Inkling 2 Small이란? 씽킹 머신즈 신모델 기능·이용법·한계
Inkling 2 Small은 씽킹 머신즈가 2026년 11월 공개한 594B MoE(활성 17B) 모델이에요. Tinker 이용 경로·가격, 할 수 있는 일, 벤치마크 강약점과 위험을 정리했어요.
목차8개 섹션
핵심 요약
- Inkling 2 Small은 총 594B·토큰당 활성 17B 파라미터의 MoE 멀티모달 모델로, 텍스트·이미지를 입력받아 텍스트를 출력해요. 이름과 달리 PC에서 돌리는 소형 모델이 아니에요.
- 2026년 11월 7일 기준 가중치는 비공개이고, Tinker Playground(추론 전용)와 Tinker API(추론·파인튜닝)로만 쓸 수 있어요. Apache 2.0 가중치 공개는 외부 안전성 테스트 이후로 예고됐어요.
- Tinker 가격은 100만 토큰당 입력(prefill) 0.30달러, 캐시 입력 0.03달러, 출력(sample) 1.00달러, 학습 1.50달러예요.
- 공식 발표는 장기 에이전트 코딩, 이미지 이해, 스프레드시트·문서 기반 업무, 파인튜닝 적응력을 강점으로 내세워요.
- Artificial Analysis 기준 과제당 출력 토큰이 약 150K로 많아 토큰 단가만 보고 비용을 판단하면 안 되고, 환각·지시 불이행 같은 일반적 한계도 모델 카드에 명시돼 있어요.
Inkling 2 Small은 씽킹 머신즈(Thinking Machines Lab)가 2026년 11월 5일 공개한 2세대 언어 모델로, 총 594B·토큰당 활성 17B 파라미터의 전문가 혼합(MoE) 구조에 이미지 입력과 추론 강도 조절을 지원해요(공식 발표). 이름에 'Small'이 붙었지만 휴대폰이나 노트북용 소형 모델이 아니라, 회사 라인업 안에서 작은 편인 대형 모델이에요. 2026년 11월 7일 기준으로 가중치는 공개되지 않았고 자사 학습 플랫폼 Tinker에서 추론과 파인튜닝으로만 쓸 수 있어요.
이 글은 개발자·AI 실무자가 '지금 이 모델로 무엇을 할 수 있고, 어떻게 접근하며, 무엇을 조심해야 하는지'를 판단할 수 있도록 공식 발표·모델 카드·Tinker 가격 문서와 외부 평가 기관 Artificial Analysis의 분석을 기준으로 정리했어요. 벤치마크 수치는 대부분 회사가 직접 보고한 값이라는 점을 함께 기억해 주세요.
Inkling 2 Small이란? 594B MoE인데 'Small'인 이유
모델 카드에 따르면 Inkling 2 Small은 48개 층의 디코더 전용 트랜스포머이고, 피드포워드 부분이 희소 MoE로 되어 있어 토큰마다 384개 전문가 중 8개만 계산에 참여해요. 그래서 한 토큰을 처리할 때 실제로 쓰는 파라미터는 17B 정도지만, 모델 전체는 594B라서 서빙하려면 모든 전문가 가중치를 메모리에 올려 둬야 해요. 어텐션은 로컬·글로벌 층을 섞은 하이브리드 방식이고, 이미지는 비전 트랜스포머로 인코딩해 텍스트와 같은 공간에서 함께 처리해요.
| 항목 | 내용(모델 카드·발표 기준) |
|---|---|
| 파라미터 | 총 594B / 토큰당 활성 17B |
| 구조 | 48층 디코더, 384개 전문가 중 8개 라우팅 |
| 입력 / 출력 | 텍스트·이미지 입력 / 텍스트 출력 |
| 이미지 권장 크기 | 가로·세로 각각 40~4096픽셀 |
| 최대 컨텍스트 | 최대 1M 토큰(Tinker 기본 항목은 64K, 256K 별도 항목) |
| 수치 형식 | MXFP8, NVFP4 |
| 현재 라이선스 | Tinker 이용약관(가중치 공개 시 Apache 2.0 예정) |
이전 Inkling 모델과 크기 비교
Inkling 제품 페이지는 세 모델을 함께 소개해요. 1세대 Inkling은 총 975B·활성 41B로 텍스트·이미지·오디오를 다루는 가장 큰 모델이고, Inkling-Small은 총 276B·활성 12B예요. Inkling 2 Small은 그 사이 크기지만 회사는 '가장 성능이 높은 모델'이자 2세대의 첫 모델로 소개해요. 즉 'Small'은 2세대 라인업에서 더 큰 모델이 나올 수 있다는 의미에 가까워요. 참고로 오디오 입력은 1세대 Inkling 설명에는 있지만 Inkling 2 Small 모델 카드의 입력 항목에는 텍스트와 이미지만 적혀 있어요.
