Inkling 2 Small Nedir? Açık Ağırlık ve Apache 2.0

Kısaca: Inkling 2 Small, Thinking Machines Lab tarafından geliştirilen, toplam 594 milyar ve token başına etkin 17 milyar parametreli bir Mixture-of-Experts (MoE) modelidir. Metin ve görüntü alır, metin üretir, ses kabul etmez. Ağırlıkları 12 Kasım 2026'dan beri Hugging Face'te indirilebiliyor ve model kartına göre lisansı Apache 2.0. Önerilen NVFP4 sürümünü kendi donanımınızda çalıştırmak için en az 500 GB toplam GPU belleği gerekiyor.

Thinking Machines Lab, Inkling 2 Small'ı 5 Kasım 2026'da ikinci model neslinin ilk üyesi olarak duyurdu. Model ilk hafta kapalı ağırlıkla, yalnızca şirketin fine-tuning platformu Tinker'da kullanılabildi ve ağırlıklar 12 Kasım'da Hugging Face'e geldi. Açık ağırlık, modelin eğitimle öğrendiği parametrelerin indirilebilir dosyalar olarak paylaşılması demek. Apache 2.0 lisansı da bu dosyaları kendi sunucunuzda çalıştırmanıza, fine-tuning ile uyarlamanıza ve bir ürünün içinde dağıtmanıza izin veriyor. Peki bu serbestliğin bir şirket için karşılığı nedir? Bunu üç şey belirliyor: lisansın ve modelle gelen kullanım politikasının koşulları, en az 500 GB GPU belleği isteyen donanım ve modele giren verinin nerede işlendiği.

Inkling 2 Small, metin ve görüntü alıp metin üreten genel amaçlı bir yapay zeka modelidir. Inkling 2 Small model kartına göre model 48 katmanlı, yalnızca kod çözücüden (decoder-only) oluşan bir transformer. İleri beslemeli katmanları seyrek bir MoE yapısında ve her token 384 uzmandan (expert) 8'ine yönlendiriliyor. Dikkat katmanları yerel ve küresel katmanların karışımı. Görüntüler bir vision transformer ile kodlanıyor ve metinle aynı gizli uzayda birlikte işleniyor.

Toplam 594 milyar parametrenin her token için yalnızca 17 milyarı çalışıyor. Bu, token başına yapılan hesabı küçük tutuyor, ama modelin çalışabilmesi için bütün uzmanların ağırlıklarının GPU belleğinde durması gerekiyor. MoE bir modelde token başına hesap etkin parametrelere, bellek ihtiyacı ise toplam parametrelere bağlı. Inkling 2 Small'ın donanım eşiğinin yüksek olmasının nedeni de bu.

Thinking Machines'in Inkling aile sayfası modeli "en yetenekli modelimiz ve ikinci neslimizin ilki" diye tanıtıyor. Birinci nesilde iki model var: 975 milyar toplam ve 41 milyar etkin parametreli Inkling ile 276 milyar toplam ve 12 milyar etkin parametreli Inkling-Small. İkisi de Hugging Face'te thinkingmachines/Inkling ve thinkingmachines/Inkling-Small depolarında Apache 2.0 lisansıyla yayımlandı ve ikisi de metin, görüntü ve ses alıyor. Adında Small olmayan bir Inkling 2 modeli henüz yok. Şirket duyuruda Inkling 2 Small'ın bir model merdiveninin parçası olduğunu ve diğer basamakları yakında paylaşmayı beklediğini yazıyor.

Inkling 2 Small'ın resmi dil tanımı İngilizce ve genel çok dilli destek, girdileri ise metin ve görüntü. Model kartı modelin İngilizce ve diğer dillerde kullanılmak üzere tasarlandığını yazıyor ve dil satırında "İngilizce, genel çok dilli destek" ifadesine yer veriyor. Hugging Face kartı da "İngilizce, diğer dillerde genel çok dilli yetenek" diyor. Resmi sayfaların hiçbirinde Türkçe ayrıca anılmıyor. Model kartı, modeli kullanacak geliştiricilere başarımı, güvenliği ve adilliği kendi kullanım senaryoları, dilleri ve kullanıcı kitleleri için devreye almadan önce değerlendirmelerini öneriyor. Türkçe çalışacak bir ekip için bu, modeli kendi Türkçe verisiyle sınamak demek.

