Thinking Machines 在 2026 年 11 月 20 日發表了 Inkling 2 Mini:一款小到能在筆電上執行的開放權重模型。為了展示它,研究員把它帶上飛機、開啟飛航模式,讓它在一台 MacBook Pro 上花幾分鐘做出一款能玩的飛行模擬器。這就是第一款 Inkling 2 Mini 做的遊戲,下面就能玩。

這一頁介紹這款遊戲、Inkling 2 Mini 是什麼、如何在自己的電腦上執行它來做遊戲,以及和雲端大型模型相比該有什麼期待。目前:1 款能玩,1 個只有影片的展示。 模型才發表一天,之後有新的 Inkling 2 Mini 遊戲,我們會陸續補上。

速覽

遊戲 作者 類型 怎麼玩
PlaneBench Flight Simulator Thinking Machines,用離線執行的 Inkling 2 Mini 製作 3D 飛行模擬 能玩,需用電腦
Thinkyville Thinking Machines,用 Inkling 2 Mini 製作 像素小鎮模擬 只有影片

玩 Inkling 2 Mini 離線做出的飛行模擬器

Thinking Machines 的發表文章說,研究員把 Inkling 2 Mini 帶上一趟航班,它「在一台 MacBook Pro 上離線執行,幾分鐘就做出一款能玩的飛行模擬器」。示範影片裡看得到這台電腦:M5 Pro 晶片、48GB 記憶體的 MacBook Pro,開著飛航模式;影片大多以 15 倍速播放,計時器顯示的是真實時間。文章把它稱為 PlaneBench 飛行模擬器示範。

遊戲本身是一個小型 3D 飛行模擬器:從跑道起飛,在雲層間飛越程序生成的丘陵、山脈和大海。W/S 或上下方向鍵控制俯仰,A/D 或左右方向鍵控制滾轉和轉向,Shift 和 Ctrl 調整油門,空白鍵重置,P 鍵暫停。畫面上的 HUD 顯示航向、速度和高度。遊戲在 Thinking Machines 的網站上執行,需要用電腦瀏覽器和鍵盤來玩。

PlaneBench Flight Simulator
PlaneBench Flight Simulator作者 Thinking Machines

Thinking Machines 的 Inkling 2 Mini 在 MacBook Pro 上離線、在飛行途中用幾分鐘做出的飛行模擬器:飛越程序生成的山丘與大海。

來源:Introducing Inkling 2 Mini,Thinking Machines。文章沒有公開研究員用的提示詞和程式工具,所以這兩點我們無法告訴你。

只有影片:Thinkyville

同一篇文章還展示了 Thinkyville,「一個由 Inkling 2 Mini 打造的迷你像素小鎮」,鎮上 20 位居民也全由這個模型在一台離線的 MacBook 上驅動。他們會安排一天的行程、聊八卦、辦烘焙比賽,還會回覆你貼在門上的留言。目前還沒有公開的試玩連結;如果 Thinking Machines 釋出,我們會補上。

Inkling 2 Mini 是什麼?

以下內容全部來自 Thinking Machines 的發表文章和模型卡,後者也就是 Hugging Face 上的模型卡。

Inkling 2 Mini
開發者 Thinking Machines Lab
發表日期 2026 年 11 月 20 日
授權 Apache 2.0,開放權重
規模 總參數 26.4B,啟用 3.4B;因為中間層每個 token 要跑三遍,每個 token 的有效啟用參數約 5.4B
下載大小 一個約 20GB 的檢查點(NVFP4 和 MXFP8)
輸入 / 輸出 輸入文字和圖片,輸出文字
上下文視窗 最多 100 萬 token
可執行的硬體 記憶體 32GB 以上的 Apple 晶片 Mac、NVIDIA DGX Spark;其他 GPU 建議 VRAM 32GB 以上

