Inkling 2 Smallとは？できること・料金・Tinkerでの使い方を解説

Inkling 2 Smallとは｜Thinking Machines Labの第2世代AIモデル

Inkling 2 Small は、文章と画像を入力し、文章で回答する汎用AIモデルです。開発元は Thinking Machines Lab で、同社の Inkling シリーズの第2世代にあたります。

Inklingはモデル、Tinkerは利用・学習のための基盤です

名前を整理すると、Inkling 2 Small は回答やコードを生成するモデルで、Tinker はそれを呼び出したり、追加学習させたりするサービスです。モデルを使うことと、完成した作業アプリを導入することは別になります。

たとえば、文章を入力して回答を比べるなら、まずモデルを試すだけで済みます。一方、ファイルを読んで編集し、テストまで進める仕組みを作る場合は、モデルに加えて、使わせるツールや実行環境が必要です。モデル名だけで、パソコン全体を自動操作できると考えないようにしましょう。

公式モデルカードでは、コード作成の補助、ツールを使うAIシステム、チャットボットなどを想定用途に挙げています。画像入力にも対応しますが、出力はテキストです。画像を見て説明やコードを作る機能と、画像ファイルそのものを生成する機能は分けて捉えると理解しやすくなります。

発表直後はTinkerで利用し、重みの公開は後から行う計画です

2026年11月7日時点では、Tinker Playground での試用と、Tinker を通じた推論・追加学習が案内されています。推論とは、学習済みモデルに入力を送り、回答を生成させる処理です。追加学習は、用意したデータや評価方法を使って、モデルを特定の用途に適応させる作業を指します。

一方、モデルの内部の学習済み数値である「重み」は、発表時点では非公開です。発表記事では、外部の安全性テストなどの完了後に Apache 2.0 ライセンスで公開する意向が示されています。国内で導入を検討する際も、公開予定を根拠にローカルで動かせると判断せず、実際の配布状況を確かめる段階です。

仕様と利用条件を分けて見るための基本情報

まず押さえたいのは、入力・出力と提供先です。以下はモデルカード、公式製品ページ、Tinker の文書を照合した概要です。

数字の「B」は10億を意味します。したがって、594B は5,940億、17B は170億です。名前に Small と付いていても、小さなパソコンで簡単に動く規模だという意味ではありません。

Inkling 2 Smallの仕組み｜MoEと画像入力・推論量の調整

Inkling 2 Small は、入力に応じてモデル内部の一部を選んで使う構造を採用しています。文章と画像を扱えることに加え、回答に向けてどの程度考えさせるかを調整できる点も特徴です。

MoEでは、全体の規模と処理時に使う規模が異なります

MoE は Mixture of Experts の略で、複数の専門的な処理部分を持ち、入力ごとにその一部を選んで使う仕組みです。Inkling 2 Small では、総パラメータ数が594Bであるのに対し、各トークンの処理で使われるのは17Bです。トークンは、AIが文章を処理するときに使う文字列の区切りです。

この構造は、594B すべてを毎回使う構造とは異なります。ただし、処理時の17Bという数字だけで必要メモリや速度を計算することもできません。実際の動作は、重みの保持方法、計算の精度、処理基盤などにも左右されるためです。

推論量は増やせますが、毎回の正答を保証する設定ではありません

Thinking effort の公式ガイドでは、推論にかける力の調整方法を説明しています。設定値を大きくすると、より考える方向にモデルを調整できます。ただし、回答が必ず長くなる、あるいはすべての問題で正確になるという意味ではありません。

短い抽出や分類と、複数条件を扱うコード修正では、必要な推論量も異なります。使う課題を固定し、回答の正しさ、待ち時間、生成量を見比べて設定を選ぶと、調整の効果を把握できます。1回の印象だけで判断せず、同じ条件で複数の入力を試すことが大切です。

