aihariini – Inkling 2 Small hadir dengan kemampuan menerima teks dan gambar, serta diklaim kuat untuk tugas agentic dan coding. Kalau kamu ingin mengeksplor model baru dari Thinking Machines ini, enam contoh prompt di bawah bisa jadi titik awal untuk menyusun workflow, memeriksa kode, hingga membaca infografik.

Apa yang perlu kamu tahu tentang Inkling 2 Small?
Thinking Machines, perusahaan rintisan milik mantan CTO OpenAI Mira Murati, meluncurkan Inkling 2 Small sebagai model generasi keduanya. Perusahaan mengklaimnya sebagai model open-weight Barat terkuat: model open-weight adalah model yang bobot atau parameter terlatihnya tersedia untuk digunakan secara terpisah dari layanan pembuatnya.
Model ini memakai mixture-of-experts, yaitu arsitektur yang hanya mengaktifkan sebagian kelompok parameter untuk memproses input. Dari total 594 miliar parameter, sekitar 17 miliar aktif pada satu waktu. Parameter adalah nilai yang dipelajari model selama pelatihan untuk membantu menghasilkan jawaban.
Ada juga pengaturan kedalaman berpikir yang memungkinkan pengguna memilih antara kecepatan dan ketelitian. Saat ini model tersedia melalui platform Tinker; bobotnya baru akan dirilis dengan lisensi Apache 2.0 setelah pengujian keselamatan eksternal selesai.
Kenapa prompt agentic dan coding menarik dicoba?
Tugas agentic meminta AI mengerjakan rangkaian langkah menuju tujuan, bukan sekadar menjawab satu pertanyaan. Pada AutomationBench-AA, skor Inkling 2 Small naik dari 5 menjadi 46 persen dibandingkan pendahulunya. Di FrontierCode 2.0, skor yang dilaporkan mencapai 25,4 persen.
Thinking Machines mengatakan model ini dilatih memakai reinforcement learning, metode yang memberi umpan balik atas hasil kerja model, pada ratusan ribu tugas coding berjangka panjang. Evaluasi otomatis memeriksa apakah kode bekerja dan bagaimana model menyelesaikan tugas. Hasil tolok ukur ini memberi gambaran kemampuan, tetapi tidak menjamin hasil yang sama untuk setiap proyek.
Ada batasannya: model belum mendukung audio, kurang dioptimalkan untuk chat, dan hasilnya bisa berantakan. Tingkat halusinasi atau jawaban yang keliru memang turun dari 61 menjadi 27 persen, tetapi model juga menjawab lebih sedikit pertanyaan. Jadi, tetap periksa hasilnya dan jangan menganggap jawaban yang rapi pasti benar.
Prompt untuk merancang workflow agentic
Dua contoh berikut meminta model memecah tujuan menjadi langkah yang bisa diperiksa. Kamu bisa menyesuaikan bagian dalam tanda kurung siku dengan tugas dan batasanmu.
1. Pecah proyek menjadi rencana kerja
Pakai prompt ini saat kamu punya target besar tetapi belum tahu urutan pengerjaannya.
Bantu saya merencanakan proyek [jelaskan tujuan proyek] untuk [pengguna atau tim]. Kondisi awalnya adalah [jelaskan informasi yang tersedia], dengan batasan [waktu, alat, atau sumber daya]. Pecah pekerjaan menjadi tahapan berurutan, lalu jelaskan hasil yang diharapkan dari setiap tahap, ketergantungannya, dan risiko utamanya. Pisahkan fakta yang saya berikan dari asumsi. Jika ada informasi penting yang belum tersedia, ajukan pertanyaan sebelum membuat keputusan yang bergantung pada informasi itu.
2. Audit proses yang berulang
Pakai prompt ini untuk mencari bagian workflow yang bisa disederhanakan tanpa melewatkan pemeriksaan manusia.
Analisis workflow berikut: [tempel langkah-langkah proses]. Tujuan saya adalah [jelaskan hasil yang diinginkan], dan kendala utamanya [jelaskan kendala]. Identifikasi langkah yang berulang, titik yang rawan kesalahan, serta informasi yang perlu diperiksa sebelum proses berlanjut. Usulkan workflow baru dalam urutan yang jelas, termasuk bagian yang sebaiknya tetap diperiksa manusia. Jangan menganggap kamu punya akses ke alat atau data yang belum saya berikan; tandai bila usulanmu memerlukan akses tambahan.
