AIモデル注目

Inkling 2 Miniは同じ層を3回通す、ノートPCで動く27B級モデル

Thinking Machines Labは11月20日、open weightsのInkling 2 Miniを公開した。24層の中間12層を1トークンにつき3回通すlooped transformerで、ノートPCに載る重さのまま48層分の計算を回す。

佐藤健太佐藤健太
人気度:1,710
ノートPCの輪郭の内側で、3枚の層がループ矢印を通る図

Thinking Machines Labは11月20日、open weightsのInkling 2 Miniを公開した。24層の中間12層を1トークンにつき3回通すlooped transformerで、ノートPCに載る重さのまま48層分の計算を回す。

Inkling 2 Miniのループは、層ではなく計算を増やす

デコーダは24層。6層目から17層目の中間12層だけが、1トークンにつき3回呼ばれる。物理的な層は24枚で、訪問回数は48回になる。では、同じ層を3回通すと何が変わるのか?

ループの目的は、考える時間を長く取ることにある。Thinking Machines Labは、内部で計算を重ねても、その過程をchain-of-thoughtとして書き出さなくてよい点を強調する。エージェントのコーディングやツール呼び出しで効く理由がここにある。

Inkling 2 Miniのスペックは26.4B総量、動くのは3.4B

総パラメータは26.4B、計算に入るのは3.4B。各層は128のエキスパートから8つを選ぶ。コンテキストは100万トークンで、画像入力も受ける。

項目

数値

総パラメータ

26.4B

同時に動くパラメータ

3.4B

重みの容量

約20GB

重みが軽いのは後から量子化したからではない。20層はNVFP4、最後の4層はMXFP8で学習と配布をそろえた。約20GBがそのままメモリ要件になる。

Inkling 2 MiniはDeepSWE v1.1で48.2%、同サイズ帯の先頭

数字は提供元2社の公表値で、第三者の追試はない。DeepSWE v1.1は実際のソフトウェア課題を解かせるテストで48.2%、Vals Index v2.2は46.5%。総パラメータ100B未満のopen weightsモデルでは最上位だと同社は主張する。

Artificial AnalysisのIntelligence Index v5は20.1で、Qwen3.8-27Bと同点。Nemotron 3.5 Super VLの13.6などを大きく離す。Hugging Faceの48項目比較では32項目で勝った。

弱い項目もある。MultiChallengeは50.0%、ComplexConstraints v1.1は33.4%で、いずれもQwen3.8-27Bに劣る。長い制約や多ターン会話は得意ではない。

looped transformerは知識を増やさない

ループを重ねても、重みが事実を多く記憶するわけではない。AA-Omniscienceは同サイズのモデルと並び、利得は長いコンテキストと多段の推論に出る。

研究用のTML-d24-varloop-researchは1回から5回まで選べる。思考を書かせない作業時間は1回16秒、3回37秒。5回のchain-of-thoughtは平均1,661トークンで、1回の3,703より短い。

同社は、ループを増やしても妨害行動のスコアに上昇傾向は見られなかったと報告し、監視性を落とさず書かない思考を増やせるという主張を支えるが、自社測定で外部監査はない。

Inkling 2 Miniをローカルで動かす方法

重みはHugging Faceで公開。transformersのAutoModelForMultimodalLM、SGLangは初日対応、llama.cppのGGUFはIQ4_NLとQ8_0がLlama Appから使える。MacはMLX、ホスト推論はTinker。価格は非公表。

100万トークンは無条件ではなく、256Kから512Kで針を8本探すMRCR v2は46.4%と、長い入力の途中を落とすことがある。長文を渡すなら検索を併用したい。

機内モードのMacBook Proで動いたデモ

M5 Proと48GBのMacBook Proを機内モードにし、遊べる飛行シミュレータを数分で作った。ネットワークなしでもコーディングエージェントとして最後まで走る。20人の町のシミュレーションも同じマシンで動いた。

Hazy ResearchとScaling Intelligence Labsは、DGX Spark上でMXFP8、推論強度を低めにした条件で1ジュールあたり0.703を測った。Qwen3.6-35B-A3Bは0.430、Gemma-4-26B-A4Bは0.159。

local AIの実用度は、日本語の現場で試される

日本語の議事録や社内文書を外部に送らず要約する用途では、20GBが1台に収まる意味は大きい。48GBのMacBook Proは日本の開発現場でも特別な構成ではない。空きを確保すれば今日から試せる。

残る論点は2つ。looped transformerが小規模モデルの定番になるか。安全策の少ない開発者が同じ構造を学習したとき、監視性の主張が成り立つか。

このニュースを共有

出典

関連AIニュース

上昇する報酬曲線と27Bのバッジが並ぶ端末画面
AIモデル

DaisyRose-27B、強化学習だけでTerminal-Bench 4.1を5.6%から12.0%に

RadixArkは、Qwen3.8-27Bを土台に強化学習だけで鍛えたDaisyRose-27Bを公開した。Terminal-Bench 4.1のpass@1は5.6%から12.0%へ倍増した。18日間、1,200タスク、H200 144枚という規模の話である。

人気度:1,330
暗い背景に長く伸びるティール色の波形と、1本のオレンジのアクセントバー
AIモデル

0.5BのRumble-2-Flashが30Bの音声認識と並んだ

0.5Bのモデルが、30Bのモデルとほぼ同じ誤り率で電話音声を文字にする。Reson8が公開したRumble-2-Flashは、文字起こしの費用構造を変える側のニュースだ。

人気度:560
深い青の背景で、小さく光る核を囲む3つのネオンの輪
AIモデル

Gemini 4 Neonが有料プランに入った、選択肢は4つに

Googleは11月18日、Gemini 4 Neonを発表した。有料の加入者が最初に気にするのは、選択肢から二つの名前が消えたことと、新しいミドルクラスがいくらで動くかである。

人気度:1,500
推論のスポークを巡らせた大きなモデルの中核と、その隣の小さく速い中核。右側には下がっていく価格の棒グラフ
AIモデル

GPT-6.2 Astraの値下げは、1タスクの請求額をどこまで下げるか

値下げの見出しは派手だが、請求書はトークン単価ではなくタスク単価で動く。定価と実測を分けて並べ、どこで得をしてどこで負けるかを見る。

人気度:1,900