Unternehmen gehen zunehmend dazu über, Open-Weight-Modelle an ihre eigenen Daten und Kontexte anzupassen, um die volle Kontrolle über das Verhalten und die Ergebnisse zu behalten.
Wir freuen uns, Ihnen heute mitteilen zu können, dass Inkling 2 Small, das neueste Open-Weight-Modell von Thinking Machines Lab, ab sofort in Snowflake Cortex Training (Public Preview) verfügbar ist. Teams können noch heute mit dem Benchmarking, Post-Training, der Evaluierung und der Bereitstellung von Inkling 2 Small für ihre eigenen Unternehmens-Workloads beginnen – direkt dort, wo sich ihre Daten befinden, und gesteuert durch dieselben Kontrollen, auf die sie sich bereits verlassen.

Was ist Inkling 2 Small?
Inkling 2 Small ist die zweite Modellgeneration von Thinking Machines Lab. Es handelt sich um ein Mixture-of-Experts-Modell (MoE) mit insgesamt 594 Milliarden Parametern und 17 Milliarden aktiven Parametern, das Bildeingaben und variablen Reasoning-Aufwand unterstützt.
Inkling 2 Small wurde für langfristige Agentenaufgaben entwickelt. Thinking Machines Lab hat es mit Reinforcement Learning (RL) an Hunderttausenden von langfristigen Programmieraufgaben über mehrere Agenten-Harnesses hinweg trainiert und berichtet, dass das Modell Anweisungen genauer befolgt, Änderungen sorgfältig abwägt und seine eigene Arbeit unaufgefordert überprüft. Das erleichtert den Einsatz in echten Agentenschleifen, was sich auch in den Programmierergebnissen zeigt, darunter 86,3 % bei SWE-Bench Pro v2 (Hard) und 72,1 % bei DeepSWE v1.1.
Das Modell ist zudem multimodal. Durch Bildeingaben kann es visuelles Feedback einbeziehen, um beispielsweise Benutzeroberflächen und Designs iterativ zu erstellen und zu verfeinern. Und da pro Token nur 17 Milliarden seiner Parameter aktiv sind, bietet die MoE-Architektur eine hohe Leistungsfähigkeit bei geringeren Inferenzkosten als ein Dense-Modell vergleichbarer Größe. Da die Gewichte heute unter der Apache-2.0-Lizenz veröffentlicht wurden, behalten Unternehmen das volle Eigentum an den von ihnen angepassten Modellen.
Was können Sie mit Inkling 2 Small auf Snowflake tun?
Cortex Training, das serverlose Angebot von Snowflake zur Anpassung und Bereitstellung von Open-Weight-LLMs, wurde entwickelt, um die Anpassung von Open-Weight-Modellen einfach, flexibel und kosteneffizient zu gestalten. Wir freuen uns sehr, die Inkling-Modellfamilie in den umfangreichen Katalog bestehender Open-Weight-Modelle von Cortex Training aufzunehmen, zu dem auch Familien wie Qwen, GLM, Nemotron, Gemma und DeepSeek gehören. Inkling 2 Small ist ab heute sowohl für das Post-Training als auch für die Inferenz verfügbar.

Abbildung 1: Cortex Training unterstützt eine breite Palette von Modellen und Trainingsmethoden – einschließlich überwachter Feinanpassung, Reinforcement Learning, Direct Preference Optimization und Distillation –, lässt sich in wichtige Post-Training-Frameworks integrieren und ermöglicht benutzerdefinierte Verlustfunktionen und Architekturen.
Jetzt entdecken
Da Open-Weight-Modelle zunehmend mit Frontier-Modellen konkurrieren können, haben Unternehmen die Möglichkeit, KI für höhere Genauigkeit und geringere Kosten anzupassen. Mit Cortex Training können Unternehmen Open-Weight-Modelle flexibel und kostengünstig auf ihren kontrollierten Unternehmensdaten und -kontexten nachtrainieren und bereitstellen. Um mehr über die neuesten Innovationen in Cortex Training zu erfahren, lesen Sie den Launch-Blogbeitrag, besuchen Sie das GitHub-Repo und die Webseite.




