Thinking Machines가 새로운 AI 모델 '잉클링 2 스몰(Inkling 2 Small)'을 발표하며, 인공지능 분야의 또 다른 진전을 알렸습니다. 이 모델은 총 594B(5천9백4십억) 파라미터와 17B(1백7십억) 활성 파라미터를 가진 혼합 전문가(Mixture-of-Experts, MoE) 아키텍처를 채택했으며, 이미지 입력과 가변적인 처리 노력을 지원하는 것이 특징입니다. 특히 에이전트 코딩(agentic coding), 시각(vision), 지식 작업(knowledge work), 추론(reasoning) 등 다양한 영역에서 이전 모델들을 훨씬 뛰어넘는 성능을 보여주며, 인공지능 분석 지수(Artificial Analysis Intelligence Index)에서 31점을 기록했습니다.
잉클링 2 스몰의 향상된 능력은 훈련 과정 전반에 걸친 개선 덕분입니다. 더욱 효율적인 사전 훈련(pre-training) 방식과 대규모 통합 RL(강화 학습) 실행을 통해 모델의 역량을 크게 끌어올렸습니다. 이 모델은 시각 및 에이전트(agentic) 기능을 활용하여 시각적 피드백을 기반으로 웹사이트, 게임, 3D 디자인을 반복적으로 구축하고 개선할 수 있습니다. 예를 들어, Three.js를 이용해 사전 제작된 에셋 없이 도시 시뮬레이터를 만들거나, 파이썬(Python)으로 리눅스(Linux) PC 에뮬레이터를 구현하고, 손으로 그린 그림을 3D 모델로 변환하는 등 복잡하고 장기적인 자율 작업에서 뛰어난 성능을 발휘합니다.
잉클링 2 스몰은 기존 모델 대비 사용 편의성도 크게 개선되었습니다. 지시를 더 잘 따르고, 변경 사항을 신중하게 고려하며, 요청하지 않아도 스스로 작업을 검증하는 능력을 갖췄습니다. 이는 실제 에이전트 루프(agent loop) 내에서 모델을 활용할 때 생산성과 효율성을 크게 높일 수 있음을 의미합니다. 초기에는 팅커(Tinker) 플랫폼을 통해 폐쇄형 가중치(closed weights)로 제공될 예정이지만, 외부 안전성 테스트와 레드팀(red-teaming) 검증을 거쳐 아파치 2.0(Apache 2.0) 라이선스 하에 전체 가중치(full weights)를 공개할 계획입니다. 이러한 접근 방식은 AI 기술의 안전한 개방을 위한 노력의 일환으로 해석될 수 있습니다.