Inkling 2 Mini: o que sua empresa precisa para usar IA local

Ilustração de módulo de memória com dissipador metálico prateado em slot preto sobre placa de circuito verde, com dissipador de cobre ao lado.

Imagem ilustrativa gerada por IA.

Para usar o Inkling 2 Mini localmente, sua empresa precisa identificar a versão do modelo e conferir a memória exigida por ela. A ficha oficial indica Apple silicon com 32 GB ou mais para o checkpoint original, de cerca de 20 GB. Isso não comprova qualidade em português nem uma aplicação inteira offline.

O nome Mini ajuda a vender a ideia de que a IA cabe na máquina que já está sobre a mesa. Mas há uma distância entre caber num laptop do anúncio e funcionar no computador da equipe. É nessa distância que uma decisão de infraestrutura pode nascer errada — antes mesmo de alguém baixar o arquivo.

O que é o Inkling 2 Mini e o que foi lançado?

Em 20 de novembro de 2026, a Thinking Machines Lab anunciou o Inkling 2 Mini, um modelo de pesos abertos sob licença Apache 2.0. Segundo a ficha oficial do modelo, ele recebe texto e imagens e produz texto. Pesos são os arquivos com os parâmetros aprendidos no treinamento; disponibilizá-los permite executar o modelo fora do serviço hospedado do fornecedor, desde que haja equipamento e software compatíveis.

O anúncio de lançamento relata uma demonstração offline num MacBook Pro durante um voo. A configuração identificada na página é M5 Pro com 48 GB. É uma demonstração do fornecedor, não uma instalação feita aqui e muito menos uma promessa para qualquer notebook.

A possibilidade merece atenção de quem mantém código e automações numa equipe pequena: há um modelo disponível para avaliar execução local. O que não veio junto com o download foi a confirmação de que a máquina da empresa aguenta o trabalho pretendido.

Quanta memória o Inkling 2 Mini exige?

Os números de 18 GB, cerca de 20 GB e 32 GB aparecem em páginas diferentes porque descrevem coisas diferentes. Tratá-los como três respostas concorrentes à mesma pergunta produz uma comparação enganosa.

Cerca de 20 GB: o checkpoint da ficha

A Thinking Machines descreve um checkpoint único de cerca de 20 GB. Checkpoint, aqui, é o conjunto de pesos distribuído pelo fornecedor. O anúncio também fala em uma pegada de memória de aproximadamente 20 GB. Esse número não deve ser lido como a memória total recomendada para a máquina.

Na seção de hardware, a ficha declara suporte a dispositivos Apple silicon com 32 GB ou mais de memória e a um NVIDIA DGX Spark. Para outras GPUs e plataformas, recomenda 32 GB ou mais de VRAM, a memória da placa de vídeo. RAM do computador e VRAM não são a mesma especificação; um número parecido na ficha de compra não torna os equipamentos equivalentes.

O anúncio descreve suporte, no lançamento, a Macs com pelo menos 32 GB de RAM via Ollama, um software para executar modelos. Isso contextualiza o requisito, mas não é um passo a passo de instalação nem uma validação de desempenho por nós.

Pelo menos 18 GB: o menor GGUF listado pelo LM Studio

A página do LM Studio informa pelo menos 18 GB de RAM para a menor versão ali listada, em formato GGUF. Esse formato é usado para distribuir modelos compatíveis com determinados programas de execução local; não é outro nome para o checkpoint original.

A própria página distingue esse mínimo da recomendação de 32 GB ou mais para o checkpoint de cerca de 20 GB da Thinking Machines. Também alerta que contextos mais longos — mais material mantido na conversa — exigem memória adicional.

Assim, 18 GB não é autorização para rodar o checkpoint original, e 32 GB não é um mínimo universal de todas as variantes. Antes de olhar o número da máquina, descubra qual arquivo está sendo considerado. Comparar a memória de uma variante com o requisito de outra não demonstra compatibilidade.

Rodar localmente significa ter IA privada e grátis?