推論量と、生成できる文章量の上限は別の設定です。考える量を増やしても、出力の上限が足りなければ回答が途中で終わる可能性があります。逆に、出力上限を増やすだけで推論の設定まで変わるわけではありません。公式ガイドはこの独立性を説明しているため、比較の際は両方の値を記録しておきましょう。

Inkling 2 Smallでできること｜コード生成・資料の処理・追加学習

代表的な用途は、コードを作る作業、画像や資料を読み取る作業、特定の判断基準に合わせた追加学習です。人が指示した目標へ向けて、外部ツールを使いながら複数の処理を進める用途も想定されています。

画像を見ながらコードや画面を改善します

開発元は、画面などの視覚的な情報を手掛かりに、ウェブサイトやゲームのコードを作り直す例を示しています。文章で条件を伝えるだけでなく、画像から読み取った内容を次の修正に使える点が特徴です。

ここでいう画像対応は、「見本を入れると同じ製品が完成する」という保証ではありません。生成されたコードを動かす環境と、実行結果をモデルへ返す仕組みがあって初めて、確認と修正を繰り返せます。試すときは、画像の内容を正しく読めているかと、作ったコードが動くかを別々に確かめましょう。

文書の処理やツールを使う作業に組み込めます

モデルカードでは、自然言語の指示への応答や、情報検索を組み合わせたシステムも想定されています。用途としては、文書から条件に合う記述を抽出する、複数の資料をもとに説明文を作る、といった作業が考えられます。これらは利用例であり、特定の書類での精度を本記事が実測したものではありません。

たとえば、手順書の要点を整理する場合と、図を含む資料から項目を読み取る場合では、必要な入力も確認方法も異なります。前者では重要条件の抜け、後者では図中の文字や関係の読み違いがないかを見ます。どちらも、読みやすい文章になっていることと、元資料に忠実であることを分けて評価すると判断しやすくなります。

AIエージェントの作り方

AIエージェントを「どう作り、どう育てるか」を、GiftX記事制作エージェントの実物で解説。

無料ダウンロード →

追加学習で、特定用途への適応を試せます

Tinker は、既存モデルを自分のデータや評価方法で追加学習するための基盤です。Tinker の公式説明では、利用者が学習の流れを定義し、GPUなどの計算基盤はサービス側が扱う形を示しています。自前で大規模な計算設備を管理することと、学習方法を設計することを切り分けられます。

ただし、追加学習を行うだけで目的の品質に届くとは限りません。学習に使う例と、成果を判定するための例を分け、学習前後で同じ課題を比較する必要があります。入力の形式をそろえるだけで改善できるのか、追加学習が必要なのかも、この比較から判断します。

Inkling 2 Smallの使い方｜Tinkerで試すところから始める

最初は Playground で回答の傾向をつかみ、その後に必要な人だけSDKや追加学習へ進むと、目的を分けて確認できます。SDKは Software Development Kit の略で、プログラムからサービスを利用するための開発用の道具です。本記事ではアカウント内の画面操作を実機で検証していないため、表示名や支払い条件は接続先の現行案内に従ってください。

Playgroundで、実際に渡したい入力を試します

公式発表から案内されている Tinker に進み、利用可能なモデルとアカウントの条件を確認します。Playground を利用できる場合は Inkling 2 Small を選び、まず1つの課題を試します。重みを手元にダウンロードする必要はありません。

最初の確認では、期待する出力を具体的に決めておくと比較しやすくなります。文書の整理なら必要項目を、コードの修正なら直したい動作を用意します。機密情報を含まない見本を使い、モデルが何を入力として受け取ったかも確認してください。

ここで挙げたものは評価用の例です。公式デモを同じ条件で再現した結果や、実際の利用者の成果ではありません。答えが足りなければ入力や指示を直し、同じ課題でどこが変わったかを比べます。

