Inkling 2 Small chega ao AI Gateway da Vercel para agentes de código com visão computacional

A Vercel anunciou em seu changelog que o Inkling 2 Small, modelo de raciocínio multimodal da Thinking Machines, passou a estar disponível no AI↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → Gateway. O modelo aceita texto e imagem como entrada e devolve texto como saída, o que o coloca numa categoria específica dentro do catálogo do Gateway: não é só mais um LLM de texto, é um modelo pensado para tarefas que envolvem enxergar alguma coisa antes de agir.

A Thinking Machines vem posicionando seus modelos como ferramentas para trabalho de conhecimento profissional, não só chat. O nome "Small" sugere que existe uma estratégia de tamanhos diferentes por trás da família Inkling 2, mas a Vercel não detalha variantes maiores no changelog, então fica como ponto em aberto.

Para que serve na prática

Segundo a Vercel, o Inkling 2 Small consegue trabalhar em tarefas de codificação mais longas, usar ferramentas para buscar informação e transformar o que encontrou em documentos, planilhas e outros entregáveis. A parte visual é o que chama mais atenção de quem mexe com front-end↳Front-end60 conteúdosFront-end em larga escala: quando seu projeto vira um Frankenstein (e como evitar)Dev (Back & Front) · mar 2026Build e bundling no front-end: 7 decisões que impactam performance de verdadeDev (Back & Front) · abr 2026Como modelar APIs pensando no front-end: 8 práticas para evitar retrabalho entre timesDev (Back & Front) · abr 2026Ver tudo em Dev (Back & Front) →: o modelo lê texto dentro de imagens, interpreta gráficos e infográficos, e inspeciona interfaces.

O uso mais interessante para quem desenvolve UI é o loop de desenvolvimento visual descrito pela própria Vercel: o modelo pode usar capturas de tela para checar a saída do código que ele mesmo escreveu e guiar a próxima revisão. Na prática, isso significa um agente capaz de rodar um ciclo de "escrevi o componente, tirei print, comparei com o que era esperado, ajustei", sem que um humano precise copiar e colar screenshot manualmente a cada iteração.

Como chamar o modelo via AI SDK

A integração segue o padrão que a Vercel já usa para qualquer modelo do Gateway: troca de string, sem mudar o resto do código. O nome do modelo é thinkingmachines/inkling-2-small, e o exemplo publicado no changelog usa a função streamText() do pacote ai:

import { streamText } from 'ai';

const result = streamText({
  model: 'thinkingmachines/inkling-2-small',
  prompt: 'Write a TypeScript function that groups tasks by status.',
});

for await (const text of result.textStream) {
  process.stdout.write(text);
}

Quem já usa o AI SDK da Vercel para outros modelos (GPT, Claude, Gemini) não precisa aprender nada novo: é trocar o valor de model e, se for usar imagem como entrada, montar o prompt com o conteúdo multimodal que a API já aceita. Esse é o ponto central do AI Gateway como produto: ele abstrai a camada de provedor para que testar um modelo novo custe uma linha de código, não uma integração nova.

Usando dentro de Claude Code, Codex e Cursor

Para quem prefere trabalhar dentro de um agente de código já instalado em vez de chamar a API diretamente, a Vercel documenta um caminho de três passos:

1. Instalar a versão mais recente do Vercel CLI.
2. Rodar npx vercel ai-gateway setup no projeto.
3. Selecionar thinkingmachines/inkling-2-small como modelo dentro do agente (Claude Code, Codex, Cursor, entre outros).

Isso é relevante porque desacopla a escolha de modelo da escolha de ferramenta: o mesmo Cursor ou Claude Code que hoje usa um modelo da Anthropic ou da OpenAI pode, com essa configuração, rodar tarefas específicas no Inkling 2 Small sem trocar de editor nem de fluxo de trabalho. Para quem testa modelos lado a lado em tarefas de codificação visual, isso reduz bastante o atrito de comparação.

O que o AI Gateway resolve por trás disso

O Gateway não é só um roteador de chamadas: ele também cuida de billing, failover e observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps →, o que importa quando se está rodando um modelo novo em produção sem saber ainda o comportamento dele sob carga. Os recursos citados pela Vercel incluem:

• Relatórios de uso e custo por chave de API.
• Suporte a Zero Data Retention, para quem tem restrição de compliance sobre reter dados de prompt.
• Orçamentos (budgets) configuráveis por chave.
• Regras de roteamento entre provedores, incluindo failover automático.

Um ponto que vale destacar: a Vercel afirma que o Gateway reflete o preço do provedor sem markup e não cobra taxa de plataforma sobre inferência, inclusive em requisições Bring Your Own Key (BYOK). Isso muda o cálculo de quem hesitava em usar um gateway por medo de pagar duas vezes pelo mesmo token, uma vez para a Thinking Machines e outra para a Vercel.

Onde isso ajuda e onde ainda é cedo pra confiar

Em resumo: o Inkling 2 Small é uma peça a mais num tabuleiro que já tem dezenas de modelos no mesmo Gateway, e a decisão de usá-lo deveria vir de um teste real na tarefa específica, não da novidade.

Para revisão automatizada de UI (bater screenshot, comparar com design, sugerir ajuste de CSS ou de markup), o modelo preenche um nicho que hoje é coberto por ferramentas de visual regression testing ou por modelos multimodais genéricos adaptados na marra para essa função. Ter um modelo que já assume esse caso de uso como primeira classe é diferente de usar um modelo de propósito geral e torcer para ele entender o contexto visual.

O que ainda falta saber, porque o changelog da Vercel não traz esse dado, é benchmark de qualidade comparado a outros modelos de visão disponíveis no mesmo Gateway (como os da família Claude ou Gemini) em tarefas de inspeção de interface. Antes de trocar um pipeline de QA visual já validado, o caminho mais seguro é rodar o mesmo conjunto de telas pelos modelos candidatos e comparar acerto, não assumir que "multimodal e pensado para código" já garante resultado melhor no seu caso específico.

Também vale notar que o modelo produz apenas saída em texto: para workflows que dependem de gerar imagem (mockups, variações visuais), ele não é a peça certa, mesmo sendo bom em interpretar imagem de entrada. Quem precisa de geração visual continua dependendo de outro modelo no mesmo Gateway, possivelmente orquestrado junto com o Inkling 2 Small numa cadeia de agentes.

Fonte: Vercel Changelog