DeepSeek V4 Flash vs Inkling 2 Small
詳しいプロフィール:DeepSeek V4 Flash(DeepSeek)とInkling 2 Small(Thinking Machines)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 11件の情報源のデータ
2026年11月16日時点で、DeepSeek V4 FlashとInkling 2 Smallの品質は互角です(BenchLeader Indexで57.2 対 57.9、±5.2の誤差範囲内)。価格はDeepSeek V4 Flashの方が1.8倍安く、100万トークンあたりのブレンド価格で$0.262 対 $0.475です。推論(59 対 53)、人間の評価(62 対 59)、知識(55 対 54)を重視するならDeepSeek V4 Flash、コーディング(60 対 55)を重視するならInkling 2 Smallが向いています。回答開始までの時間はDeepSeek V4 Flashの方が短く、0.7秒 対 49.0秒です。Inkling 2 Smallは出力が約1.5倍速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはDeepSeek V4 Flashが57.2、Inkling 2 Smallが57.9です(BenchLeader、2026年11月16日)。
- DeepSeek V4 Flashの100万トークンあたりのブレンド価格は$0.262です(定価、2026年11月16日)。
- Inkling 2 Smallの100万トークンあたりのブレンド価格は$0.475です(定価、2026年11月16日)。
- Inkling 2 SmallはDeepSeek V4 Flashより出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
- 両モデルに結果がある17件のベンチマークのうち、Inkling 2 Smallが10件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はDeepSeek V4 Flashが1582、Inkling 2 Smallが1647です(LMArena、2026年11月16日までの公開値)。
用途別のおすすめ
おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。
| 用途 | おすすめ | 理由 | 信頼度 |
|---|---|---|---|
| コーディング | Inkling 2 Small | カテゴリスコア60 対 55;Arena WebDev 1647 対 1582 | 中 |
| 推論 | DeepSeek V4 Flash | カテゴリスコア59 対 53;Arena Hard Prompts 1459 対 1438 | 中 |
| 知識 | DeepSeek V4 Flash | カテゴリスコア55 対 54;BioMysteryBench 64.4% 対 70.0% | 中 |
| チャットの質(人間の評価) | DeepSeek V4 Flash | Arenaの投票で62 対 59 | 中 |
| 最低コスト | DeepSeek V4 Flash | 100万トークンあたりブレンド価格$0.262 対 $0.475;エージェント型コーディングセッション$0.011 対 $0.022 | – |
| 回答開始の速さ | DeepSeek V4 Flash | 最初の回答トークンまで0.7秒(DeepSeek V4 Flash (high))対 49.0秒(Inkling 2 Small) | – |
| 低予算での大量処理 | フラッグシップ以外 | 小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM | – |
主な違い
- DeepSeek V4 Flash (high)とInkling 2 Smallの品質は互角です(57.2 対 57.9、±5.2の誤差範囲内)。
- DeepSeek V4 Flash (high)は人間の評価、知識、推論で優れています。
- Inkling 2 Smallはコーディングで優れています。
- DeepSeek V4 Flash (high)の方が1.8倍安くなっています(100万トークンあたりブレンド価格$0.262 対 $0.475)。
概要
| 仕様 | DeepSeek V4 Flash | Inkling 2 Small |
|---|---|---|
| プロバイダー | DeepSeek | Thinking Machines |
| リリース日 | 2026年7月31日 | 2026年11月5日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,048,576 |
| 比較した構成 | DeepSeek V4 Flash (high) | Inkling 2 Small |
| オープンウェイト | あり | なし |
| 100万トークンあたりの価格(入力/出力/キャッシュ入力) | $0.150 / $0.600 / $0.0030 | $0.300 / $1.00 / $0.030 |
カテゴリ別の比較
カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。
| カテゴリ | DeepSeek V4 Flash (high) | Inkling 2 Small | トップ |
|---|---|---|---|
| 推論 | 59.2 | 52.8 | DeepSeek V4 Flash |
| コーディング | 55.0 | 60.3 | Inkling 2 Small |
| エージェント・ツール | – | 61.1 | 比較不可 |
| 数学 | 61.9 | – | 比較不可 |
| 知識 | 54.8 | 53.5 | DeepSeek V4 Flash |
| 人間の評価 | 62.0 | 58.6 | DeepSeek V4 Flash |
| マルチモーダル | – | 64.0 | 比較不可 |
| 長文コンテキスト | – | 66.4 | 比較不可 |
1つのグラフで比較
各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。
描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 数学, 指示追従, 長文コンテキスト, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある17件のベンチマークのうち、DeepSeek V4 Flashのリードが7件、Inkling 2 Smallのリードが10件です。両方を評価しているすべての総合指標で、DeepSeek V4 Flashが上回っています。
| 総合Index | DeepSeek V4 Flash (high) | Inkling 2 Small | トップ |
|---|---|---|---|
| BenchLeader Index | 57.2 | 57.9 | 互角 |
| Arena Text | 1439 | 1412 | DeepSeek V4 Flash |
公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。
価格・速度・レイテンシ
定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。
