BenchLeader

Agnes 2.5 Pro Theta vs Inkling

完整资料:Agnes 2.5 Pro Theta(Sapiens AI)和 Inkling(Thinking Machines),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月21日,Agnes 2.5 Pro Theta 与 Inkling 的质量不相上下(BenchLeader Index 50.7 比 50.2,在 ±10.5 的误差范围内)。Agnes 2.5 Pro Theta 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $0.150 比 $2.57)。在两者都有成绩的所有类别中,Inkling 均领先。Agnes 2.5 Pro Theta 输出更快(约 1.5 倍)。

要点(截至 2026年11月21日)

  • Agnes 2.5 Pro Theta 的 BenchLeader Index 为 50.7,Inkling 为 50.2(BenchLeader,2026年11月21日)。
  • Agnes 2.5 Pro Theta 每百万 token 混合价格为 $0.150(标价,2026年11月21日)。
  • Inkling 每百万 token 混合价格为 $2.57(标价,2026年11月21日)。
  • Agnes 2.5 Pro Theta 比 Inkling 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月21日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程均可类别得分 45 比 46均可
推理Inkling类别得分 52 比 43高
知识Inkling类别得分 60 比 40高
对话质量(人类偏好)–只有 Inkling 有 Arena 评分(类别得分 59)无法比较
成本最低Agnes 2.5 Pro Theta每百万 token 混合价格 $0.150 比 $1.76;智能体编程会话 $0.007 比 $0.076–
首次回答最快Inkling首个回答 token 0.2 秒(Inkling)比 8.8 秒(Agnes 2.5 Pro Theta)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Agnes 2.5 Pro Theta 与 Inkling 的质量不相上下(50.7 比 50.2,在 ±10.5 的误差范围内)。
  • Inkling 在编程、知识、推理方面更强。
  • Agnes 2.5 Pro Theta 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $0.150 比 $2.57)。
  • Agnes 2.5 Pro Theta 的输出速度是对方的 1.7 倍(189 比 110 token/秒)。

概览

规格Agnes 2.5 Pro ThetaInkling
提供商Sapiens AIThinking Machines
发布日期2026年11月7日2026年7月15日
上下文窗口(token)1,000,00065,536
对比时的配置Agnes 2.5 Pro ThetaInkling
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.300 / $0.010$1.00 / $4.05 / $0.170

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Agnes 2.5 Pro ThetaInkling领先者
推理43.251.5Inkling
编程45.346.2持平
智能体与工具–30.2无法比较
数学–54.1无法比较
知识39.560.3Inkling
人类偏好–58.8无法比较
多模态60.4–无法比较
长上下文67.1–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程知识Agnes 2.5 Pro Theta, 推理: 43.2Agnes 2.5 Pro Theta, 编程: 45.3Agnes 2.5 Pro Theta, 知识: 39.5Inkling, 推理: 51.5Inkling, 编程: 46.2Inkling, 知识: 60.3

未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,Agnes 2.5 Pro Theta 领先 0 项,Inkling 领先 0 项。所有同时评测两者的综合评分都认为 Agnes 2.5 Pro Theta 更强。

综合 IndexAgnes 2.5 Pro ThetaInkling领先者
BenchLeader Index50.750.2不相上下
AA Intelligence Index v5.0.124.011.0†Agnes 2.5 Pro Theta

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Agnes 2.5 Pro ThetaInkling
每百万 token 混合价格$0.150$1.76
每百万 token 输入 / 输出$0.100 / $0.300$1.00 / $4.05
每百万 token 缓存输入$0.010$0.170
每项任务价格:聊天回复$0.0001$0.0016
每项任务价格:总结一份 30 页的报告$0.0014$0.014
每项任务价格:代码编辑$0.0011$0.012
每项任务价格:智能体编程会话$0.0072$0.076
每项任务价格:结构化信息提取$0.0003$0.0028
智能体编程会话(输入大多命中缓存)$0.0032$0.039
每项基准测试任务成本(AA Index)$0.575–
每项任务输出 token(AA Index)278k–
其中推理部分229k–
每项任务耗时(AA Index)24 min–
输出速度189 tok/s110 tok/s
首次回答时间8.8 秒0.2 秒
完整回答耗时(最近一次测量 2026年11月13日)16.9 秒–