プログラムに組み込む場合はSDK・認証・支払いを準備します

Tinker Quickstart は、SDKのインストール、認証、支払い設定を案内しています。公式例では Python 環境の管理に uv を使い、tinker と tinker-cookbook を追加します。認証はCLIでログインする経路と、ConsoleでAPIキーを発行する経路があります。

API は Application Programming Interface の略で、プログラム同士が処理を呼び出すための窓口です。APIキーを使う場合は、キーそのものをコードや共有資料へ書かず、公式手順に沿って環境変数 TINKER_API_KEY へ設定します。ここで必要なのは Tinker の認証であり、別のAIサービスのキーをそのまま使う手順ではありません。

SDKには、回答を生成するクライアントと、学習を行うクライアントがあります。まず推論だけを試す場合に、追加学習用の処理まで動かす必要はありません。最初に短い入力で認証とモデル名を確認し、正常に回答が返ることを確かめてから、扱うデータや処理量を増やします。

接続できない場合は、認証・支払い・モデルIDを切り分けます

回答を取得できない場合は、モデルの能力を評価する前に、ログイン状態、支払い設定、指定したモデルIDを切り分けて確認します。利用枠を超えた入力を送っていないかも確認対象です。接続自体ができていない状態と、回答の内容が期待に届かない状態を分けると、不要な再実行を避けられます。

Inkling向けの入力形式を使い、推論量を比べます

Using Inkling のガイドでは、既存の Cookbook の処理でモデル名を thinkingmachines/Inkling-2-Small に設定する方法を示しています。会話や画像をモデル向けに整える処理も、公式の仕組みを使う形です。

ここでは、モデルを選ぶこと、入力を適切な形式へ変えること、生成量や推論量を設定することを分けて扱います。前世代のサンプルを流用する場合も、名前だけ変えればすべて同じ条件になるとは考えず、選んだモデルの入力対応と提供枠を照合してください。

追加学習は、学習前の結果を残してから進めます

追加学習を試す段階では、モデルが苦手な入力を集め、どのような回答が望ましいかをそろえます。そのうえで、学習に使わない評価用データを残します。同じデータを覚えただけなのか、未見の入力にも対応できるようになったのかを分けるためです。

たとえば、文書から決まった形式で情報を出す課題なら、項目の欠落率や、元資料にない内容を生成した回数を比べられます。コードなら、動作テストに通るかに加えて、不要な変更を加えていないかも見ます。評価項目は利用者側で決めるもので、Tinker に課金したこと自体が品質の証明にはなりません。

Inkling 2 Smallの料金｜Tinkerの推論・追加学習を分けて確認

Inkling 2 Small の利用料を見るときは、入力の処理、出力の生成、追加学習を分けて確認します。Tinker の公式料金表は、基本的に100万トークンあたりの金額で示されています。チャットアプリの月額プランとは異なる課金の見方です。

推論と学習で、コンテキストの枠と料金が異なります

以下は Models & Pricing の掲載額です。金額は米ドル、入力・出力・学習はいずれも100万トークンあたりです（2026年11月時点）。

入力の処理は公式表で Prefill、出力の生成は Sample と呼ばれています。キャッシュ入力は、以前の入力と共通する部分を再利用できる場合の区分です。全入力が常に割引料金になるわけではありません。学習は勾配計算などの処理に対する区分で、通常の質問への回答とは別に数えます。

AI活用実態調査レポート

オフィス系7職種のAI利用者669人の調査では、生産性向上を明確に実感した割合が、チャット中心の利用層14.3%に対しAIエージェント利用層54.3%。約3.8倍の差が見られました。

無料ダウンロード →

費用の見積もりでは、試行回数と保存も確認します

入力・出力の量が同じなら、単価と処理量を掛け合わせて推論費用の概算を出せます。しかし、ツールを使う処理では途中経過を再入力したり、試行を繰り返したりします。利用者が最初に書いた指示の長さだけでは、全体の生成量は決まりません。