Modelin çıktısı yalnızca metin. Kart en iyi sonuç için görüntünün her kenarının 40 ile 4.096 piksel arasında olmasını öneriyor ve duyuruya göre görüntüler 292 milyon parametreli bir görüntü kodlayıcıyla işleniyor. Birinci nesil Inkling modellerinden farklı olarak Inkling 2 Small ses kabul etmiyor. Bağlam penceresi kartta 1 milyon tokene kadar çıkıyor, Tinker'daki sürümler ise 64K ve 256K bağlamla sunuluyor.

Inkling 2 Small değişken efor (variable effort) destekliyor, yani modelin cevap vermeden önce ne kadar düşüneceği ayarlanabiliyor. Tinker belgelerindeki Thinking effort sayfasına göre efor 0,0'dan başlayıp 1,0'a kadar giden (1,0 hariç) bir sayı. Hazır kademeler none (0,0), minimal (0,1), low (0,2), medium (0,7), high (0,9) ve xhigh (0,99). Efor belirtilmezse varsayılan kademe high kullanılıyor. Sayfaya göre 0,0 modeli düşünmemeye yönlendiriyor ama düşünmeyi kesin olarak kapatmıyor. Thinking Machines kendi kıyaslarını efor 0,99 (xhigh), sıcaklık 1,0 ve görev başına en fazla 1 milyon tokenlik sınırla çalıştırdı.

Inkling 2 Small, bağımsız bir kıyas olan Artificial Analysis Intelligence Index'te 31 puanla 36 model arasında altıncı sırada. Thinking Machines duyuruda modelin bu endekste 31 puan aldığını yazıyor, model kartındaki kıyas tablosu ise endeksin v5.0 sürümü için 30,6 veriyor. Artificial Analysis'in kendi sayfası bu puanı ve sıralamayı endeksin v5.0.1 sürümü için gösteriyor.

Duyuru modelin sınırlarını da açıkça sayıyor. Inkling 2 Small kullanım kolaylığında önceki Inkling'i geçse de en özlü anlatıcı değil ve iş için her zaman en doğru aracı seçmiyor, özellikle çok sayıda skill içeren kod tabanlarında. Model sohbet deneyimi için de daha az optimize edilmiş. Şirket bu alanda içeriğin daha zayıf düzenlenip sunulması, eğik çizginin fazla kullanılması ve ruh sağlığıyla ya da güvenlikle ilgili sorulara aşırı tepki gibi sorunlar gördüğünü yazıyor. Şirketin modeli öne çıkardığı alanlar ise ajan tabanlı kodlama (agentic coding), görüntü yorumlama ve bilgi işi. Müşteriyle doğrudan konuşacak bir sohbet asistanı planlıyorsanız bu sınırları önce kendi senaryolarınızda denemeniz gerekir.

Evet. Apache 2.0 metninde ticari kullanımı sınırlayan bir hüküm yok ve lisansın patent hükmü eseri satma hakkını açıkça sayıyor. Ticari kullanım lisansın koşullarına uymaya bağlı. Bunun yanında Thinking Machines'in model kullanım politikası belirli kullanımları yasaklıyor.

Lisans bilgisi iki resmi yerde duruyor. Model kartının lisans satırında "Apache 2.0" yazıyor, Hugging Face deposunun kart üst bilgisinde de license: apache-2.0 etiketi ve Apache Yazılım Vakfı'nın resmi metnine bağlantı var. Depolarda ayrı bir LICENSE dosyası yok, lisans kartın üst bilgisinde tanımlı. Şirket 5 Kasım'daki duyuruda tam ağırlıkları bir sonraki hafta Apache 2.0 lisansıyla yayımlamayı planladığını yazmıştı.