每个模型都按其排名最高的推理强度设置进行对比。Agnes 2.5 Pro Theta 得分 50.7,首个回答 token 需 9 秒。Inkling 得分 50.2,首个回答 token 需 0 秒;Inkling (xhigh) 为 49.9(18 秒),Inkling (high) 为 44.0(10 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 134 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Agnes 2.5 Pro ThetaInkling
BenchLeader IndexBenchLeader50.750.2
编程得分BenchLeader45.346.2
知识得分BenchLeader39.560.3
长上下文得分BenchLeader67.1–
多模态得分BenchLeader60.4–
推理得分BenchLeader43.251.5
智能体与工具得分BenchLeader–30.2
人类偏好得分BenchLeader–58.8
数学得分BenchLeader–54.1
混合价格(美元/百万 token)BenchLeader$0.150$1.76
输出速度BenchLeader189 tok/s110 tok/s
首次回答时间BenchLeader8.8 秒0.2 秒
上下文窗口BenchLeader1,000,000 token65,536 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–88.3%†
SimpleBenchSimpleBench–50.0%
Arena Hard PromptsArena (LMArena)–1463
LiveBench 2.0 ReasoningLiveBench–78.3%†
LiveBench 1.0 ReasoningLiveBench–78.3%†
GPQA Diamond (AA)Artificial Analysis–87.2%†
Humanity's Last Exam (AA)Artificial Analysis37.2%31.9%†
HLE-Diamond (AA)Artificial Analysis16.8%10.6%†
GPQA Diamond (Vals)Vals AI–87.1%
ARC-AGI-1ARC Prize–79.5%
ARC-AGI-2ARC Prize–36.5%
CritPtArtificial Analysis15.1%5.4%†
CritPt v2 hard subset (AA)Artificial Analysis26.0%18.0%†
HLE-Diamond (Scale)Scale AI SEAL–11.2%†
Arena ExpertArena (LMArena)–1474
Chess PuzzlesEpoch AI Benchmarking Hub–21.0%†
LMCAEpoch AI Benchmarking Hub–37.6%†
DTBenchEpoch AI Benchmarking Hub–87.5%†
编程
SciCodeSciCode–47.0%†
WeirdMLWeirdML–32.3%†
FrontierCodeCognition–14.0%
Arena CodingArena (LMArena)–1494
Arena WebDevArena (LMArena)–1414
LiveBench 2.0 CodingLiveBench–48.7%†
LiveBench 1.0 CodingLiveBench–71.0%†
显示全部 134 项基准测试
指标发布方Agnes 2.5 Pro ThetaInkling
编程
SciCode (AA)Artificial Analysis56.0%47.0%†
LiveCodeBenchVals AI–85.5%
IOIVals AI–14.9%
SWE-bench (Vals)Vals AI–77.6%
Code MigrationVals AI–11.8%
Code Migration v1.1Vals AI–8.8%
ProgramBenchVals AI–0.0%
Vibe Code Bench 1-100Vals AI–7.3%
Vibe Code Bench v1.1Vals AI–19.2%
SWE-Bench Pro V2Scale AI SEAL–89.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–56.9%†
ALE-BenchEpoch AI Benchmarking Hub–946
FrontierSWEEpoch AI Benchmarking Hub–4.1%†
WeirdML v3WeirdML–3.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%1.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis–55.1%†
GameBench 2 OverallDuelLab GameBench 2–25.6
GameBench 2 by reasoning settingDuelLab GameBench 2–26.8†
Design Arena CodeDesign Arena–1186
FrontierCode 1.1 (AA)Artificial Analysis–15.8%†
FrontierCode 2.0 (AA)Artificial Analysis16.6%3.9%†
智能体与工具
Terminal-BenchTerminal-Bench–0.0%†
APEX-AgentsMercor–33.8%
Arena AgentArena (LMArena)–-18.5
LiveBench Long AgenticLiveBench–9.8%†
LiveBench BrowserLiveBench–12.0%†
LiveBench Agentic CodingLiveBench–49.4%†
Terminal-Bench 2.1 (Vals)Vals AI–47.6%
MCP AtlasScale AI SEAL–76.0%†
τ³-bench Bankingτ²-bench–25.0%†
GDPval-AA v2.1Artificial Analysis15071080†
τ³-Banking (AA)Artificial Analysis–29.1%†
Analyst Agent (AA)Artificial Analysis–23.8%†
CyberBenchVals AI–66.8%
Finance Agent v2Vals AI–46.6%
Finance Agent v2.1Vals AI–49.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–3.8%
Harvey's Legal Agent Benchmark v1Vals AI–2.1%
Legal Research BenchVals AI–28.4%
SkillsBenchVals AI–26.1%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI–15.3%
Terminal-Bench 4.0 (Vals)Vals AI–0.5%
Arena Agent Task CompletionArena (LMArena)–-26.9
AutomationBenchArtificial Analysis48.8%5.0%†
GDP.pdf (AA)Artificial Analysis14.2%12.8%†
Harvey LAB-AA v1.1Harvey–0.0%†
EnterpriseOps-GymArtificial Analysis–38.0%†
AA-Briefcase v1.1Artificial Analysis1496833†
GDPxGDPx by SemiAnalysis–2.3%†
Design Arena AgenticDesign Arena–1162
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.8%0.0%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–4.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%†
ProofBenchVals AI–0.0%
LiveBench MathematicsLiveBench–88.4%†
Arena MathsArena (LMArena)–1479
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–40.3%†
LiveBench 2.0 Data AnalysisLiveBench–72.8%†
LiveBench ResearchLiveBench–60.3%†
LiveBench 1.0 Data AnalysisLiveBench–72.8%†
AA-Omniscience v1.1Artificial Analysis-11.2-1.5†
MMLU-ProVals AI–86.3%
LegalBenchVals AI–83.0%
CorpFinVals AI–68.6%
TaxEvalVals AI–75.3%
Excel Modeling BenchmarkVals AI–38.4%
Excel Modeling Benchmark v1.1Vals AI–41.0%
MedCodeVals AI–41.2%
MedScribeVals AI–85.4%
Public Benefits Bench v1.1Vals AI–58.5%
Arena Text FactualityArena (LMArena)–1452
AA-Omniscience v1.1: accuracyArtificial Analysis21.3%39.3%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis58.6%32.8%†
指令遵循
LiveBench LanguageLiveBench–73.5%†
LiveBench Instruction FollowingLiveBench–70.1%†
Arena Instruction FollowingArena (LMArena)–1427
人类偏好
Arena TextArena (LMArena)–1443
EQ-Bench 4EQ-Bench–1212
EQ-Bench Creative Writing v3EQ-Bench–1609
EQ-Bench Longform WritingEQ-Bench–72.5
Arena Creative WritingArena (LMArena)–1389
Arena Multi-turnArena (LMArena)–1445
Arena Longer QueriesArena (LMArena)–1442
多模态
LiveBench DesignLiveBench–55.2%†
MMMU-ProArtificial Analysis78.4%73.5%†
MMMU-Pro (Vals)Vals AI–78.5%
MortgageTaxVals AI–64.0%
AudioMCScale AI SEAL–56.6%†
AudioMC (text output)Scale AI SEAL–56.6%†
Code2Video-AAArtificial Analysis–467†
AA-3DArtificial Analysis–591†
长上下文
AA-LCR v1.1Artificial Analysis84.7%77.3%†
MLCRArtificial Analysis–6.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–148.4
LiveBench 2.0LiveBench–44.3%†
LiveBench 1.0LiveBench–71.9%†
AA Intelligence Index v5.0.1Artificial Analysis24.012.5†
AA Intelligence Index v4.3.2Artificial Analysis–25.0†
AA Progress Index v1Artificial Analysis304.2281.4†
Vals IndexVals AI–29.0
Vals Finance IndexVals AI–38.3%
Vals Multimodal IndexVals AI–49.4%
Vals Router IndexVals AI–29.0%
Vals Legal IndexVals AI–54.2%
安全与诚实
FORTRESSScale AI SEAL–25.0%†
DistressBenchScale AI SEAL–78.5%
元数据
AA Openness IndexArtificial Analysis–38.9†

