Needle 2 ergänzt das reine Aufmerksamkeitsnetz des Vorgängers um ein Hadamard-MLP, Engram-Speicher und mehrere Residualströme. Es hat 27 Lagen, eine Breite von 512 und rund 70 MFLOPs je Token. Die Lizenz wechselt von MIT zu Apache 2.0; die Gewichte sind direkt in CQ2-bit trainiert und nicht nachträglich quantisiert.
In der Mobile-Actions-Gesamtwertung erreicht Needle 2 63,7 Prozent. LFM2.5 230M kommt auf 69,1, FunctionGemma 270M auf 64,0 und Apple FM auf 57,6 Prozent. Bei BFCL v4 erreicht Needle 2 42,6 Prozent und liegt damit hinter LFM2.5 mit 60,8, Apple FM mit 61,7 und FunctionGemma mit 46,1 Prozent. Auf Seal-Tools liegt es dagegen vorn.
Cactus nennt auf dem Raspberry Pi 5 über 500 Token pro Sekunde beim Dekodieren und über 800 beim Prefill. Eine unabhängige Vorführung brachte Needle 2 auf einem ESP32-S3 zum Laufen: Tool-Aufrufe funktionierten, aber mit etwa 1,86 Token pro Sekunde und rund 40 Sekunden je Aufruf. Diese Einzelläufe belegen das Funktionsprinzip, keine allgemeine Trefferquote.
Die Gesamtgenauigkeit ist aussagekräftiger als die Teilmetrik für den Funktionsnamen, bei der Needle 2 98,3 Prozent erreicht. Die Anbieterwerte sind außerdem nicht symmetrisch gemessen: Needle 2 läuft in 2 Bit, die Vergleichsmodelle in 16 Bit.