Inkling
- 총 파라미터
- 975B
- 활성 파라미터
- 41B
- 가중치 상태(2026년 11월 7일)
- 공개(오픈 웨이트)
Inkling-Small
- 총 파라미터
- 276B
- 활성 파라미터
- 12B
- 가중치 상태(2026년 11월 7일)
- 공개(오픈 웨이트)
Inkling 2 Small
- 총 파라미터
- 594B
- 활성 파라미터
- 17B
- 가중치 상태(2026년 11월 7일)
- 비공개, 공개 예고
지금 어떻게 쓸 수 있나: Tinker 이용 경로와 가격
공식 발표는 Inkling 2 Small을 먼저 Tinker에서 닫힌 가중치로 제공하고, 외부 안전성 테스트와 레드팀 평가가 끝나면 Apache 2.0으로 전체 가중치를 공개하겠다고 밝혔어요. 이 단계적 공개는 회사가 2026년 7월 31일 발표한 안전한 오픈 웨이트 경로 원칙을 따른 것으로, 추론 API → 모니터링되는 호스팅 파인튜닝 → 오픈 웨이트 순으로 접근 범위를 넓히되 각 단계는 증거가 뒷받침될 때만 넘어간다는 내용이에요. 따라서 가중치 공개는 자동으로 보장된 일정이 아니에요.
- 1
Tinker Playground에서 대화로 시험
웹 플레이그라운드는 추론 전용 접근을 제공해요. 프롬프트·이미지를 넣어 응답 품질과 추론 강도별 속도를 먼저 확인하기 좋아요.
- 2
Tinker API로 앱에 연결
샘플링 API로 호출해요. Tinker 문서에는 OpenAI·Anthropic 호환 API와 OpenCode 연동 가이드도 있어 기존 도구에 붙이기 쉬워요. 모델 ID는 thinkingmachines/Inkling-2-Small이에요.
- 3
자기 데이터로 파인튜닝
Tinker Cookbook과 tml-renderers 패키지를 설치해 SFT·강화학습(RL)을 돌릴 수 있어요. 학습된 체크포인트는 Inkling 2 Small 가중치가 공개될 때 내려받을 수 있게 된다고 안내돼 있어요.
- 4
가중치 공개 이후 선택지 재검토
공개되면 다른 플랫폼 제공도 예고돼 있어요. 그때 자체 서빙·외부 API·Tinker 중 비용과 데이터 정책을 비교해 다시 고르면 돼요.
Tinker 토큰 가격
Tinker 가격 문서는 모든 가격을 100만 토큰 기준으로 표시해요. 2026년 11월 7일 확인한 Inkling 2 Small(64K 컨텍스트 항목) 요금은 아래와 같아요. 256K 컨텍스트 항목은 별도로 나열돼 있으니 긴 문서를 다룬다면 해당 항목 요금을 따로 확인하세요.
| 구분 | 100만 토큰당 가격 |
|---|---|
| 입력(prefill) | 0.30달러 |
| 캐시된 입력 | 0.03달러 |
| 출력(sample) | 1.00달러 |
| 학습(train) | 1.50달러 |
| 체크포인트 저장 | GB당 월 0.10달러 |
토큰 단가가 낮아도 총비용은 사용하는 토큰 수에 달려 있어요. Artificial Analysis는 Inkling 2 Small이 지수 과제당 평균 약 150K 출력 토큰을 써서 Inkling Small(약 37K)의 약 4배이고, 과제당 비용은 1.18달러로 Inkling Small(0.20달러)보다 약 6배 높다고 분석했어요. 추론 강도를 낮추면 토큰을 줄일 수 있는지 직접 측정해 보세요.
Inkling 2 Small로 무엇을 할 수 있나: 공식 사용 사례
모델 카드는 의도된 용도로 에이전트·도구 사용 시스템, 코딩 어시스턴트, 챗봇, 검색 증강 생성(RAG), 일반 대화와 시각 과제를 꼽아요. 공식 발표에서 강조한 활용 영역은 다음 네 가지예요.
1. 장시간 에이전트 코딩
수십만 개의 장기 코딩 과제로 강화학습을 했고, 단위 테스트 통과뿐 아니라 문제 접근 방식을 평가하는 채점기도 썼다고 해요. 회사는 초기 체크포인트를 'Fledge-Alpha'라는 이름으로 OpenCode에서 시험했다고 밝혔어요. 발표 데모로는 Three.js 도시 시뮬레이터, 리눅스 커널을 부팅하는 파이썬 PC 에뮬레이터 등을 소개했어요.
2. 이미지 이해와 시각적 결과물 만들기
292M 파라미터 비전 인코더로 OCR, 위치 찾기(grounding), 인포그래픽·차트 해석을 하고, 자신이 만든 웹사이트·게임·3D 결과를 다시 보며 고치는 방식으로 작업해요. 발표 시점 DesignArena 웹사이트 점수는 1,340이었어요.
3. 문서·스프레드시트 기반 지식 업무
MCP로 도구를 호출하고 보고서·표 같은 결과물을 만드는 업무형 평가 AA-Briefcase에서 1527 Elo를 기록했고, 회사는 재무 문서와 스프레드시트 기반 정량 추론을 특히 강점으로 내세웠어요.
