Thinking Machines Lab が公開した Inkling 2 Mini は、ノートPCでも動かせるサイズに収めながら、推論のやり方そのものを工夫したモデルだ。単に小型化したのではなく、同じ中間層を何度も通す「looped transformer」という設計で、1トークンごとにより深く考えさせるのが売りになっている。大きいモデルをそのまま持ってくるのではなく、限られた計算資源でどう賢く振る舞わせるかに焦点を当てた発表で、ローカル実行や研究用途に興味がある人にはかなり刺さる内容だと思う。
Thinking Machines Lab は Nov 20, 2026 に Inkling 2 Mini を公開した。説明によると、これは「速く、強力で、しかもラップトップで動かせる」オープンウェイトモデルだ。見た目の特徴は、モデルの中間層をトークンごとに3回繰り返して通す点にある。こうすることで、出力のたびに少しずつ思考を積み上げ、より少ないトークンで答えにたどり着けるという。特に agentic coding のような、途中の判断力が結果を左右する作業で効きやすいとされている。
性能面では、100B未満のオープンウェイトモデルの中で、DeepSWE v1.1 で 48.2%、Vals Index v2.2 で 46.5% を記録し、同規模帯の先頭に立つと主張している。さらに、似た性能のモデルより速く動くとも述べている。本文には、DeepSWE v1.1 や SWE-bench Pro v2 といったコーディング系ベンチマークの比較グラフが並び、Inkling 2 Mini が速度と正答率の両方で良い位置にあることを示していた。
モデルの中身は Mixture-of-Experts で、総パラメータ数は 26.4B、実際に一度に働くのは 3.4B だという。ループの読み出しを含めた weight activations は 1トークンあたり 5.4B と説明されている。さらに、推論のしやすさだけでなく監視可能性にも目を向けており、思考の過程を読む chain of thought(CoT)に頼った監督がどう変わるかを検証した。研究用に用意した variable-loop 版では、1回通しの no-CoT time horizon が 16秒から3回ループで 37秒に延び、serial reasoning のベンチマークでは、訓練時の2回を超えて10回ループまで性能が伸びたという。一方で、ループを増やしても agentic sabotage の傾向は高まらなかったとしている。
公開物としては、Inkling 2 Mini 本体に加えて、研究向けの variable-loop モデルも出している。実験用にループ深度を変えやすくして、比較をきれいにする狙いだ。さらに、ほとんどの重みは NVFP4 で学習・展開され、最後の4層だけ MXFP8 を使っている。結果としてメモリ使用量は約20GBに収まり、消費者向けの laptop や desktop AI computer でも扱える。記事では、研究者が MacBook Pro を機内モードで動かし、飛行機の中で数分で playable な flight simulator を作った、という実例まで載せていた。Tinker での推論・カスタマイズ、Hugging Face の Model card も案内されている。
能力の説明では、長い作業を伴う agentic work で強く、同サイズ帯の open-weights model の中では多くのタスクで最上位だと位置づけている。知識をそのまま覚える力については、ループを増やしても向上しないと明言していて、facts は総パラメータ数に左右されるという整理だ。その弱点を補うため、search と tools をうまく使う設計を前面に出している。BrowseComp、DeepSearchQA、MCP Atlas などの検索・ツール利用系ベンチマークで、同規模帯の open-weights model を上回るとしている。知識労働向けのベンチマークでも強い一方、AA-Omniscience のような factuality の指標では同サイズ帯と近い水準にとどまる、と説明している。
まず印象的なのは、この記事が「小さいのに強い」を素直に言い切るだけでなく、どこで効いて、どこでは効かないかを分けている点だと思う。ループは reasoning を伸ばすが、knowledge を増やすわけではない、と明確に書いているのは誠実だ。最近のモデル競争では、ベンチマークでの総合点が高いほど万能に見えやすいが、実際には「考える力」と「覚えている情報量」は別の軸だ。Inkling 2 Mini はその区別を前に出している。これは、モデルの売り方として少し珍しい。性能の良さを誇るだけでなく、得意領域をかなり正直に示しているからだ。
その一方で、search と tool use を使えば knowledge gap をかなり埋められるという主張は、今の実務的な AI の流れに合っている。単体のモデルに全部覚えさせるより、必要なときに調べ、実行し、返ってきた情報を組み立てる方が現実的だ。つまり、Inkling 2 Mini が狙っているのは「巨大な百科事典」ではなく、「手元で動く、よく考える作業者」なのだろうと思う。これは coding や調査、社内業務の自動化ではかなり筋がいい。逆に、知識そのものの厚みが重要な用途では、過度な期待は禁物だ。
この記事でいちばん興味深かったのは、性能と一緒に monitorability を測っていることだ。Chain of thought を読めることは、長らく「モデルの中で何が起きているか」を知るための手がかりとして使われてきた。でも、モデルが賢くなるほど、その思考が人間にとって読みやすいとは限らない。ループを重ねる設計は、外から見れば複雑化しそうなのに、本文では CoT が短くなっても legible だったと報告している。ここは単なる性能向上よりずっと大事かもしれない。
なぜなら、業務で使うなら「当たる」だけでは足りないからだ。どの根拠でそう答えたのか、途中で変な方向に逸れていないか、危険な挙動が増えていないかを見たい。著者たちが agentic sabotage のテストでも悪化を見ていないと書いたのは、少なくとも研究上は安心材料だ。ただし、ここはまだ限定的な評価に見える。実運用では、ベンチマークで見えない挙動が後から出てくることもある。だから私は、この発表を「安全性が解決された」と読むより、「性能を上げながら監視可能性も測る文化を前に進めた」と受け止めたい。
約20GBという数字は地味に見えるが、実際にはかなり大きい。大規模モデルはクラウド前提で語られがちだが、ローカルで動くと話が変わる。ネットワーク遅延がなく、データを外に出さずに済み、研究者や開発者が手元で試行錯誤しやすい。記事の airplane mode のデモは、単なる見せ場ではなく、その価値を端的に示している。飛行機の中で、しかもオフラインで、モデルが flight simulator を作ったというのは、ローカル実行の自由度をかなり強く印象づける。
ここから見えてくるのは、AI の競争軸が「一番大きいモデルを持つこと」から少しずつずれてきていることだ。もちろん巨大モデルは今後も重要だが、実際に使う人には、速さ、コスト、手元で回せることの方が効く場面が多い。特に enterprise や研究機関では、セキュリティや再現性の理由でローカル実行の価値が高い。Inkling 2 Mini は、その現実的な需要にかなり正面から応えている。
最後に、open weights で出した意味も大きい。Tinker で使え、Hugging Face の model card もあり、研究者が触りやすい形にしている。これは「性能の高さを見せる」だけでなく、「他者が検証し、カスタマイズし、比較できるようにする」方向だ。looped transformer という設計自体、まだ広く普及したものではないので、公開されたモデルがあるのは研究面で価値があると思う。
ただ、これは同時に競争を激しくする。今後は単に精度が高いだけでなく、どれだけ少ないトークンで、どれだけ監視しやすく、どれだけローカルで回せるかが比べられるはずだ。Inkling 2 Mini はその基準を少し押し広げたように見える。万能な模型というより、用途に合わせて賢く振る舞う実用品に寄せた設計だ。私はそこに、この発表のいちばん新しさがあると思う。