인터넷이 끊긴 비행기 안에서 맥북 한 대로 비행 시뮬레이터를 만들었다. 싱킹머신즈가 11월 20일 잉클링 2 미니(Inkling 2 Mini)를 내놓으며 보여 준 장면입니다. 시연 기기는 M5 Pro, 램 48GB 맥북 프로였고 비행기 모드였어요.
잉클링 2 미니(Inkling 2 Mini)|32GB 맥에서 돌리는 코딩 모델, 루프 구조와 벤치마크·실행 조건
목차 (8)
클라우드 API 대신 내 컴퓨터에서 코딩 에이전트를 돌리고 싶은 개발자에게 이 모델이 의미 있는 이유는 두 가지입니다. 메모리가 약 20GB로 작고, 그 크기에서 코딩 벤치마크 점수가 가장 높다고 회사가 밝혔거든요. 사양, 실행 조건, 약점까지 공식 발표 기준으로 정리했습니다.
잉클링 2 미니는 어떤 모델인가
| 항목 | 내용 |
|---|---|
| 공개일 | 2026년 11월 20일 |
| 구조 | 전문가 혼합(MoE) + 루프형 트랜스포머 |
| 매개변수 | 전체 264억, 활성 34억 (루프 반영 시 토큰당 54억) |
| 정밀도 | 대부분 NVFP4, 마지막 4개 층만 MXFP8 |
| 메모리 | 약 20GB |
| 배포 | 허깅페이스 가중치, 팅커(Tinker) 추론·미세조정 |

학습부터 NVFP4로 해서, 따로 양자화하지 않아도 학습 때와 같은 정밀도로 작게 돌아간다는 점이 이 모델의 특징입니다.
루프 구조가 왜 코딩에 유리한가
보통 트랜스포머는 토큰 하나가 층을 위에서 아래로 한 번 지나갑니다. 잉클링 2 미니는 가운데 층들을 토큰마다 세 번 반복해서 통과시켜요. 매개변수를 늘리지 않고 생각하는 양을 늘리는 방식입니다.
이렇게 하면 추론 과정을 글로 길게 써 내려가지 않아도 답에 닿는 경우가 늘어납니다. 출력 토큰이 줄면 속도와 비용이 같이 좋아지고, 여러 단계를 판단해야 하는 에이전트형 코딩에서 특히 효과가 크다는 게 회사 설명이에요.
대가도 있습니다. 머릿속에서 더 많이 계산하고 덜 적으면, 사람이 사고 과정(CoT)을 읽고 감시하기 어려워질 수 있죠. 싱킹머신즈는 반복 횟수를 바꿀 수 있는 연구용 모델을 같이 공개해 이 부분을 실험했습니다. 반복이 늘어도 출력된 추론의 가독성은 유지됐다고 밝혔어요.
코딩 벤치마크는 어느 정도인가
1,000억 매개변수 미만 오픈웨이트 모델과 비교한 회사 발표 수치입니다. 비교 대상 중 가장 가까운 건 큐원3.8-27B였어요.
| 벤치마크 | 잉클링 2 미니 | 큐원3.8-27B | 젬마 4 31B |
|---|---|---|---|
| DeepSWE v1.1 | 48.2% | 42.2% | 0.3% |
| SWE-bench Verified | 79.2% | 77.8% | 46.1% |
| SWE-bench Pro v2 Hard | 77.9% | 73.8% | 14.2% |
| SWE-bench Multilingual | 73.7% | 70.0% | 43.0% |
| Terminal Bench v2.1 | 71.6% | 73.0% | 43.4% |

에이전트형 코딩 지표 대부분에서 앞섰고, 터미널 작업 일부는 큐원이 조금 높았습니다. 평가 환경(하네스)이 모델마다 다르다는 단서가 붙어 있으니 순위보다는 체급을 보는 용도로 보세요.
노트북에서 돌리려면
싱킹머신즈가 밝힌 출시 시점 지원 환경은 이렇습니다.
- 맥: 램 32GB 이상 맥북·맥 미니에서 올라마(Ollama)로 실행 지원
- 엔비디아 DGX 스파크: NVFP4 그대로 효율적으로 동작
- 양자화 GGUF: Unsloth와 llama.cpp로 로컬 추론
- 서버 추론: SGLang, vLLM, NVIDIA Dynamo 등
맥 사용자라면 순서는 단순합니다.
