先把事件本身說清楚。2026 年 11 月 5 日，Thinking Machines Lab 公布新模型 Inkling 2 Small，開放透過自家的 Tinker 平臺試用、推論與微調。公司同時預告，完整權重要等外部安全測試與紅隊測試（也就是請人刻意攻擊模型、找出漏洞的測試）完成後，才會以 Apache 2.0 授權釋出。換句話說，現在你可以在雲端玩到它，但還不能把權重抓回自己電腦跑。

這裡有個很容易被忽略的重點：「授權預告」和「權重已可下載」是兩件事。模型卡目前的授欄欄寫的是 Tinker 服務條款，不是 Apache 2.0。在權重真正發布、文件正式定案之前，任何關於本地部署的討論都還是推測。

官方數據要怎麼讀：分數有輸有贏，各自對應不同測試

官方公布的成績裡，Inkling 2 Small 在程式代理基準 FrontierCode v2.0 得 25.4%，DeepSWE v1.1 得 72.1%；同表的 DeepSeek-V4.1-Flash-1017 這兩項分別是 28.5% 與 77.0%，都更高。知識工作基準 AA-Briefcase v1.1 的 ELO 分數，Inkling 2 Small 的 1527 也低於對手的 1570，但 JobBench 的 70.5% 位居表中第一。

這組數字告訴我們兩件事。第一，它是值得放進測試清單的模型，某些項目確實有競爭力。第二，它沒有全面勝過其他開放權重模型，而且一種基準的名次不能推論到另一種工作流程。這跟讀健康研究是同一個道理：單一指標的好壞，換個情境就未必成立。分清楚「證據支持什麼」和「廠商想讓你相信什麼」，是你面對任何新聞時最耐用的工具，這一點我們在讀懂查證聲明書保證了什麼的文章裡也聊過類似的練習。

另外，官方還展示了一個長程任務示範：模型在 Tinker 上自主訓練 Qwen3.5-4B 做時間序列預測，官方稱花了約 4.5 小時、服務費 426 美元。要注意，這是廠商內部示範，並非獨立重複驗證。這種層級的證據，跟大型研究或第三方評測不一樣，參考時心裡要先打個折扣。

部署門檻：594B 總參數不代表 17B 顯示卡就能跑

規格表寫著混合專家架構（Mixture of Experts，MoE，簡單說就是模型分成很多個「專家」模組，每次只啟用其中一部分），總參數 594B、每個 token 啟用 17B。很容易讓人誤以為一張 17B 等級的顯示卡就夠了。實際上 MoE 模型的完整權重仍要放進記憶體，啟用量小省的是運算，不是儲存。真要本地部署，得等權重發布後確認格式、框架與硬體需求，現在誰也說不準。

如果你正準備評估這類模型，把授權、執行環境、資料控制寫進同一份評估表，會比追著每一則公告轉發來得踏實。而如果你是那種一有新模型就想通宵跑測試的人，也順便想想：等權重真正釋出再熬夜，至少熬得有東西可以下載。

急著測新模型的你，眼睛和作息可以先緩一緩

每次有新模型發布，開發者圈總會出現一波「連夜測試、比誰先發心得」的熱潮。這次權重甚至還沒釋出，能做的只有雲端試用，就更沒有必要徹夜排隊了。長時間盯著 Playground 調 prompt，眼睛的疲勞和肩頸的僵硬不會因為模型很新就放過你。

幾個用得到的小原則：測試排在白天清醒的時段做，效率通常比凌晨好；每半小時左右讓眼睛離開螢幕看一下遠處；如果發現自己只是焦慮別人搶先、而不是真的有任務要驗證，那就是可以關掉分頁的訊號。這類「追新聞追到作息亂掉」的情境，我們在模型連線被沙箱擋下後，照顧熬夜驗證的你那篇也談過，作法是共通的。

給不同需求的人一句話

想測程式代理或知識工作流程的人，現在就可以用 Tinker 拿實際任務試，但記得服務端的表現不能推斷本地效能與資料路徑。需要內網或離線部署的人，這週可以先做別的事，等權重、正式模型卡和授權全文出來再評。至於只是好奇的一般使用者，等第三方評測和實際使用心得累積幾週，看到的圖像會比發布日的宣傳更接近真實。

新模型的新鮮感會退，你的視力和睡眠不會重來。這則新聞值得留意，但不值得你賠上一晚休息。