Não. Executar o modelo no equipamento da empresa permite considerar uma arquitetura diferente da consulta a um serviço remoto. Mas o local onde o modelo calcula a resposta não descreve, sozinho, o caminho de todos os dados da aplicação.

Se uma automação consultar um serviço externo ou guardar registros fora da máquina, essa parte do fluxo continua fora dela. São possibilidades a conferir no projeto, não comportamentos atribuídos aqui ao Inkling 2 Mini. A demonstração offline do anúncio não comprova que a aplicação da sua empresa funcionará inteira sem internet.

Peso aberto também não significa operação sem custo ou conformidade jurídica automática. Equipamento e manutenção continuam sendo decisões da empresa. A distinção entre o modelo e as outras despesas aparece no artigo sobre quanto custa um agente de IA; os valores daquele texto têm seu próprio contexto e não são uma cotação para este lançamento. Não medimos economia com o Inkling 2 Mini.

O Inkling 2 Mini funciona bem em português?

Qualidade em português do Brasil: NÃO VERIFICADO. A ficha informa suporte multilíngue geral, mas também avisa que a qualidade da saída pode ser menor fora do inglês. O exemplo de avaliação citado nessa ressalva é em chinês, com frases truncadas e mistura de idiomas. Não é uma avaliação de português.

A limitação importa mesmo para uma equipe que trabalha com código: as explicações de um erro e as instruções que acompanham a tarefa podem estar em PT-BR. Não há base, nas páginas consultadas, para afirmar que essas interações já foram validadas no idioma da sua equipe.

A ficha também registra menor capacidade de recuperação factual que o Inkling 2 Small e maior propensão que modelos maiores a afirmar informações incorretas com confiança. Relata raciocínio repetitivo em testes internos, sobretudo ao depurar código, e menor confiabilidade no cumprimento de instruções detalhadas ao usar ferramentas. Nessas condições, alerta inclusive para exclusão ou sobrescrita de arquivos sem confirmação.

Esses limites são declarados pelo fornecedor. Não instalamos nem medimos o modelo; este artigo não atribui a ele velocidade, produtividade ou qualidade observadas por nós.

Como isso muda a decisão de uma equipe pequena?

Exemplo inteiramente fictício, sem dados de clientes e sem teste do produto: uma equipe que mantém código e automações quer avaliar ajuda local para entender erros de um script. Ela já tem um computador disponível, mas ainda não escolheu a variante do Inkling 2 Mini.

Se alguém apresentar apenas o mínimo de 18 GB do LM Studio, ainda falta a informação decisiva: é aquela versão GGUF que a equipe pretende usar ou o checkpoint original? Se o plano for o original em Apple silicon, a referência da ficha é 32 GB ou mais. Em outra plataforma com GPU, a recomendação citada é de VRAM, não apenas da RAM instalada no computador.

Mesmo que o equipamento corresponda à configuração documentada, isso só permite avançar na avaliação técnica. Não resolve a qualidade das explicações em português nem autoriza entregar ao modelo acesso irrestrito aos arquivos. A equipe ainda não tem um fluxo aprovado só porque encontrou uma máquina compatível.

O que conferir antes de planejar a implantação local?

Peça a quem cuida da parte técnica o nome e a origem do arquivo pretendido, o software que o executará e o requisito de memória correspondente. Compare essa informação com a máquina existente, distinguindo memória do sistema de memória da GPU. Onde faltar comprovação, registre a pendência em vez de preenchê-la com a frase do anúncio.

A avaliação mais ampla de fornecedor e responsabilidade está no guia de IA para pequenos negócios: o que avaliar antes de contratar. A decisão anterior, neste lançamento, é mais específica: qual versão cabe no equipamento disponível e o que ainda falta verificar no idioma de trabalho.

Leve para a conversa técnica o arquivo escolhido e a especificação da máquina. Se a única justificativa disponível for “é Mini, roda em laptop”, você ainda não tem a informação necessária para planejar a implantação.