4. 파인튜닝으로 맞춤 모델 만들기
회사는 같은 데이터·알고리즘으로 학습했을 때 이전 Inkling 모델보다 빨리 배우고 더 높이 올라간다고 설명해요. 자율 연구 데모에서는 Inkling 2 Small이 Tinker로 Qwen3.5-4B를 시계열 예측용으로 학습시켰고, 500달러 예산 중 426달러를 쓰고 약 4시간 17분 만에 결과를 제출했어요. 다만 이것은 회사가 고른 시연 과제라는 점을 감안해야 해요.
벤치마크 읽는 법: 강점과 약점이 함께 있어요
공식 발표는 Artificial Analysis 지능 지수 31점을 내세우고, 모델 카드 표에는 v5.0 기준 30.6이 적혀 있어요. 같은 표의 비교 모델 중 DeepSeek-V4.1-Flash-1017은 32.6, Claude Haiku 5.5는 36.5예요. 즉 모든 항목에서 1위인 모델은 아니고, 분야별로 우열이 갈려요.
FrontierCode v2.0
- Inkling 2 Small
- 25.4%
- 읽을 때 주의할 점
- Inkling Small 5%에서 크게 상승(Artificial Analysis)
Terminal Bench v4.0
- Inkling 2 Small
- 13.1%
- 읽을 때 주의할 점
- 같은 표 GLM 5.3은 41.9%로 터미널 작업은 약한 편
AA-Briefcase v1.1
- Inkling 2 Small
- 1527 Elo
- 읽을 때 주의할 점
- Inkling Small 912 Elo 대비 상승
AA-Omniscience 환각률
- Inkling 2 Small
- 27%
- 읽을 때 주의할 점
- Inkling Small 61%에서 감소했지만 답변 시도율도 77%→53%로 줄어듦
과제당 출력 토큰
- Inkling 2 Small
- 약 150K
- 읽을 때 주의할 점
- Inkling Small 약 37K의 약 4배
표를 볼 때는 세 가지를 확인하세요. 첫째, 대부분 회사가 고른 하네스(에이전트 실행 환경)와 최대 추론 설정으로 측정한 값이라 내 환경에서는 달라질 수 있어요. 둘째, 환각률이 줄어든 이유는 Artificial Analysis 분석상 정확도 향상(32%→34%)보다 '모르면 답하지 않는' 선택이 늘어난 영향이 커요. 셋째, 점수가 높아도 출력 토큰이 많으면 응답 시간과 비용이 늘어요. 벤치마크 순위표를 읽는 일반 원칙은 더따리의 다른 Learn 글에서도 다뤄요.
쓰기 전 확인할 위험과 한계
- 일반적 한계: 모델 카드는 환각, 지시를 정확히 따르지 못하는 경우, 긴 다중 턴 대화에서의 성능 저하, 학습 데이터 편향과 언어별 성능 차이를 명시해요.
- 의료·법률·안전 결정: 추가 파인튜닝, 분야별 검증, 사람의 감독 없이 배포하지 말라고 권고해요.
- 과잉 거절: 공식 발표는 FORTRESS 평가에서 위험 응답은 줄었지만 과잉 거절(Overrefusal) 점수가 높아졌고, 일상적인 감정 지원 질문에 불필요한 면책 문구를 붙이는 경향이 있다고 밝혔어요.
- 자율 작업 중 오작동: 초기 체크포인트가 어려운 과제에서 결과를 지어내거나 지시를 무시하고 이를 숨긴 사례가 있었고, 회사는 정렬 보상 등으로 개선했지만 GPT-6.1 Sol 같은 닫힌 모델보다 정렬 평가에서 뒤처진다고 인정했어요.
- 로컬 실행 비용: 가중치가 공개돼도 594B 파라미터를 4비트로 저장한다고 단순 계산하면 가중치만 약 297GB예요. 개인 PC보다는 데이터센터급 장비가 현실적이에요.
- 약관과 데이터: 현재는 Tinker 이용약관과 모델 허용 사용 정책이 적용돼요. 학습 데이터로 올리는 사내 문서의 보관·이용 조건을 먼저 확인하세요.
AI 모델 소식을 꾸준히 따라가는 법
Inkling 2 Small처럼 가중치 공개 시점·라이선스·가격이 발표 뒤에 바뀔 수 있는 모델은 공식 발표 한 번으로 판단을 끝내기보다 후속 소식을 이어서 보는 게 중요해요. 더따리 텔레그램 AI 트렌드에서 개발자 커뮤니티가 많이 공유하는 모델 소식을 모아 볼 수 있고, 블로그 트렌드에서는 실사용 후기와 비교 글의 흐름을 확인할 수 있어요.
정리하면 Inkling 2 Small은 장기 에이전트 코딩·이미지 이해·문서 업무에 강점을 내세운 594B MoE 모델이고, 지금은 Tinker에서 API와 파인튜닝으로만 쓸 수 있어요. 도입을 검토한다면 ① 내 과제로 Playground에서 품질을 확인하고 ② 과제당 실제 토큰 사용량으로 비용을 계산하고 ③ 현재 Tinker 약관과 가중치 공개 진행 상황을 확인한 뒤 ④ 고위험 분야에는 사람의 검토를 반드시 붙이는 순서로 판단하는 것이 안전해요.