| 指標 | DeepSeek V4 Flash (high) | Inkling 2 Small |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $0.262 | $0.475 |
| 100万トークンあたりの入力/出力 | $0.150 / $0.600 | $0.300 / $1.00 |
| 100万トークンあたりのキャッシュ入力 | $0.0030 | $0.030 |
| タスクあたりの価格:チャットの返答 | $0.0002 | $0.0004 |
| タスクあたりの価格:30ページのレポートを要約 | $0.0022 | $0.0042 |
| タスクあたりの価格:コード編集 | $0.0018 | $0.0033 |
| タスクあたりの価格:エージェント型コーディングセッション | $0.011 | $0.022 |
| タスクあたりの価格:構造化データの抽出 | $0.0004 | $0.0008 |
| エージェント型コーディングセッション(入力の大半がキャッシュ) | $0.0048 | $0.0099 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $1.18 |
| タスクあたりの出力トークン(AA Index) | – | 150k |
| うち推論 | – | 88k |
| タスクあたりの時間(AA Index) | – | 25 min |
| 出力速度 | 82 tok/s | 100 tok/s |
| 回答開始までの時間 | 0.7秒 | 49.0秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 163.6秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。DeepSeek V4 Flash (high)のスコアは57.2、最初の回答トークンまで1秒。DeepSeek V4 Flash (max)は56.8(28秒)、DeepSeek V4 Flashは53.8(1秒)。Inkling 2 Smallのスコアは57.9、最初の回答トークンまで49秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
127件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | DeepSeek V4 Flash (high) | Inkling 2 Small |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.2 | 57.9 |
| コーディングスコア | BenchLeader | 55.0 | 60.3 |
| 人間の評価スコア | BenchLeader | 62.0 | 58.6 |
| 知識スコア | BenchLeader | 54.8 | 53.5 |
| 数学スコア | BenchLeader | 61.9 | – |
| 推論スコア | BenchLeader | 59.2 | 52.8 |
| エージェント・ツールスコア | BenchLeader | – | 61.1 |
| 長文コンテキストスコア | BenchLeader | – | 66.4 |
| マルチモーダルスコア | BenchLeader | – | 64.0 |
| ブレンド価格($/100万トークン) | BenchLeader | $0.262 | $0.475 |
| 出力速度 | BenchLeader | 82 tok/s | 100 tok/s |
| 回答開始までの時間 | BenchLeader | 0.7秒 | 49.0秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 91.0%† | – |
| SimpleBench | SimpleBench | 61.1%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1459 | 1438 |
| LiveBench 1.0 Reasoning | LiveBench | 86.6%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 38.5%† | 44.1% |
| HLE-Diamond (AA) | Artificial Analysis | – | 28.7% |
| GPQA Diamond (Vals) | Vals AI | 89.9% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 52.2%† | – |
| ARC-AGI-1 | ARC Prize | 87.0% | 96.5%† |
| ARC-AGI-2 | ARC Prize | 56.0% | 81.7%† |
| CritPt | Artificial Analysis | 16.6%† | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 35.0% |
| MysteryMechanism | Vals AI | – | 25.2% |
| Arena Expert | Arena (LMArena) | 1467 | 1488 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 34.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 41.7%† | – |
| DTBench | Epoch AI Benchmarking Hub | 90.9%† | – |
| コーディング | |||
| SciCode | SciCode | 42.0% | 52.3% |
| WeirdML | WeirdML | 57.0% | – |
| FrontierCode | Cognition | 18.8%† | – |
| Arena Coding | Arena (LMArena) | 1480 | 1485 |
| Arena WebDev | Arena (LMArena) | 1582 | 1647 |
| LiveBench 1.0 Coding | LiveBench | 75.0%† | – |
127件のベンチマークをすべて表示
| 指標 | 公開元 | DeepSeek V4 Flash (high) | Inkling 2 Small |
|---|---|---|---|
| コーディング | |||
| SciCode (AA) | Artificial Analysis | 50.4%† | 52.3% |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 32.7% | – |
| SWE-bench (Vals) | Vals AI | 88.8% | – |
| Code Migration | Vals AI | 38.6% | – |
| ProgramBench | Vals AI | 0.0% | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 43.1% |
