नई दिल्ली, 21 नवंबर 2026। AI स्टार्टअप Thinking Machines Lab ने 20 नवंबर को Inkling 2 Mini AI मॉडल जारी किया। कंपनी के मुताबिक यह 26.4 अरब कुल पैरामीटर वाला ओपन-वेट मॉडल है, जिसे सीमित आकार के हार्डवेयर और लैपटॉप पर चलाने की दिशा में डिजाइन किया गया है। मॉडल Apache 2.0 लाइसेंस के तहत उपलब्ध कराया गया है, जिससे डेवलपर्स और शोधकर्ता इसके वेट डाउनलोड कर अपने उपयोग के अनुरूप परीक्षण, फाइन-ट्यूनिंग और एकीकरण कर सकते हैं।
मॉडल की तकनीकी बनावट
Thinking Machines Lab के परिचय के अनुसार Inkling 2 Mini एक looped transformer architecture का उपयोग करता है। इसमें मॉडल की मध्यवर्ती लेयर को हर टोकन के लिए तीन बार चलाया जाता है। कंपनी का दावा है कि इस तरीके से मॉडल अतिरिक्त reasoning कर सकता है और कम टोकन में बेहतर परिणाम दे सकता है। इसे खास तौर पर कई चरणों में सोचने वाले कामों, जैसे agentic coding, के लिए उपयोगी बताया गया है।
मॉडल कार्ड में इसका कुल आकार 26.4 अरब पैरामीटर और सक्रिय पैरामीटर 3.4 अरब बताए गए हैं। मॉडल text और image input स्वीकार कर text output देने वाला multimodal सिस्टम है। वास्तविक उपयोग में कौन-से काम बेहतर होंगे, यह हार्डवेयर, मॉडल सेटिंग और परीक्षण के तरीके पर निर्भर करेगा।
कंपनी के बेंचमार्क दावे
Thinking Machines Lab ने अपने लॉन्च लेख में कहा कि 100 अरब से कम कुल पैरामीटर वाले open-weight मॉडलों में Inkling 2 Mini ने DeepSWE v1.1 पर 48.2 प्रतिशत और Vals Index v2.2 पर 46.5 प्रतिशत स्कोर हासिल किया। ये आंकड़े मॉडल प्रदाता की ओर से जारी किए गए हैं। अलग-अलग बेंचमार्क की परीक्षण पद्धति, डेटा और हार्डवेयर सेटअप अलग हो सकते हैं, इसलिए इन स्कोर की तुलना करते समय मूल्यांकन की शर्तों को देखना जरूरी है।
मॉडल कार्ड में Apache 2.0 लाइसेंस का उल्लेख है। इस लाइसेंस से डेवलपर्स को मॉडल का उपयोग और संशोधन करने का अवसर मिलता है। फिर भी व्यावसायिक उपयोग से पहले मॉडल कार्ड, लाइसेंस की शर्तें, डेटा सुरक्षा और संबंधित जिम्मेदारियों को पढ़ना जरूरी है।
लैपटॉप पर चलाने की बात
कंपनी ने Inkling 2 Mini को इतना छोटा बताया है कि इसे लैपटॉप पर चलाया जा सके। लेकिन वास्तविक प्रदर्शन के लिए केवल पैरामीटर संख्या पर्याप्त नहीं होती। RAM, GPU मेमोरी, प्रोसेसर, quantization, context length और inference software गति और उपयोगिता को प्रभावित करते हैं। इसलिए हर लैपटॉप पर समान गति या क्षमता की उम्मीद नहीं करनी चाहिए।
Looped architecture में मध्य लेयर को बार-बार चलाने से reasoning को मदद मिल सकती है, लेकिन इससे प्रति टोकन गणना की मात्रा भी प्रभावित हो सकती है। डेवलपर्स को अपने हार्डवेयर पर परीक्षण करना होगा कि कोडिंग, दस्तावेज समझने, इमेज इनपुट और सामान्य संवाद में मॉडल कितनी तेजी से काम करता है।
ओपन-वेट AI का महत्व
ओपन-वेट मॉडल उपलब्ध होने से शोधकर्ता और कंपनियां केवल बंद API पर निर्भर नहीं रहतीं। वे मॉडल को स्थानीय वातावरण में चला सकते हैं, जरूरत के अनुसार संशोधित कर सकते हैं और अपने डेटा के साथ परीक्षण कर सकते हैं। छोटे या मध्यम आकार के मॉडलों की गुणवत्ता बेहतर होने से उन संगठनों को विकल्प मिल सकते हैं जिनके पास बड़े क्लाउड मॉडल चलाने का बजट नहीं है।
हालांकि ओपन-वेट का अर्थ जोखिम-मुक्त या हर उपयोग के लिए उपयुक्त होना नहीं है। मॉडल से गलत उत्तर, पक्षपाती परिणाम या असुरक्षित कोड निकल सकता है। किसी एजेंट को वास्तविक फाइल या कारोबारी डेटा तक पहुंच देने से पहले अनुमति नियंत्रण, सुरक्षा जांच और मानव समीक्षा जरूरी है।
डेवलपर्स को आगे क्या देखना चाहिए?
Inkling 2 Mini के उपयोगकर्ता मॉडल कार्ड, लाइसेंस, उपलब्ध वेट और आधिकारिक परीक्षण सामग्री की समीक्षा कर सकते हैं। स्वतंत्र बेंचमार्क और वास्तविक एप्लिकेशन परीक्षण से स्पष्ट होगा कि कंपनी के दावों का अलग-अलग उपयोग स्थितियों में कितना लाभ मिलता है। Agentic coding में मॉडल की सफलता केवल कोड लिखने पर नहीं, बल्कि त्रुटियों को पहचानने, सुधारने और सुरक्षित ढंग से काम पूरा करने पर निर्भर करती है।
फिलहाल Inkling 2 Mini ओपन-वेट AI मॉडल की दुनिया में नया विकल्प है। इसका वास्तविक प्रभाव डेवलपर समुदाय के परीक्षण, हार्डवेयर उपलब्धता और अलग-अलग कामों में मिलने वाले परिणामों से तय होगा।






Comments (0)