulering kan verfijnen of een ander codepad kan onderzoeken terwijl dezelfde opdracht samenhangend blijft.