Apache Yazılım Vakfı'nın yayımladığı ve Open Source Initiative'in de onayladığı Apache License 2.0 metninin 2. maddesine göre, lisansın hüküm ve koşullarına bağlı olarak her katkıda bulunan size süresiz, dünya çapında, münhasır olmayan, ücretsiz, telif ücreti (royalty) gerektirmeyen ve geri alınamaz bir telif hakkı lisansı verir. Bu lisans eseri ve türev eserleri kaynak ya da nesne biçiminde çoğaltmayı, türev eser hazırlamayı, umuma göstermeyi, umuma icra etmeyi, alt lisans vermeyi ve dağıtmayı kapsar. 3. madde aynı nitelikte bir patent lisansı verir ve eseri yapma, yaptırma, kullanma, satışa sunma, satma, ithal etme ve başka yollarla devretme haklarını sayar. Eserin ya da esere dahil edilen bir katkının patent ihlali oluşturduğunu iddia eden bir dava açarsanız (karşı dava dahil), bu lisans kapsamında o eser için size verilen patent lisansları davanın açıldığı tarihte sona erer.

Dağıtımın koşulları 4. maddede. Eseri ya da bir türevini başkasına verirken lisansın bir kopyasını da vermeniz, değiştirdiğiniz dosyalara değişiklik yaptığınızı belirten açık bir not koymanız ve dağıttığınız türev eserin kaynak biçiminde orijinal eserdeki telif, patent, marka ve atıf bildirimlerini korumanız gerekir. Eser bir NOTICE dosyasıyla dağıtılıyorsa, dağıttığınız türev eser bu dosyadaki atıf bildirimlerinin okunabilir bir kopyasını da içermelidir. 6. madde lisans verenin ticari adlarını ve markalarını kullanma izni vermez, eserin kaynağını tanımlamak gibi olağan kullanım bunun dışında kalır. 7. madde ise yürürlükteki hukuk gerektirmedikçe ya da yazılı olarak kararlaştırılmadıkça eseri "OLDUĞU GİBİ" (AS IS), açık ya da örtülü hiçbir garanti vermeden sunar. Açık modellerin lisanslarını birbiriyle açık ağırlıklı model lisansları yazımızda karşılaştırdık.

Ağırlıklarla birlikte Thinking Machines'in Model Acceptable Use Policy (Model Kabul Edilebilir Kullanım Politikası) metni de geliyor ve hem model kartı hem Hugging Face kartı bu metne bağlantı veriyor. Son güncellemesi 15 Temmuz 2026 tarihli olan politika, model ağırlıklarına, parametrelerine, ilgili materyallere ya da bunların değiştirilmiş bir sürümüne erişen, onları indiren veya kullanan herkesin, şirketle yazılı olarak başka bir anlaşma yapılmadıkça politikaya bağlı olmayı kabul ettiğini yazıyor. Model Tinker üzerinden kullanılıyorsa Tinker'ın hizmet koşulları da geçerli, ikisi çelişirse politika öncelik taşıyor.

Politika modeli yasal amaçlarla ve politikaya uygun biçimde kullanmaya izin veriyor. Modelle kurduğunuz ürünlerin politikaya uymasından, başkalarının bu ürünler üzerinden yaptığı kullanım da dahil, sizi sorumlu tutuyor. Yasaklar arasında yasa dışı faaliyetler, ihracat kontrolü ve yaptırım ihlalleri, çocuk istismarı, kitlesel can kaybına yol açabilecek silahlar, kritik altyapıya saldırı ve zararlı kod, nefret ve taciz, kişiler hakkında yetkisiz bilgi toplama ve gözetim, üçüncü kişilerin haklarının ihlali ve aldatıcı içerik var. Bankacılık, sigorta ve insan kaynakları gibi alanlardaki şirketleri en çok ilgilendiren madde ise bir kişinin finansal, hukuki, istihdam, sağlık, konut, sigorta ya da sosyal hizmet haklarını etkileyen otomatik (insan olmadan verilen) kararları yasaklıyor. Model son kullanıcıya sunulan bir ürüne konursa, modelin bilinen önemli sınırlarını ve yasa gerektiriyorsa ya da kullanıcı için önemliyse karşısında bir yapay zeka olduğunu kullanıcıya bildirmek gerekiyor. Lisans ve politika modelle birlikte yayımlandığı için, modeli dağıtmayı ya da bir ürüne koymayı planlayan bir şirket ikisini hukuk ekibiyle birlikte okumalı.

