室谷代表取締役Inkling 2 Small（インクリング・ツー・スモール）は、Thinking Machinesが2026年11月5日に発表したMixture-of-Experts（MoE）モデルで、594Bの総パラメータと17Bのアクティブパラメータを持ち、画像入力と最大100万トークンのコンテキストに対応した汎用モデルなんですよね。これがOllama Cloudで使えるようになった、というのが今回のニュースです。
テキトー教師DotAI 認定講師そうですね。Ollamaの公式スレッドで「Inkling 2 Small from Thinking Machines is now on Ollama with zero data retention!」と告知されています。
zero data retention、つまり入力データを保持しない契約形態で提供されるのがポイントです。単にモデルが追加されたという話じゃないんですよ。
zero data retention、つまり入力データを保持しない契約形態で提供されるのがポイントです。単にモデルが追加されたという話じゃないんですよ。
室谷代表取締役まず押さえておきたいのは、発表元はあくまでThinking Machinesで、Ollamaはそれを自社クラウドで使えるようにした提供元、という役割の違いです。Ollamaのライブラリページには「594B Mixture-of-Experts model (17B active) with image input and up to 1M tokens of context, built for agentic coding and knowledge work.」とあります。
テキトー教師DotAI 認定講師そこは受講生さんもよく混同する部分ですね。「Ollamaがモデルを作った」のではなく「OllamaがThinking Machinesのモデルをホストして提供している」と整理すると理解しやすいです。
Inkling 2 Smallとは？Thinking Machinesが発表した594B MoEモデルの正体
Inkling 2 Small の基本スペックと提供形態
モデル概要
Thinking Machines Labの第2世代MoEモデル。2026年11月5日発表
パラメータ構成
総パラメータ594B・アクティブ17B。各トークンは384専門家中8個にルーティング
対応入力と推論
テキストと画像を読み、可変の推論努力（variable reasoning effort）をサポート
想定用途
エージェント型コーディング、リサーチ、ナレッジワーク向け
コンテキストウィンドウ
最大100万トークン（Ollamaのモデルページに1M tokensと明記）
提供形態
当初はTinker経由でクローズドウェイト。安全テスト後にApache 2.0で重み公開予定
11月12日更新
HuggingFaceで重みダウンロード可能に。Unsloth/SGLang/vLLM/TokenSpeed統合、NVIDIA・Fireworks・Together・Baseten・Nebius・Modal・CloudflareのAPIでも利用可能
室谷代表取締役公式ページのReadmeによると、Inkling 2 SmallはThinking Machines LabのMoEモデルで、594B総パラメータ・17Bアクティブ、テキストと画像を読み、可変の推論努力（variable reasoning effort）をサポートし、エージェント型コーディングやリサーチ、ナレッジワーク向けに作られている、と。
テキトー教師DotAI 認定講師発表は2026年11月5日です。Thinking Machinesの発表ブログでは「Today we are introducing our second model generation with Inkling 2 Small.」と述べられていて、同社の第2世代モデルという位置づけです。
室谷代表取締役アーキテクチャの詳細も公式に書かれています。各トークンが384の専門家のうち8個にルーティングされ、実働は17B。
総パラメータは594B。これが「Small」という名前とのギャップを生む部分ですよね。
総パラメータは594B。これが「Small」という名前とのギャップを生む部分ですよね。
テキトー教師DotAI 認定講師コンテキストウィンドウは最大100万トークン。これはOllamaのモデルページにも「1M tokens」と明記されています。
長文書や大量のコードを一度に扱える規模です。
長文書や大量のコードを一度に扱える規模です。
室谷代表取締役提供形態も整理しておきましょう。Thinking Machinesの発表によると、当初はTinker経由でクローズドウェイトとして提供され、外部の安全テストとレッドチーミング完了後にApache 2.0ライセンスで重みを公開する予定とされています。
11月12日更新ではHuggingFaceで重みがダウンロード可能になったこと、UnslothやSGLang、vLLM、TokenSpeedなどへの統合、NVIDIAやFireworks、Together、Baseten、Nebius、Modal、CloudflareのAPIでも利用可能になったことが告知されています。
11月12日更新ではHuggingFaceで重みがダウンロード可能になったこと、UnslothやSGLang、vLLM、TokenSpeedなどへの統合、NVIDIAやFireworks、Together、Baseten、Nebius、Modal、CloudflareのAPIでも利用可能になったことが告知されています。
テキトー教師DotAI 認定講師つまりOllama Cloudはその提供経路のひとつ、というわけです。オープンウェイトかどうかは検索でもよく調べられるポイントですが、現時点では「Apache 2.0で重み公開予定」という段階を正確に押さえる必要があります。