它是一個循環 Transformer(looped transformer):24 層中,中間的 12 層對每個 token 都會執行三遍。Thinking Machines 說,這讓模型能多推理一些,用更少的 token 得到正確答案,在代理式程式設計這類任務上特別明顯。它以 4 位元精度訓練,發表時也是同樣的精度,因此沒有轉換造成的損失。

它擅長什麼,依 Thinking Machines 的說法:它「最擅長長時間的代理任務」,在總參數低於 100B 的開放權重模型中,它在 DeepSWE v1.1(48.2%)和 SWE-bench Pro v2 等代理式程式設計基準上領先。它也很會使用搜尋和工具,看螢幕、讀文件的能力也強(他們的表格中 ScreenSpot Pro 76.5%、OmniDocBench 92.8%)。

如何在自己的電腦上用 Inkling 2 Mini 做遊戲

Thinking Machines 官方支援的方式有:在記憶體至少 32GB 的任何 Mac 上透過 Ollama 執行、在 NVIDIA DGX Spark 上執行,以及使用 Unsloth 和 llama.cpp 提供的量化 GGUF 版本。沒有合適的硬體,也可以在 Tinker Playground 和它對話。下面的指令都照各專案自己公布的寫法;本機工具對循環模型的支援才剛推出,請以它們頁面上的最新說明為準。

方法一:Ollama(記憶體 32GB 以上的 Mac)

出自 Ollama 的 Inkling 2 Mini 頁面,頁面註明需要記憶體 32GB 以上的 Mac,並提供 Ollama 預覽版的下載方式:

ollama run inkling-2-mini

要做遊戲,你需要的是程式設計代理,而不是聊天視窗。同一頁面列出了現成的程式設計代理啟動指令,例如:

ollama launch opencode --model inkling-2-mini
ollama launch claude --model inkling-2-mini

方法二:Unsloth(Mac、NVIDIA 或 AMD)

Unsloth 的本機執行指南推薦 4 位元的 UD-Q4_K_XL 量化版(17.6 GB),並說 4 位元版本大約需要 17–18 GB 的記憶體加 VRAM(或統一記憶體);2 位元和 1 位元版本更小。在 Unsloth Desktop 裡搜尋 Inkling 2 Mini,選擇 unsloth/Inkling-2-Mini-GGUF 即可。命令列寫法:

unsloth run --model unsloth/Inkling-2-Mini-GGUF:UD-Q4_K_XL \
    --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0

執行後會印出本機端點網址和 API 金鑰,把你的程式工具指向它就行。同一頁面也有 llama.cpp 的教學;它的主要 GGUF 檔需要 Unsloth 自己的 llama.cpp 版本,給主線 llama.cpp 用的檔案另外提供。

方法三:Llama App 或 llama.cpp

Hugging Face 的發表文章提供了 4 位元 GGUF 的指令(把後綴改成 :Q8_0 就是 8 位元):

llama serve -hf ggml-org/Inkling-2-Mini-GGUF:IQ4_NL

Llama App 可以在 macOS 選單列或 Windows 系統匣做同樣的事,並提供相容 OpenAI 的本機 API,方便接上程式設計代理。

做遊戲的小建議

  • 請它只輸出一個自成一體的 HTML 檔。 Hugging Face 的示範就是這樣下提示詞的:「一個自成一體的 index.html」,不用外部檔案和函式庫。單一檔案方便開啟、測試和分享,做好之後還可以投稿到 VibeGamer。
  • 讓它自己檢查成果。 在 Hugging Face 的《星夜》示範中,模型搭配了一個截圖工具,前後做了 24 輪截圖檢查。
  • 設好上限。 模型卡說它有時會陷入很長的推理迴圈,除錯程式時尤其如此,建議限制輸出 token 數和代理回合數。模型卡也說它可能未經確認就刪除或覆寫檔案,所以請在沙盒或全新的資料夾裡執行代理。

和雲端大型模型相比,該有什麼期待

Inkling 2 Mini 是可以在自己電腦上免費、離線執行的小模型,這就是它的取捨。各來源的說法:

  • 同級距中很強。 Thinking Machines 只拿它和 100B 參數以下的開放權重模型比較,在這些模型中它多數程式設計基準領先。在他們的表格裡,它的 Artificial Analysis Index v5.0 分數為 20.1,與 Qwen3.8-27B 同分;Vibe Code Bench v1.1 為 77.9%,Qwen3.8-27B 為 64.9%。
  • 和 Qwen3.8-27B 很接近。 Thinking Machines 說它在 DeepSWE 和 SWE-bench Pro v2 上領先,但在包含多輪對話在內的其他一些測試上落後 Qwen3.8-27B。Hugging Face 說,在他們自己的體驗測試中,Inkling 2 Mini「至少可與」Qwen 3.8 27B 相當,但還需要更多驗證。
  • 它不是前沿模型。 在安全評估中,Thinking Machines 把它的代理能力和公開的前沿模型比較,結論是「明顯低於前沿水準」。模型卡也提到,它在高難度推理測試上落後於更大的模型,比大型模型更容易自信地說出錯誤事實,使用工具時也不如大型模型能嚴格遵循詳細指示。
  • 速度取決於你的機器。 模型卡說本機執行環境對它的支援還很新,速度依執行環境和硬體而異。

所以,可以期待它私下、離線地做出像這個飛行模擬器一樣小巧、自成一體的網頁遊戲,而不是大家用 Claude Fable 5.2 等雲端模型做出的那種長時間打磨的大作。我們還沒把 Inkling 2 Mini 放進我們的同提示詞遊戲測試。想看看最大的雲端模型能做出什麼,可以看線上玩 Claude Fable 5.2 做的遊戲和用 Gemini 做的遊戲;網站上所有 AI 做的遊戲請見 AI 遊戲。

常見問題

Inkling 2 Mini 是什麼?

Thinking Machines Lab 在 2026 年 11 月 20 日以 Apache 2.0 授權發表的開放權重模型。總參數 26.4B、啟用 3.4B,支援文字和圖片輸入,大小約 20GB,可在記憶體 32GB 以上的 Mac 或 NVIDIA DGX Spark 上執行。

Inkling 2 Mini 做的飛行模擬器能玩嗎?

能。免費,用電腦瀏覽器加鍵盤就能玩;Thinking Machines 也提醒要在電腦上開啟。從上面的卡片或它的 VibeGamer 頁面進入即可。

這個飛行模擬器是怎麼做出來的?

據 Thinking Machines 表示,研究員在航班上讓 Inkling 2 Mini 在一台 MacBook Pro(M5 Pro,48GB)上離線執行,它花幾分鐘就做出了這款遊戲。他們沒有公開使用的提示詞和工具。

我的筆電跑得動 Inkling 2 Mini 嗎?

如果是記憶體 32GB 以上的 Apple 晶片 Mac,Thinking Machines 和 Ollama 都說可以。其他硬體上,Unsloth 的 4 位元版本大約需要 17–18 GB 的記憶體加 VRAM;Thinking Machines 對自家檢查點建議 VRAM 32GB 以上。

Inkling 2 Mini 免費嗎?

權重以 Apache 2.0 授權在 Hugging Face 免費下載,在自己電腦上執行除了硬體之外不必花錢。它也上架了 Thinking Machines 的 Tinker 平台。

寫程式的話,Inkling 2 Mini 比 Qwen 3.8 27B 強嗎?

在 Thinking Machines 自己的基準中,它在 DeepSWE 和 SWE-bench Pro v2 等代理式程式設計測試上領先,在其他一些測試上落後。Hugging Face 在體驗測試中說它「至少可以相當」。兩者都不是獨立的做遊戲測試。

2026 年 11 月 21 日查核。飛行模擬器、影片和引文屬於 Thinking Machines,每個項目都連結到原始出處。VibeGamer 是獨立網站,與 Thinking Machines 沒有任何關係。