Önerilen NVFP4 sürümü en az 500 GB toplam GPU belleği (VRAM) istiyor ve model kartına göre bu eşik 2 adet NVIDIA B300 ya da 4 adet NVIDIA H200 ile karşılanabiliyor. Thinking Machines'in Inkling 2 Small duyurusuna 12 Kasım'da eklenen güncelleme, ağırlıkların Hugging Face'te indirilebilir olduğunu bildiriyor ve duyurudaki Hugging Face düğmesi thinkingmachines/Inkling-2-Small adlı bu NVFP4 deposunu açıyor. Model ön eğitimden son eğitime kadar NVFP4 hassasiyetinde eğitildiği için şirket bu sürümü bütün kullanım senaryoları için öneriyor.

İkinci seçenek, Inkling-2-Small-MXFP8 deposundaki MXFP8 sürümü. Bu sürüm en az 800 GB VRAM istiyor ve örnek yapılandırmalar 4 adet B300 ya da 8 adet H200. Şirkete göre MXFP8 kıyaslarda NVFP4'e karşı yalnızca 1 ile 2 yüzde puanlık "çok marjinal" bir kazanç sağlıyor ve bu fark pratik kullanımda anlamlı değil. NVFP4 ağırlıkları 4 bitlik, MXFP8 ise 8 bitlik kayan noktalı sayılarla saklıyor. Bellek ihtiyacının iki sürüm arasında bu kadar değişmesinin nedeni de bu. Bir modelin daha az bite nasıl sığdığını ve bunun belleğe etkisini quantization (nicemleme) nedir yazımızda anlattık. GPU kapasitesini planlamayı ve donanımı modele göre boyutlandırmayı RuneLab'ın GPU Kapasite Planlaması ve Donanım Boyutlandırma eğitimi ele alıyor.

Ağırlıkları kendi GPU'larınızda çalıştırmak için bir çıkarım (inference) çatısı gerekiyor. Model kartı bunun için SGLang, vLLM, TokenSpeed, Unsloth ve Hugging Face'i, her birinin kendi bağımlılıklarıyla birlikte sayıyor. 12 Kasım güncellemesi de modelin Unsloth, SGLang, vLLM ve TokenSpeed ile entegre olduğunu yazıyor. 13 Kasım 2026 itibarıyla Ollama kütüphanesinde Inkling adlı bir model yok. Bu çatılardan vLLM ile bir modeli üretimde sunmayı RuneLab'ın vLLM ile Model Sunma eğitimi anlatıyor.

500 GB'lık eşik birden çok veri merkezi GPU'su gerektiriyor, oysa çoğu şirket kendi donanımına sığan bir açık model arıyor. Böyle ekipler için daha küçük modeller daha gerçekçi bir başlangıç. RuneLab'ın Hati Glint SQL modeli bunun bir örneği: Qwen3.5-9B üzerine fine-tuning ile eğitilen, Inkling 2 Small gibi Apache 2.0 lisanslı ve Hugging Face'te yayımlanan bu açık model, Türkçe soruları SQL'e çeviriyor ve araç çağırabiliyor.