数据截至 2026年11月21日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261119-1d7fd529faf6 (https://benchmarks.duellab.org/releases/gb2-20261119-1d7fd529faf6/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Agnes 2.5 Pro Theta:1 项新结果(AA Progress Index v1)。
  • Inkling:1 项分数修订。
  • Inkling:2 项分数修订。
  • Inkling:BenchLeader Index 47.8 → 50.4。
  • Inkling:1 项分数修订。
  • Agnes 2.5 Pro Theta:首批结果。
  • Inkling:5 项分数修订。
  • Inkling:1 项分数修订。
  • Inkling:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Agnes 2.5 Pro Theta vs Inkling:常见问题

Agnes 2.5 Pro Theta 比 Inkling 更好吗?
Agnes 2.5 Pro Theta 与 Inkling 的质量不相上下(50.7 比 50.2,在 ±10.5 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月21日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Agnes 2.5 Pro Theta 和 Inkling 哪个更便宜?价格会变吗?
目前 Agnes 2.5 Pro Theta 更便宜:每百万 token $0.150 比 $2.57(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Agnes 2.5 Pro Theta 还是 Inkling 更好?
两者在编程方面持平(类别得分 45 比 46)。
Agnes 2.5 Pro Theta 和 Inkling 哪个更快?
Agnes 2.5 Pro Theta 输出更快(约 1.5 倍;输出 189 比 110 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Agnes 2.5 Pro Theta 支持更长的上下文:1,000,000 token,Inkling 为 65,536 token。
更多问题(2)
哪个延迟更低?
Inkling 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.2 秒比 8.8 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
Agnes 2.5 Pro Theta 是什么时候发布的?
Agnes 2.5 Pro Theta 于 2026年11月7日 发布。