Thinking Machines 的 Inkling 2 Small 在基准测试中爆了 316 次粗口
Vals AI 的分析发现，Thinking Machines 的 Inkling 2 Small 在 2,655 次基准测试中爆了 316 次粗口，粗口通常出现在注定失败的长推理后期。但它不能作为可靠的预警信号——96% 的失败测试根本没有粗口。这提醒人们，前沿模型表面的怪异行为与其失败之间并没有简单的对应关系。
报道来源
- The Decoder2026-11-07 16:31
Vals AI 的分析发现，Thinking Machines 的 Inkling 2 Small 在 2,655 次基准测试中爆了 316 次粗口，粗口通常出现在注定失败的长推理后期。但它不能作为可靠的预警信号——96% 的失败测试根本没有粗口。这提醒人们，前沿模型表面的怪异行为与其失败之间并没有简单的对应关系。