Thinking Machines ปล่อย Inkling-Small น้ำหนักเปิด 276B/12B ที่เอาชนะรุ่นพี่ 975B ได้ในหลายเบนช์มาร์ก

Thinking Machines Lab ประกาศเมื่อ 30 กรกฎาคม 2026 ปล่อยน้ำหนักเต็มของ Inkling-Small โมเดลตัวที่สองของแล็บ ต่อจาก Inkling ที่เปิดน้ำหนักไปเมื่อกลางเดือน จุดที่ทำให้ข่าวนี้น่าสนใจสำหรับนักพัฒนาไม่ใช่แค่ “มีโมเดลเปิดตัวใหม่” แต่คือ โมเดลที่เล็กกว่ากลับทำคะแนนดีกว่ารุ่นพี่ในเกือบทุกเบนช์มาร์กที่แล็บเผยแพร่

Inkling ตัวเดิมมี 975B total / 41B active ส่วน Inkling-Small มี 276B total / 12B active — เล็กลงเกือบ 4 เท่าในแง่พารามิเตอร์รวม และ active parameters เหลือราวหนึ่งในสาม แต่ตารางเปรียบเทียบของแล็บเองแสดงว่ามันชนะรุ่นพี่ในงาน reasoning และ agentic coding

ตัวเลขที่แล็บเผยแพร่

เทียบตรง ๆ ระหว่าง Inkling-Small กับ Inkling จากหน้าประกาศ:

เบนช์มาร์ก	Inkling-Small (276B/12B)	Inkling (975B/41B)
SWEBench Verified	80.2%	77.6%
GPQA Diamond	89.5%	87.2%
Humanity’s Last Exam (text-only)	31.6%	29.7%
IFBench	82.2%	79.8%
GDPval-AA v2 (Elo)	1269	1238
MMMU Pro	74.0%	73.5%

model card บน Hugging Face ยังระบุ AIME 2026 ที่ 95.5% และ HMMT Feb 2026 ที่ 90.2% ด้วย จุดที่ควรอ่านอย่างระวังคือ ทั้งหมดนี้เป็นตัวเลขที่ผู้ผลิตรายงานเอง — ยังไม่มีเบนช์มาร์กอิสระ (Artificial Analysis, LMArena) ยืนยัน ณ เวลาที่เขียน สิ่งที่พอตรวจสอบได้คือ repo .eval_results/ มีไฟล์ผล eval แนบมาจริงสำหรับ aime_2026, gpqa, hle, hmmt_feb_2026, mmmu_pro, swe-bench_pro และ swe-bench_verified

แล็บอธิบายที่มาว่าเกิดจากการปรับ pre-training data mix และ training recipe ไม่ใช่การขยายขนาด ซึ่งเป็นข้อความที่ตรงกับสิ่งที่วงการเห็นมาตลอดครึ่งปีหลัง: การเพิ่มพารามิเตอร์ไม่ใช่ปุ่มเดียวที่กดได้อีกต่อไป

สเปกที่นักพัฒนาต้องดู

• สถาปัตยกรรม: MoE transformer 42 เลเยอร์ decoder-only แต่ละโทเคนถูก route ไป 6 จาก 256 experts บวก shared experts อีก 2 ตัวที่ทำงานทุกโทเคน
• Context: สูงสุด 1M โทเคน
• Multimodal: reasoning บนข้อความ ภาพ และเสียงแบบเนทีฟ เหมือน Inkling
• Variable thinking effort: chat template ใน model card มี effort map จริง (none 0.0 / minimal 0.1 / low 0.2 / medium 0.7 / high 0.9 / max 0.99) — ปรับงบคิดต่อคำขอได้จากฝั่งแอป
• License: repo บน Hugging Face ติด tag apache-2.0 (ไม่มีไฟล์ LICENSE แยกใน repo)
• ราคาเมื่อเรียกผ่าน API: output $1.20 ต่อ 1M โทเคน เทียบกับ Inkling ที่ $4.05 — ถูกลงราว 70%
• ใช้งาน: น้ำหนักอยู่บน Hugging Face และ fine-tune ได้บน Tinker พร้อมแชทข้อความ/ภาพ/เสียงบน Tinker Playground

ข้อควรระวังในทางปฏิบัติ: 12B active ไม่ได้แปลว่ารันบนการ์ดใบเดียวได้ ยังต้องโหลด 276B total เข้าหน่วยความจำ ดังนั้นนี่ยังเป็นโมเดลระดับเซิร์ฟเวอร์ ไม่ใช่ระดับโน้ตบุ๊ก สิ่งที่ 12B active ให้คือ ต้นทุนต่อโทเคนและ latency ที่ต่ำกว่ามาก ซึ่งสะท้อนออกมาในราคา API ที่ลดลง 70% นั่นเอง