Inkling 2 Smallでできること——画像読解・OCR・MCPツール連携・金融文書推論
Inkling 2 Smallでできること
画像読解・OCR
文書・チャート・スクリーンショット・画像を読み取り、OCRと視覚推論を実行
視覚推論
視覚をループ内で使い生成物を検証。ワインのブラインドテイスティングでは20回中19回正しく識別
MCPツール連携
MCP経由でツールを呼び出し、情報検索から成果物の作成までこなす
金融・定量推論
表計算・開示文書・書類の推論。Vals Finance Index 61.5%、AA-AnalystAgent 51.2%などオープンウェイト最高スコア(自己申告)
長いコンテキスト
最大1Mトークンに対応
デモ:都市シミュレータ生成
Three.jsで建物・テクスチャ・車を手続き的に生成し、1本の道路から街を成長させ電力・予算・緊急事態を管理
室谷代表取締役OllamaのスレッドではユースケースとしてOCR、grounding、インフォグラフィックの解釈、視覚推論、MCP経由のツール呼び出し、金融の表計算・開示文書・書類の推論が挙げられています。
テキトー教師DotAI 認定講師公式ページのKey Featuresではもう少し具体的です。「Vision: reads documents, charts, screenshots and images, including OCR and visual reasoning.」「Knowledge work: looks up information, calls tools over MCP and produces finished deliverables.」「Long context: up to 1M tokens.」とあります。
室谷代表取締役視覚まわりはThinking Machinesの発表ブログで技術的な裏付けも説明されています。292Mパラメータの視覚エンコーダを使い、20×20ピクセルのパッチを2×2の空間プーリングで処理し、画像パッチとテキストトークンを交互に並べる方式です。
テキトー教師DotAI 認定講師実際のデモも興味深いです。Three.jsで都市シミュレータを生成する例では、既製のアセットを使わず、建物・テクスチャ・車をすべて手続き的に生成し、1本の道路から街を成長させ、電力・予算・緊急事態を管理できると紹介されています。
室谷代表取締役視覚をループ内で使って生成物を検証する点も特徴ですね。発表ブログでは、ワインのブラインドテイスティングで視覚のみを使って3本のワインを20回中19回正しく識別した、という実験も紹介されています。
テキトー教師DotAI 認定講師金融・定量推論も強みとして挙げられています。発表ブログのベンチマーク表では、Vals Finance Indexで61.5%、Apex-Accounting v1.1のpass@1で14.5%、AA-AnalystAgentで51.2%など、オープンウェイトモデルの中では最高スコアと報告されています。
室谷代表取締役ただしこれらはすべて発表元の自己申告値です。この点は後で詳しく触れます。
Inkling 2 Smallの使い方・始め方——ollama run一発とAPI/CLI連携
Inkling 2 Smallの利用方法
CLI
- ollama run inkling-2-small:cloud の一発で起動
API
- cURL / Python / JavaScript のサンプルを公式ページで提供
- Python例: from ollama import Client
- host='https://ollama.com' とAPIキーを設定
- client.chat(model='inkling-2-small', messages=[...]) を呼ぶ
室谷代表取締役使い方は非常にシンプルです。Ollamaのモデルページに記載のとおり、CLIなら
ollama run inkling-2-small:cloud の一発で起動できます。テキトー教師DotAI 認定講師APIから使う場合はcURL、Python、JavaScriptのサンプルが公式ページに用意されています。たとえばPythonなら
from ollama import Client でクライアントを作り、host='https://ollama.com' とAPIキーを設定して client.chat(model='inkling-2-small', messages=[...]) を呼ぶ形です。室谷代表取締役既存のエージェントツールとの連携も公式ページに例があります。Claude Code、OpenCode、Hermes Agent、OpenClawそれぞれで
ollama launch <tool> --model inkling-2-small:cloud のように起動できると記載されています。テキトー教師DotAI 認定講師これは実務では大きいですね。いつも使っているコーディングエージェントのバックエンドを、Ollama経由でこのモデルに差し替えられる、というわけです。
室谷代表取締役Ollama Cloud自体の仕組みについては、Ollama Cloudとは？ゼロデータ保持・米欧ホスト・学習なしの料金体系を解説でも詳しく解説しています。zero data retentionの意味やホスト地域の考え方を確認したい方はそちらも参考になります。
テキトー教師DotAI 認定講師なお、Ollamaのモデルページには「vision」「tools」「thinking」「cloud」のタグが付いています。画像入力、ツール呼び出し、推論（thinking）、クラウド実行に対応していることが一目で分かります。