Baca Juga :
- OpenAI Akuisisi Pierre untuk Perkuat Codex dan Review Kode
- GPT-6 Hadir di ChatGPT dengan Intelligent UI
Prompt untuk menulis dan memeriksa kode
Untuk tugas coding, sertakan bahasa pemrograman, hasil yang diinginkan, dan batasan proyek. Dengan konteks itu, model punya dasar yang lebih jelas untuk menyusun solusi dan menjelaskan pilihannya.
3. Buat fitur dari spesifikasi
Pakai prompt ini saat kamu membutuhkan rancangan awal kode untuk fitur yang sudah cukup jelas.
Bantu saya membuat [jelaskan fitur] dengan [bahasa atau framework]. Input yang diterima adalah [jelaskan input], dan hasil yang diharapkan adalah [jelaskan output]. Perhatikan batasan berikut: [daftar batasan]. Sebelum menulis kode, jelaskan asumsi dan rencana singkatmu. Setelah itu, berikan kode yang mudah dibaca, contoh input dan output, serta beberapa skenario pengujian, termasuk input yang tidak valid. Jika ada detail yang belum cukup untuk menentukan solusi, tanyakan kepada saya.
4. Cari penyebab masalah dalam kode
Pakai prompt ini ketika kode menghasilkan perilaku yang berbeda dari yang kamu harapkan.
Periksa kode berikut: [tempel kode]. Saya mengharapkan [jelaskan perilaku yang diinginkan], tetapi yang terjadi adalah [jelaskan masalah dan pesan kesalahan jika ada]. Identifikasi kemungkinan penyebab berdasarkan informasi yang tersedia, lalu urutkan pemeriksaan yang bisa saya lakukan. Usulkan perubahan kode sekecil mungkin dan jelaskan alasan setiap perubahan. Sertakan contoh pengujian untuk memastikan masalah sudah teratasi dan tidak merusak perilaku lain. Jangan mengklaim kode sudah dijalankan jika belum ada hasil pengujian.
Prompt untuk membaca gambar dan infografik
Inkling 2 Small menerima gambar sebagai masukan. Thinking Machines menyebut pengenalan teks, interpretasi infografik, dan penalaran visual sebagai kekuatannya, sehingga kamu bisa mencoba dua prompt ini dengan gambar yang relevan.
5. Uraikan isi infografik
Pakai prompt ini saat kamu ingin memahami grafik atau infografik tanpa kehilangan konteksnya.
Analisis gambar infografik yang saya lampirkan. Jelaskan topik utamanya, lalu uraikan informasi yang terlihat pada setiap bagian, termasuk label, angka, dan hubungan antarbagian jika terbaca. Ringkas pesan utamanya dalam bahasa sederhana. Pisahkan informasi yang benar-benar terlihat dari interpretasimu, dan tandai teks atau angka yang buram atau tidak pasti. Jangan menebak bagian yang tidak terbaca. Terakhir, sebutkan pertanyaan yang perlu diperiksa sebelum saya memakai informasi ini untuk mengambil keputusan.
6. Tinjau rancangan halaman dari gambar
Pakai prompt ini untuk mendapat masukan awal atas gambar rancangan halaman yang kamu siapkan.
Tinjau gambar rancangan halaman yang saya lampirkan untuk tujuan [jelaskan tujuan halaman] dan pengguna [jelaskan target pengguna]. Jelaskan susunan elemen yang terlihat, urutan perhatian yang mungkin terbentuk, serta bagian yang berpotensi membingungkan. Berikan saran perbaikan yang spesifik untuk tata letak, keterbacaan, dan kejelasan tindakan yang diharapkan dari pengguna. Jelaskan alasan setiap saran. Jika ada detail yang tidak terlihat atau membutuhkan pengujian langsung, sebutkan sebagai keterbatasan, bukan fakta.
Cara memakai hasilnya dengan lebih aman
Semua prompt di atas adalah contoh yang bisa kamu sesuaikan, bukan perintah yang menjamin hasil tertentu. Mulai dengan tujuan yang jelas, lalu tambahkan konteks secara bertahap dan minta model memisahkan asumsi dari informasi yang kamu berikan.
Untuk coding, periksa dan uji kode sebelum memasukkannya ke proyek. Untuk gambar, cocokkan kembali angka dan teks dengan gambar asli. Hindari memasukkan data sensitif jika kamu belum memahami aturan privasi dan pengelolaan data pada layanan yang dipakai.
Kalau tugasnya kompleks, pengaturan kedalaman berpikir bisa membantu kamu memilih keseimbangan antara kecepatan dan ketelitian. Perhatikan juga biaya: Thinking Machines melaporkan rata-rata sekitar $1,18 per tugas dalam evaluasinya, bukan harga pasti untuk setiap penggunaanmu.