Ağırlıkları indirmeden kullanmanın iki yolu var: Thinking Machines'in kendi platformu Tinker ve modeli sunan API sağlayıcıları. Duyuruya göre model Tinker'da fine-tuning ve örnekleme (sampling) için kullanılabiliyor, Tinker Playground ise yalnızca çıkarım için erişim sağlıyor. 12 Kasım güncellemesi ve Hugging Face kartı, modelin Miles, SkyRL ve Snowflake Cortex Training ile son eğitimden (post-training) geçirilebildiğini ve NVIDIA, Fireworks, Together, Baseten, Nebius, Modal ve Cloudflare üzerinden API ile sunulduğunu yazıyor. Bu sağlayıcıların fiyatları kendi sayfalarında yer alıyor.

Tinker fiyatları milyon token başına dolar olarak veriliyor. 13 Kasım 2026 itibarıyla Tinker'ın Models & Pricing sayfasındaki fiyatlar şöyle:

Prefill modele giren tokenlerin işlenmesi, önbellekten prefill istem önbelleğine isabet eden girdi tokenleri, sample üretilen çıktı tokenleri, train ise eğitimdeki ileri ve geri geçiştir. Sayfaya göre uzatılmış bağlam yalnızca eğitimi pahalılaştırıyor, prefill ve örnekleme fiyatı standart bağlamla aynı kalıyor. Tablo, Inkling 2 Small'ın Tinker'da birinci neslin küçük modeli Inkling-Small'dan bile ucuz olduğunu gösteriyor. Tinker'ın beta aşamasındaki sunucusuz çıkarım (serverless inference) hizmetinde de Inkling 2 Small, 256K bağlamla girdi için 0,30, önbellekli girdi için 0,03 ve çıktı için 1,00 dolardan listeleniyor.

Inkling 2 Small'ı kendi donanımınızda çalıştırmak, Apache 2.0 lisanslı bir modeli tamamen kendi altyapınızda tutmak ve dilediğiniz gibi uyarlamak istediğinizde anlamlı. Bunun için NVFP4 sürümünün 500 GB'lık VRAM eşiğini karşılayan bir GPU kümesi gerekiyor. Böyle bir küme yoksa, 64K ya da 256K bağlam işinize yetiyorsa ve fine-tuning'i Tinker'da yapmak size uyuyorsa Tinker ya da bir API sağlayıcısı daha hızlı bir başlangıç sunar. Ses girdisi gereken işler için Inkling 2 Small uygun değil, birinci nesil Inkling ve Inkling-Small ise ses de alıyor.

Bu seçimde lisans koşulları, yoğun ya da MoE mimari ve modelin işinize uygunluğu birlikte tartılır. RuneLab'ın Açık Ağırlıklı Model Seçimi ve Değerlendirme (Open Model Selection) eğitimi Llama, Qwen, Mistral, Gemma ve DeepSeek gibi açık ağırlıklı modelleri lisans koşullarına, yoğun (dense) ve MoE mimarilerinin artı ve eksilerine, Türkçe başarımına ve araç çağırma becerisine göre seçmeyi anlatıyor.

En büyük fark, Inkling 2 Small'ın ağırlıklarının indirilebilmesi. 13 Kasım 2026 itibarıyla Qwen'in resmi Hugging Face hesabında Qwen4 ağırlığı yok ve ailenin kullanılabilen tek modeli Qwen4-Max, Alibaba'nın Token Plan aboneliğinde bir bulut önizlemesi olarak sunuluyor. Alibaba Cloud Model Studio'nun Qwen4-Max-Preview sayfasına göre model metin, görüntü ve video alıyor ve 1 milyon tokenlik bağlam sunuyor. Önizleme Türkiye saatiyle 25 Kasım 2026 19.00'da bitiyor. Kendi sunucunuzda çalıştırabileceğiniz bir model arıyorsanız bugün bu seçeneği Inkling 2 Small veriyor, Qwen4-Max vermiyor. Önizlemenin ayrıntılarını Qwen4 ne zaman çıkıyor yazımızda anlattık.

Tek başına sağlamaz. Ağırlıkları kendi sunucunuzda çalıştırmak verinin nerede işlendiğini belirler, ama işlemenin KVKK'ya uygun olup olmadığını hangi verinin hangi dayanakla işlendiği belirler. Bulutta çalışan bir model kullanmak da tek başına KVKK ihlali değildir.