料金と提供範囲——100万トークン入力$0.30、zero data retentionで提供、日本からの利用可否は公式に明記なし
室谷代表取締役料金はOllamaの料金ページとモデルページに記載があります。100万トークンあたり、入力$0.30、キャッシュ入力$0.03、出力$1.00です。
テキトー教師DotAI 認定講師同じOllamaの料金表には他のモデルも並んでいますが、今回はInkling 2 Smallの数字だけを正確に押さえましょう。入力$0.30は、料金表の中では比較的手頃な部類に入る価格帯です。
室谷代表取締役提供範囲について整理すると、Ollama Cloud上でzero data retention付きで提供される、というのが公式スレッドの表現です。日本からの利用可否については、今回の資料には地域提供に関する記載がないため、現時点では明らかにされていません。
テキトー教師DotAI 認定講師そこは注意が必要ですね。「zero data retentionだから日本からも使える」と短絡的に書くのは正確ではありません。
Ollama Cloudの提供条件は別途公式情報を確認する必要があります。
Ollama Cloudの提供条件は別途公式情報を確認する必要があります。
室谷代表取締役料金プラン全体の考え方については、Ollama Cloudとは？ゼロデータ保持・米欧ホスト・学習なしの料金体系を解説で整理しています。Pay as you go、Pro、Team、Enterpriseといったプラン構成と、モデルごとの従量課金の関係を確認できます。
テキトー教師DotAI 認定講師モデル自体の提供形態としては、Thinking MachinesがTinker経由でクローズドウェイトとして開始し、外部安全テスト後にApache 2.0で重み公開予定、さらにHuggingFaceや各種推論エンジン、複数のAPI事業者でも提供される、という多経路の展開になっています。
「Small」なのに594B？17BアクティブというMoE設計の意味
室谷代表取締役ここが一番混乱しやすいところです。総パラメータ594Bなのに「Small」と呼ばれる理由は、MoEの設計にあります。
各トークンは384の専門家のうち8個だけにルーティングされ、実際に動くのは17B相当、という仕組みです。
各トークンは384の専門家のうち8個だけにルーティングされ、実際に動くのは17B相当、という仕組みです。
テキトー教師DotAI 認定講師つまり「モデル全体のサイズは大きいが、推論時に動く計算量は17B級」ということですね。総パラメータが能力の上限を決め、アクティブパラメータが推論コストを決める、という整理です。
室谷代表取締役Thinking Machinesの発表ブログでは、Inkling 2 Smallは前世代のInkling（975B総パラメータ・41Bアクティブ）と比べて「Small」という位置づけになっています。前世代より総パラメータは小さいが、アクティブは17Bで、効率と性能のバランスを取った設計です。
テキトー教師DotAI 認定講師発表ブログでは「Inkling 2 Small far surpasses our previous models’ scores on the Artificial Analysis Intelligence Index with a score of 31」と述べられています。前世代を上回る知能指数を、より小さい総パラメータで達成した、というのが「Small」の意味するところです。
室谷代表取締役可変の推論努力（variable effort）にも対応しています。推論の努力量を調整することで、性能とトークン効率のバランスを変えられる、という機能です。
テキトー教師DotAI 認定講師この設計は、大規模モデルを低コストで使いたい実務者にとっては重要なポイントです。総パラメータが大きいほど表現力は上がりますが、アクティブが17Bに抑えられているので、推論コストは比較的現実的になります。
ベンチマークと実力——SWE-bench Pro v2 86.3%など発表元自己申告値の読み方
室谷代表取締役Ollamaのモデルページには「Thinking Machines reports 86.3% on SWE-bench Pro v2 (Hard), 72.1% on DeepSWE, 85.4 on MCP Atlas and 81.6% on MMMU Pro.」と記載されています。
テキトー教師DotAI 認定講師ここで重要なのは「Thinking Machines reports」という主語です。つまりこれらは発表元の自己申告値であり、第三者による独立検証ではありません。
数字を読むときはその点を必ず意識する必要があります。
数字を読むときはその点を必ず意識する必要があります。
室谷代表取締役発表ブログのベンチマーク表では、SWE-bench Pro v2 (Hard/Full)で86.3/97.7%、DeepSWE v1.1で72.1%、MCP Atlasで85.4、MMMU Proで81.6%と報告されています。表には他モデルのスコアも並んでいますが、これらはあくまで発表元が比較のために提示した数字です。
テキトー教師DotAI 認定講師コーディング能力については、FrontierCode v2.0で25.4%、SWE-Atlas v1.1で61.9%、Vibe Code Bench v1.1で81.6%などが報告されています。発表ブログでは「Second-highest reported score in this row」といった注記もあり、一部の項目では他モデルが上回っていることも正直に示されています。
室谷代表取締役視覚系ではGDP.pdfで25.2%、PerceptionBenchで64.7%、ScreenSpot Proで83.8/92.0%、Charxiv RQで85.6/89.1%などが報告されています。DesignArena Overall HTMLでは1377、AA-3Dでは1021というスコアも記載されています。