追加学習では、学習に使うデータの量と反復回数も費用に関わります。さらに公式料金表では、学習途中や完了時の状態を保存したチェックポイントについて、1GB・1か月あたり$0.10の保存料金を案内しています（2026年11月時点）。学習料金だけで総費用を計算せず、利用する区分を確認しましょう。

推論の本番利用は、Betaの提供条件も確認します

公式料金文書では、Serverless Inference は Beta とされています。本番利用を希望する場合は、必要なモデル、想定処理量、遅延の要件などを伝えて待機リストへ参加する案内があります。料金が掲載されていることと、希望する規模で直ちに本番運用できることは同じではありません。

日本向けの支払い方法、請求・税の扱い、個別アカウントでの利用可否は本記事では確認していません。利用を決める前にConsoleや公式窓口で条件を照合してください。無料枠の有無も、Playground があるという事実だけから判断しないことが大切です。

Inkling 2 SmallとInkling・Inkling-Smallの違い

比較対象として分かりやすいのは、同じシリーズの Inkling と Inkling-Small です。Inkling 2 Small は名前の似た Inkling-Small の単なる表記変更ではなく、第2世代の別モデルです。公式のInkling一覧で位置づけを確認できます。

第2世代でも、音声対応を引き継いでいるわけではありません

主な仕様を並べると、規模だけでなく入力形式の違いも見えてきます。旧モデルでできることが、世代の新しいモデルですべて使えるとは限りません。

画像はどの Inkling モデルにも入力できますが、音声は Inkling と Inkling-Small の対応として記載されています。音声をそのまま入力する用途であれば、Inkling 2 Small が新しいという理由だけで置き換えるのは適切ではありません。

コードや画像を使う課題は、実際の入力で比べます

開発元は、第2世代でコード作成や視覚情報を使う能力が向上したと説明しています。ただし、この説明から、すべての入力で旧モデルを上回るとは言えません。回答の品質は、課題、指示、推論量、使わせるツールなどによって変わります。

モデルの比較では、同じ資料と条件を渡し、正確さと処理時間を分けて見ることが有用です。資料の要約なら重要条件を保持できたか、コードならテストに通るかを確認します。読みやすい回答を出すモデルと、作業全体で安定するモデルが、必ず同じになるわけではありません。

「Small」よりも、用途と実際の提供条件で選びます

規模の小ささだけで選ぶと、音声対応やコンテキストの条件を見落としやすくなります。逆に、大きなモデルを選ぶだけで、課題に合う回答が出るとも限りません。まず必要な入力が文章・画像・音声のどれかを決め、そのうえで利用先と課金を確認する順序が適しています。

既存の仕組みから移行する場合は、入力形式、モデル名、対応ツール、出力の受け取り方も確認対象になります。試す前の比較表は候補を絞るために使い、採用判断は自分の課題での結果に基づいて行いましょう。本記事では同一条件で3モデルを動かす比較検証は行っていません。

Inkling 2 Smallを使う前に知っておきたい制約

確認したい制約は、重みの公開、コンテキストの提供枠、出力の性質です。ここを分けて読むと、公式発表の能力説明を、現在使える機能として過大に受け取らずに済みます。

Apache 2.0での重み公開は、実施済みの条件ではありません

発表記事は安全性テストの完了後の公開方針を示していますが、公式製品ページでは追加の安全評価を条件として、数週間内の公開を意図すると案内しています。表現に幅があるため、特定の日を重みの配布開始日として確定することはできません。

モデルカードの現時点のライセンス欄は Tinker Terms of Use です。公開後の予定ライセンスと、今サービスを使う際に適用される条件を混ぜないようにしましょう。ローカル運用や再配布を検討する場合は、実際に配布された重みと、その時点のライセンス文書を確認する必要があります。

最大100万トークンと、Tinkerの現在の枠は別です

モデルカードでは、Inkling 2 Small のコンテキスト上限を100万トークンとしています。コンテキストは、AIが1回の処理で扱う文章などの範囲です。一方、Tinker の現行料金表には、学習枠64K・256K、Serverless Inference 256Kが掲載されています。