Inkling 2 Small'ı Tinker'da ya da bir API sağlayıcısında kullandığınızda modele gönderdiğiniz metin ve görüntüler o sağlayıcıya gider. Ağırlıkları kendi donanımınızda çalıştırdığınızda ise bu veri, kurduğunuz mimariye bağlı olarak kurumunuzun içinde kalabilir. Her iki durumda da denemeden önce hukuk ekibinizle iki soruyu netleştirin: modele girecek metinlerde ya da görüntülerde kişisel veri var mı, varsa bu veri hangi dayanakla işlenecek? Üretken yapay zeka araçlarına kişisel veri girerken nelere bakılacağını KVKK yapay zeka rehberimizde, hangi işin buluta, hangisinin kurum içine gideceğini de local LLM vs ChatGPT yazımızda anlattık.

Verinin kurum dışına hiç çıkmaması gereken işlerde modeli kurum içinde çalıştırmak gerekiyor. RuneLab'ın RuneBox'ı şirket ağına kurulan bir on-premise LLM altyapısı. Modeller, RAG ve ajan iş akışları NVIDIA GPU'lu bir kutuda, dış bağlantı gerektirmeden kapalı ağda çalışıyor. Sorular, belgeler ve cevaplar dışarı çıkmıyor. Veri kurum sınırları içinde işlendiği için BDDK ve KVKK değerlendirmelerinizi kolaylaştırır. Uyumluluk kurumunuzun kendi değerlendirmesidir.

Inkling 2 Small, Thinking Machines Lab tarafından geliştirilen, toplam 594 milyar ve etkin 17 milyar parametreli açık ağırlıklı bir MoE modelidir. Metin ve görüntü alır, metin üretir, ses kabul etmez. Ağırlıkları 12 Kasım 2026'dan beri Hugging Face'te Apache 2.0 lisansıyla indirilebiliyor.

Evet, Apache 2.0 metninde ticari kullanımı sınırlayan bir hüküm yok ve patent lisansı eseri satma hakkını da sayıyor. Dağıtımda lisansın bir kopyasını vermek, değiştirilen dosyaları belirtmek ve telif, patent, marka ve atıf bildirimlerini korumak gerekiyor. Thinking Machines'in model kullanım politikası ise kişilerin haklarını etkileyen otomatik kararlar gibi bazı kullanımları yasaklıyor.

Önerilen NVFP4 sürümü en az 500 GB toplam GPU belleği istiyor, örneğin 2 adet NVIDIA B300 ya da 4 adet H200. MXFP8 sürümü için en az 800 GB, örneğin 4 adet B300 ya da 8 adet H200 gerekiyor. Model kartı çıkarım için SGLang, vLLM, TokenSpeed, Unsloth ve Hugging Face'i sayıyor, 13 Kasım 2026 itibarıyla Ollama kütüphanesinde Inkling modeli yok.

13 Kasım 2026 itibarıyla Tinker'da Inkling 2 Small'ın milyon token başına fiyatı prefill için 0,30, önbellekten prefill için 0,03, örnekleme için 1,00 ve eğitim için 1,50 dolar. 256K bağlamlı sürümde yalnızca eğitim fiyatı 3,00 dolara çıkıyor. Model kartı 1 milyon tokene kadar bağlamdan söz ediyor, Tinker'daki sürümler 64K ve 256K bağlamla sunuluyor.

Model kartı dilleri İngilizce ve genel çok dilli destek olarak tanımlıyor, Hugging Face kartı da diğer dillerde genel çok dilli yetenekten söz ediyor. Resmi sayfalarda Türkçe ayrıca anılmıyor. Türkçe çalışacak bir ekibin modeli kendi Türkçe verisiyle sınaması gerekiyor.

Tek başına yeterli değildir. Şirket içinde çalıştırmak verinin nerede işlendiğini belirler, KVKK'ya uygunluğu ise hangi verinin hangi dayanakla işlendiği belirler. Bulutta çalışan bir model kullanmak da tek başına KVKK ihlali değildir.