テキトー教師DotAI 認定講師ナレッジワーク系ではAA-Briefcase v1.1で1527、JobBenchで70.5%、Vals Legal Indexで73.9%、EnterpriseBench-CoreCraftで71.8%などが報告されています。金融系ではVals Finance Index 61.5%、Diligence Bench 58.1%、DAYJOB (Finance) 14.3%、Apex-Accounting v1.1 14.5%、AA-AnalystAgent 51.2%です。
室谷代表取締役これらの数字をどう読むかですが、まずは「発表元の自己申告値である」という前提を外さないこと。その上で、複数のベンチマークで一貫して高いスコアが出ている項目は、モデルの強みとして信頼度が相対的に高いと考えられます。
テキトー教師DotAI 認定講師逆に、項目によっては他モデルに劣る結果も混ざっています。たとえばFrontierCode v2.0では25.4%で、表の中では2番目と注記されていますが、最高スコアのモデルは別に存在します。
万能ではなく、得意分野と不得意分野がある、という読み方が正確です。
万能ではなく、得意分野と不得意分野がある、という読み方が正確です。
室谷代表取締役ベンチマークの詳細な内訳やモデルカードについては、Inkling 2 Smallとは？Thinking Machinesの594B MoEモデルを解説でも整理しています。発表元の一次情報を確認したい方はそちらもどうぞ。
テキトー教師DotAI 認定講師また、OpenRouterでも期間限定で無料提供されているという話はOpenRouterの「Inkling 2 Small」とは？Thinking Machinesの視覚対応コーディングモデルが期間限定無料で扱っています。料金や提供条件は経路によって異なるので、比較するときは注意が必要です。
よくある質問
室谷代表取締役ここからは、よく調べられているポイントに絞ってQ&A形式で整理していきます。
テキトー教師DotAI 認定講師まず基本スペックについて。パラメータ数は総594B・アクティブ17B、MoE構成で各トークンは384専門家中8個にルーティング、コンテキスト長は最大100万トークン、マルチモーダルは画像入力に対応（テキスト＋画像入力→テキスト出力）、というのが公式ページと発表ブログで確認できる範囲です。
室谷代表取締役ベンチマーク性能については、SWE-bench Pro v2 (Hard)で86.3%、DeepSWE v1.1で72.1%、MCP Atlasで85.4、MMMU Proで81.6%などが発表元から報告されています。ただしこれらは自己申告値であり、独立検証ではない点に注意が必要です。
テキトー教師DotAI 認定講師料金とAPI利用方法については、Ollama Cloudでは100万トークンあたり入力$0.30、キャッシュ入力$0.03、出力$1.00です。CLIは
ollama run inkling-2-small:cloud、APIはcURL・Python・JavaScriptのサンプルが公式ページに用意されています。室谷代表取締役オープンウェイトかどうかについては、Thinking Machinesが当初クローズドウェイトで提供し、外部安全テスト完了後にApache 2.0ライセンスで重みを公開する予定と発表しています。11月12日更新でHuggingFaceからのダウンロードが可能になったことが告知されています。
テキトー教師DotAI 認定講師「Small」という名称なのに594B総パラメータである理由は、MoE設計にあります。総パラメータは大きいが、推論時に実際に動くのは17B相当なので、推論コストは比較的低く抑えられます。
前世代のInkling（975B総・41Bアクティブ）より総パラメータは小さいが、知能指数は向上している、というのが「Small」の位置づけです。
前世代のInkling（975B総・41Bアクティブ）より総パラメータは小さいが、知能指数は向上している、というのが「Small」の位置づけです。
室谷代表取締役リリース日と提供元については、Thinking Machinesが2026年11月5日に発表しました。Ollama Cloudでの提供開始はOllamaの公式スレッドで告知されています。
テキトー教師DotAI 認定講師Three.jsデモなどの具体例については、発表ブログで都市シミュレータの生成やワインの視覚識別などが紹介されています。これらはモデルの視覚・生成能力を示すデモとして公開されているものです。
室谷代表取締役日本からの利用可否については、今回の資料には地域提供に関する記載がないため、現時点では明らかにされていません。Ollama Cloudの提供条件は公式情報で確認するのが確実です。
テキトー教師DotAI 認定講師最後に、zero data retentionについて。Ollamaの公式スレッドで「with zero data retention」と明記されています。
入力データを保持しない契約形態で、機密性の高い業務利用を検討する際に重要なポイントです。
入力データを保持しない契約形態で、機密性の高い業務利用を検討する際に重要なポイントです。
室谷代表取締役というわけで、Inkling 2 Smallは「594B総・17Bアクティブ」というMoE設計で、画像入力と100万トークンコンテキストを備え、Ollama Cloudでzero data retention付き、入力$0.30/100万トークンから使えるモデル、というのが今回のまとめです。ベンチマークは自己申告値である点を踏まえつつ、実務での活用可能性を検討してみてください。