したがって、「モデルは100万トークン対応」という情報だけで、すべてのTinker利用枠に100万トークンを送れるとは判断できません。長い資料を扱う場合は、選択したモデルIDと提供枠を照合します。モデルの仕様上限と、サービスで契約・選択できる上限を分けて確認してください。

文章の簡潔さやツール選択には、まだ制約があります

公式発表では、必ずしも簡潔に説明できないことや、利用可能なツールが多い環境で最適なものを選べない場合があることを挙げています。長い自律作業を想定したモデルであっても、指示を渡すだけですべての判断を任せられるわけではありません。

実際に組み込む際は、最初から多数の道具を接続するより、課題に必要なものを決め、結果を検証できる形で試すと状況を把握しやすくなります。生成されたコードや文書は、実行結果や原資料と照合して評価します。日本語の自然さも、英語を含む評価結果だけで推測せず、用途に近い入力で確かめる点が大切です。

Inkling 2 Smallのよくある質問

利用を決める際によく迷う点をまとめます。提供状況に関する回答は、2026年11月7日に確認できた公式情報の範囲です。

Inkling 2 Smallは無料で使えますか？

Tinker の公式文書には、推論と学習の従量料金が掲載されています。Playground で試せることだけを根拠に、無料や無制限とは判断できません。アカウントごとの利用枠や支払い条件は、Console の現行案内を確認してください。重み公開後の予定ライセンスと、現在のサービス利用料金も別です。

Inkling 2 Smallは日本語に対応していますか？

モデルカードでは、英語を含む多言語での利用を想定しています。ただし、本記事では日本語の回答品質を実測していません。日本語で使いたい場合は、用語の扱い、条件の抜け、文章の読みやすさを、実際の用途に近い資料で確認するのが適切です。国内からの契約・支払い可否も、言語対応とは分けて確認します。

Inkling 2 Smallは自分のパソコンで動かせますか？

2026年11月7日時点では、重みは非公開で、Tinker で利用する案内が出ています。ローカル運用できる状態とは扱えません。今後重みが公開されても、594Bという総規模を踏まえ、必要な実行環境の確認が必要です。処理時17Bという数字だけで、手元のパソコンに載るとは判断できません。

Inkling 2 Smallで音声や画像を生成できますか？

確認したモデルカードの出力形式はテキストです。画像を入力して説明やコードを作ることと、画像を生成することは別になります。音声入力にも対応しません。同じシリーズの Inkling や Inkling-Small には音声入力の対応があるため、モデル名を取り違えないようにしてください。

Tinkerなら100万トークンをそのまま使えますか？

モデルカードの仕様と、Tinker の現在の提供枠は異なります。公式料金表では、学習は64Kと256K、Serverless Inference は256Kです。長い資料を扱う前に、利用するモデルIDとその枠を確認してください。モデルの仕様上限を、すべてのサービス利用時に適用できる上限とは読みません。

まとめ｜Inkling 2 SmallはTinkerで試せる画像対応モデル

Inkling 2 Small は、文章と画像を扱い、コード作成や文書処理、用途に合わせた追加学習に利用できるAIモデルです。Tinker で試せますが、重みの公開は安全評価後の予定で、現時点の提供とは区別が必要です。

利用を考えるときは、まず Playground で課題に合うかを見て、必要ならSDKでの推論や追加学習へ進みます。入力・出力・学習の課金区分、モデルの100万トークン仕様と現在の64K／256Kの提供枠を分けて確認すると、試す範囲を決めやすくなります。音声や日本語品質についても、モデルごとの対応と実際の用途での結果をもとに判断しましょう。

関連記事

• AIエージェントのハーネスとは？構成要素・使い方とプロンプトエンジニアリングとの違い
• オンプレミスLLMとは？クラウドとの違い・費用・導入手順を整理