ทำไมเรื่องนี้สำคัญกว่าที่เห็น

เดือนกรกฎาคมที่ผ่านมามีโมเดลน้ำหนักเปิดออกมาถี่มาก — Kimi K3 ที่ 2.8T พารามิเตอร์, DeepSeek-V4-Flash-0731, Solar-Open2-250B, Inkling — และเทรนด์ที่ชัดขึ้นเรื่อย ๆ คือ สนามแข่งย้ายจาก “ใหญ่ที่สุด” ไปเป็น “ได้คะแนนเท่ากันด้วยต้นทุนต่ำกว่า”

Inkling-Small เป็นเคสที่ชัดผิดปกติ เพราะเป็น แล็บเดียวกัน สองโมเดล ห่างกันสองสัปดาห์ ตัวแปรอื่นถูกคุมไว้ค่อนข้างดี ทำให้ข้อความ “recipe ดีกว่า ชนะขนาดใหญ่กว่า” มีน้ำหนักกว่าการเทียบข้ามแล็บที่มักเปรียบเทียบกันไม่ได้จริง

มุมมอง AI Curator

ตัวเลขที่ควรจ้องไม่ใช่ 80.2% บน SWEBench แต่คือ $1.20 เทียบกับ $4.05 ต่างหาก

สำหรับทีมไทยและ SEA ที่ผมคุยด้วยเกือบทุกทีม โจทย์ไม่เคยเป็น “โมเดลเก่งพอไหม” — มันเก่งพอมานานแล้ว โจทย์คือ บิลรายเดือนที่ทำให้ pilot ไม่ได้ขึ้น production โมเดลที่ให้คะแนน agentic coding ระดับ 80% ที่ราคาลดลง 70% เปลี่ยนสมการนั้นโดยตรง โดยเฉพาะงานประเภท agent ที่ยิงหลายรอบต่อหนึ่งงาน ซึ่งต้นทุนคูณทวีเร็วมาก

แต่ผมอยากเตือนสองข้อ

หนึ่ง — อย่าเพิ่งเชื่อตารางนี้ทั้งหมด นี่คือตัวเลขที่ผู้ผลิตรายงานเอง และรูปแบบ “โมเดลใหม่ชนะโมเดลเก่าของตัวเองทุกช่อง” เป็นสิ่งที่แล็บทุกเจ้ามีแรงจูงใจจะแสดง รอ Artificial Analysis กับ LMArena สักหนึ่งถึงสองสัปดาห์ก่อนตัดสินใจย้าย production workload จะปลอดภัยกว่ามาก ข้อดีคือน้ำหนักเปิดจริง ใครมีเครื่องก็ verify เองได้ — ซึ่งเป็นเหตุผลว่าทำไม open weights ถึงสำคัญเชิงโครงสร้าง ไม่ใช่แค่เชิงราคา

สอง — “Small” ในชื่อทำให้เข้าใจผิดได้ง่าย ทีมที่อ่านผ่าน ๆ แล้วคิดว่าจะเอาลง on-prem ด้วย GPU สองสามใบจะผิดหวัง 276B total ยังต้องการโครงสร้างพื้นฐานระดับคลัสเตอร์ ถ้าเป้าหมายจริงคือ “รันเองในองค์กร ข้อมูลไม่ออกนอกประเทศ” — ซึ่งเป็นข้อกำหนดที่เจอบ่อยขึ้นเรื่อย ๆ ในงานภาครัฐและธนาคารไทยหลัง PDPA — โมเดลที่ควรดูยังคงเป็นกลุ่ม 27B–35B dense มากกว่า MoE ระดับนี้

จุดที่ผมคิดว่าน่าสนใจที่สุดในระยะยาว คือมันเป็นหลักฐานเพิ่มอีกชิ้นว่า ช่องว่างระหว่างโมเดลเปิดกับโมเดลปิดกำลังถูกวัดด้วยหน่วย “สัปดาห์” ไม่ใช่ “ปี” สำหรับภูมิภาคที่ไม่มีแล็บฝึกโมเดลระดับ frontier เป็นของตัวเอง นี่คือข่าวดีที่สุด — เพราะมันแปลว่าการสร้างของบนฐานเปิดไม่ใช่การยอมรับของด้อยกว่าอีกต่อไป

แหล่งข่าว

• Introducing Inkling-Small — Thinking Machines Lab
• thinkingmachines/Inkling-Small — Hugging Face
• Thinking Machines bets on efficiency over size with its second model, Inkling Small — The Decoder