# 1. 올라마 설치 후 버전 확인
ollama --version
# 2. 올라마 모델 라이브러리에서 'inkling'을 검색해 정확한 모델 이름 확인
# 3. 확인한 이름으로 받아서 실행
ollama run <모델 이름>
가중치를 받아 내 기기에서 돌리는 건 무료이고, 팅커에서 추론·미세조정을 쓰면 그쪽 사용료가 붙습니다. 모델 이름은 올라마 라이브러리 표기를 그대로 쓰세요. 램이 32GB보다 적은 기기는 공식 지원 대상이 아니라서, 돌아가더라도 다른 앱을 거의 쓸 수 없을 만큼 메모리가 빠듯해질 수 있습니다.
한국어는 잘할까
공식 발표문을 확인해 보니 한국어 성능 수치는 나와 있지 않았습니다. 여러 프로그래밍 언어 코드 수정을 보는 SWE-bench Multilingual이 73.7%로 비교 모델 중 가장 높았지만, 이건 한국어 대화 실력과는 다른 지표예요. 한국어 주석을 단 코드나 한국어 요구사항 문서로 직접 시험해 보고 쓰는 게 안전합니다.
약점: 지식은 크기를 따라간다
루프는 추론을 강하게 하지만 가중치에 저장되는 지식을 늘리지는 않습니다. 사실 정확도를 보는 AA-Omniscience 점수는 비슷한 크기 모델들과 비슷했어요. 여러 조건이 얽힌 지시 수행이나 긴 대화에서는 큐원3.8-27B보다 낮은 지표도 있었습니다.
회사가 내놓은 해법은 검색과 도구입니다. 실제로 BrowseComp 79.0%, MCP Atlas 82.7%처럼 검색·도구 사용 지표는 같은 체급에서 가장 높았어요. 로컬 코딩 에이전트로 쓸 거라면 라이브러리 문서를 검색하는 MCP 도구를 함께 붙이는 구성이 맞아 보입니다.
로컬 모델 보안이 걱정이라면 가짜 클로드 코드 확장 사건 정리도 함께 읽어 보세요. 모델 파일과 확장 프로그램은 공식 경로에서만 받는 게 기본입니다.
맺음말
- 잉클링 2 미니는 전체 264억·활성 34억 매개변수, 메모리 약 20GB의 루프형 오픈웨이트 모델입니다.
- 램 32GB 이상 맥에서 올라마로 돌릴 수 있고, 1,000억 미만 모델 중 에이전트 코딩 점수가 가장 높다고 회사는 밝혔습니다.
- 지식 회상은 체급만큼이라 검색·도구를 붙여 쓰는 편이 좋습니다.
공식 자료
- Introducing Inkling 2 Mini (Thinking Machines Lab, 2026-11-20)
- 싱킹머신즈, 노트북서 구동하는 '잉클링 2 미니' 공개 (AI타임스, 2026-11-22)
👉 다음에 읽을 글
- 마이크로소프트 MAI 모델 7종 — 같은 주에 나온 다른 코딩 모델 소식입니다.
- 클로드 매니지드 에이전트 직접 운영하기 — 에이전트를 내 인프라에서 돌릴 때 참고할 글입니다.
자주 묻는 질문
- 잉클링 2 미니는 무료인가요?
- 가중치가 허깅페이스에 공개돼 내 컴퓨터에서 돌리는 데 사용료는 없습니다. 보도에 따르면 아파치 2.0 라이선스라 상업적 사용도 가능합니다. 싱킹머신즈의 팅커(Tinker)에서 추론·미세조정을 쓰면 그쪽 요금이 붙습니다.
- 내 노트북에서 돌아가나요?
- 싱킹머신즈는 램 32GB 이상인 맥(맥북, 맥 미니)에서 올라마로 실행을 지원한다고 밝혔습니다. 모델 메모리 사용량은 약 20GB입니다. 윈도우·리눅스는 llama.cpp, Unsloth의 양자화 GGUF 파일로 시도할 수 있습니다.
- 한국어는 잘하나요?
- 공식 발표에 한국어 성능 수치는 없습니다. 여러 언어 코드 수정 능력을 보는 SWE-bench Multilingual은 73.7%로 비교 모델 중 가장 높았지만, 이것이 한국어 대화 품질을 뜻하지는 않습니다. 직접 시험해 보고 판단하세요.
- 어떤 작업에 약한가요?
- 루프 구조는 추론을 강하게 하지만 지식 양을 늘리지는 않습니다. 사실 회상 점수는 비슷한 크기 모델과 비슷하고, 싱킹머신즈는 검색·도구를 붙여 보완하라고 설명합니다.