Hayır. Thinking Machines'in duyurusuna göre Inkling 2 Small görüntüyü doğal olarak alıyor ama ses desteklemiyor. Ses girdisi gerekiyorsa birinci nesil Inkling ve Inkling-Small metin, görüntü ve ses alıyor.

Efor, modelin cevap vermeden önce ne kadar düşüneceğini belirleyen, 0,0 ile 1,0 arasında (1,0 hariç) bir sayıdır. Tinker belgelerindeki hazır kademeler none 0,0, minimal 0,1, low 0,2, medium 0,7, high 0,9 ve xhigh 0,99, varsayılan kademe high. Thinking Machines kıyaslarını efor 0,99 ile çalıştırdı.

• Thinking Machines Lab, Introducing Inkling 2 Small: 5 Kasım duyurusu ve 12 Kasım güncellemesi, ağırlıkların Hugging Face'te yayımlanması, entegre çıkarım çatıları, son eğitim araçları ve API sağlayıcıları, Tinker erişimi, efor ve kıyas ayarları, Artificial Analysis puanı, görüntü kodlayıcı, model merdiveni ve sınırlamalar
• Thinking Machines Lab, Inkling 2 Small Model Card: lisans, diller, mimari, parametreler, girdiler, bağlam penceresi, donanım eşikleri, çıkarım çatıları, Artificial Analysis Index v5.0 puanı ve geliştiricilere değerlendirme önerisi
• Hugging Face, thinkingmachines/Inkling-2-Small: lisans üst bilgisi, dil ifadesi, NVFP4 sürümü, son eğitim araçları ve API sağlayıcıları
• Hugging Face, thinkingmachines/Inkling-2-Small-MXFP8: MXFP8 sürümü ve 800 GB eşiği
• Thinking Machines Lab, Inkling model ailesi: aile sayfası, üç modelin tanımı ve parametreleri
• Hugging Face, thinkingmachines/Inkling ve thinkingmachines/Inkling-Small: birinci nesil modellerin lisansı ve girdileri
• Apache Software Foundation, Apache License, Version 2.0: 2, 3, 4, 6 ve 7. maddeler
• Open Source Initiative, Apache License, Version 2.0 (OSI): lisans metninin OSI kopyası
• Thinking Machines Lab, Model Acceptable Use Policy: son güncelleme tarihi, bağlayıcılık, Tinker koşullarıyla ilişkisi, izin verilen kullanım, yasaklar ve bildirim yükümlülüğü
• Tinker Documentation, Models & Pricing: Inkling modellerinin fiyatları, uzatılmış bağlam ve sunucusuz çıkarım
• Tinker Documentation, Thinking effort: efor aralığı, hazır kademeler ve varsayılan değer
• Artificial Analysis, Inkling 2 Small analizi: Intelligence Index v5.0.1 puanı ve sıralaması
• Ollama, Library: Ollama kütüphanesindeki modeller
• Alibaba Cloud Model Studio, Qwen4-Max-Preview: Qwen4-Max'in girdileri, bağlamı, Token Plan erişimi ve önizleme süresi
• Hugging Face, Qwen: Qwen'in yayımladığı açık ağırlıklı modeller

• Açık ağırlıklı model lisansları ve ticari kullanım
• Qwen4 ne zaman çıkıyor? Max önizlemesi ve Token Plan
• Mistral Large 4: kurum içi GPU, lisans ve maliyet rehberi
• Quantization (nicemleme) nedir? Model daha az bite nasıl sığar?
• İnternetsiz yapay zeka ve local LLM kurulum rehberi
• Token nedir? Türkçe metin neden daha çok token harcar?
• LLM nedir? Yapay zekada büyük dil modeli
• KVKK ve üretken yapay zeka rehberi
• Local LLM vs ChatGPT: KVKK açısından karar
• Eğitimler: Açık Ağırlıklı Model Seçimi ve Değerlendirme, GPU Kapasite Planlaması, vLLM ile Model Sunma