| Vibe Code Bench v1.1 | Vals AI | 74.7% | 81.5% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 61.9% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 74.2% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 58.1% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 53.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 97.7% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 86.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 678.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.1%† | 13.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7%† | 81.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | 34.1† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 43.4 | – |
| Design Arena Website | Design Arena | 1199† | 1335 |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 25.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 13.0%† |
| APEX-Agents | Mercor | – | 46.8% |
| Arena Agent | Arena (LMArena) | – | 2.5 |
| LiveBench Agentic Coding | LiveBench | 46.8%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.0%† | – |
| MCP Atlas | Scale AI SEAL | – | 85.4% |
| HiL-Bench | Scale AI SEAL | 47.8%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1437† | 1630 |
| τ³-Banking (AA) | Artificial Analysis | 39.4%† | 40.4% |
| Analyst Agent (AA) | Artificial Analysis | – | 51.3% |
| CyberBench | Vals AI | 72.1% | 72.7% |
| Finance Agent v2 | Vals AI | 49.5% | – |
| Finance Agent v2.1 | Vals AI | – | 67.5% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.7% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.3% | – |
| Legal Research Bench | Vals AI | 30.3% | 46.6% |
| SkillsBench | Vals AI | 50.7% | – |
| SREBench | Vals AI | – | 1.9% |
| Tax Agent Bench | Vals AI | 28.1% | 38.9% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 18.7% | 12.6% |
| Terminal-Bench Science | Vals AI | 4.3% | 2.9% |
| Arena Agent Task Completion | Arena (LMArena) | – | 3.3 |
| AutomationBench | Artificial Analysis | 54.0%† | 45.6% |
| GDP.pdf (AA) | Artificial Analysis | 11.0%† | 25.2% |
| EnterpriseOps-Gym | Artificial Analysis | – | 46.8% |
| AA-Briefcase v1.1 | Artificial Analysis | 1255† | 1527 |
| Design Arena Agentic | Design Arena | – | 1315 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 5.7% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 57.5%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 24.4%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | – |
| ProofBench | Vals AI | 56.0%† | – |
| LiveBench Mathematics | LiveBench | 86.8%† | – |
| AIME 2026 | MathArena | 95.8%† | – |
| HMMT February 2026 | MathArena | 93.9%† | – |
| MathArena Apex | MathArena | 27.1%† | – |
| ArXivMath | MathArena | – | 31.9% |
| BrokenArXiv | MathArena | – | 63.2% |
| Arena Maths | Arena (LMArena) | 1441 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 33.6%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 16.1 |
| MMLU-Pro | Vals AI | 86.2% | – |
| LegalBench | Vals AI | 77.7% | – |
| CorpFin | Vals AI | 61.9% | – |
| TaxEval | Vals AI | 70.7% | – |
| BioMysteryBench | Vals AI | 64.4% | 70.0% |
| Excel Modeling Benchmark | Vals AI | 57.0% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 69.5% |
| MedCode | Vals AI | 41.4% | – |
| MedScribe | Vals AI | 80.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 33.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 73.3% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 79.2%† | – |
| LiveBench Instruction Following | LiveBench | 65.5%† | – |
| Arena Instruction Following | Arena (LMArena) | 1434 | 1410 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1439 | 1412 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1559† | – |
