Thinking Machines 的 Inkling 2 Small 在 13 个基准测试中"爆粗口"316 次

Thinking Machines 的 Inkling 2 Small 在 Vals AI 对 2,655 次运行（覆盖 13 个基准）的分析中，共出现 316 次"f**k"及相关变体，集中在 50 次运行。其中两次失控运行贡献了 241 次——一次生成长达 50 万字符的响应，含 158 个脏话。但脏话并非可靠预警信号：约 75% 的全部评分运行会失败，而 96% 的失败运行没有任何脏话。