| Arena Creative Writing | Arena (LMArena) | 1411 | 1345 |
| Arena Multi-turn | Arena (LMArena) | 1447 | 1415 |
| Arena Longer Queries | Arena (LMArena) | 1449 | 1410 |
| マルチモーダル | |||
| MMMU-Pro | Artificial Analysis | – | 81.6% |
| SAGE | Vals AI | – | 88.6% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 33.3% |
| VIALS-AA | Handshake AI | – | 42.9% |
| Code2Video-AA | Artificial Analysis | – | 1020 |
| AA-3D | Artificial Analysis | – | 1027 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7%† | 83.3% |
| MLCR | Artificial Analysis | – | 20.6% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 154.4† | – |
| LiveBench 1.0 | LiveBench | 74.2%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 30.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 34.3† | – |
| AA Progress Index v1 | Artificial Analysis | 309.4† | – |
| Vals Index | Vals AI | – | 56.1 |
| Vals Finance Index | Vals AI | – | 61.5% |
| Vals Science Index | Vals AI | – | 32.7% |
| Vals Legal Index | Vals AI | – | 73.9% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.2% |
| DistressBench | Scale AI SEAL | – | 82.3% |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 44.4† | 38.9 |
データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
最近の変化
- Inkling 2 Small:スコアの改訂1件、価格 $0.060/M → $0.030/M。
- DeepSeek V4 Flash (high):スコアの改訂1件。
- Inkling 2 Small:スコアの改訂1件。
- Inkling 2 Small:BenchLeader Index 58.4 → 57.9。
- Inkling 2 Small:新しい結果2件(FORTRESS, Design Arena Agentic)。
- Inkling 2 Small:新しい結果2件(MysteryMechanism, Vals Science Index)、スコアの改訂1件。
- Inkling 2 Small:新しい結果3件(SciCode, APEX-Agents, MLCR)。
- Inkling 2 Small:新しい結果8件(Arena Text, Arena Hard Prompts, Arena Coding…)、スコアの改訂2件。
- Inkling 2 Small:BenchLeader Index 57.5 → 58.4。
- Inkling 2 Small:新しい結果1件(Arena WebDev)。
関連する比較
- DeepSeek V4 Flash vs Claude Fable 5.1
- DeepSeek V4 Flash vs GPT-6.1 Sol
- Inkling 2 Small vs Gemini 4 Carbon
- Inkling 2 Small vs Claude Opus 5.5
- Inkling 2 Small vs GPT-6 Astra
- Inkling 2 Small vs Claude Fable 5.1
- DeepSeek V4 Flash vs Gemini 4 Argon
- DeepSeek V4 Flash vs Claude Sonnet 5.5
ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM
DeepSeek V4 Flash vs Inkling 2 Small:よくある質問
- DeepSeek V4 FlashはInkling 2 Smallより優れていますか?
- DeepSeek V4 Flash (high)とInkling 2 Smallの品質は互角です(57.2 対 57.9、±5.2の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
- DeepSeek V4 FlashとInkling 2 Smallはどちらが安いですか?今後変わる予定はありますか?
- 現在はDeepSeek V4 Flashの方が安く、100万トークンあたり$0.262 対 $0.475です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
- コーディングにはDeepSeek V4 FlashとInkling 2 Smallのどちらが向いていますか?
- コーディングではInkling 2 Smallの方がスコアが高くなっています(カテゴリ指標で60 対 55。50が平均)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、DeepSeek V4 Flashが1582、Inkling 2 Smallが1647です。
- DeepSeek V4 FlashとInkling 2 Smallはどちらが速いですか?
- Inkling 2 Smallの方が出力が約1.5倍速くなっています(出力100 対 82トークン/秒、Artificial Analysisの7日間の中央値)。
- 長い文書にはどちらが向いていますか?
- どちらも1,048,576トークンのコンテキストに対応しています。
ほかの質問(3件)
- レイテンシが低いのはどちらですか?
- 先に回答を始めるのはDeepSeek V4 Flashです。Artificial Analysisの測定では、最初の回答トークンまで0.7秒 対 49.0秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
- DeepSeek V4 FlashとInkling 2 Smallについて、第三者ベンチマークの評価は一致していますか?
- 両方に結果がある17件のベンチマークのうち、DeepSeek V4 Flashのリードが7件、Inkling 2 Smallのリードが10件です。両方を評価しているすべての総合指標で、DeepSeek V4 Flashが上回っています。
- Inkling 2 Smallはいつリリースされましたか?
- Inkling 2 Smallは2026年11月5日にリリースされました。