Gemini 4 Carbon vs Inkling 2 Small
完整资料:Gemini 4 Carbon(Google)和 Inkling 2 Small(Thinking Machines),包括全部基准测试、价格和排名。
更新于 · 数据来自 13 个来源
截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 Inkling 2 Small(BenchLeader Index 68.9 比 57.9)。不过,Inkling 2 Small 更便宜,对方的价格是它的 8.4 倍(每百万 token 混合价格 $0.475 比 $4.00)。看重知识(76 比 54)、推理(73 比 53)和人类偏好(73 比 59)选 Gemini 4 Carbon;看重长上下文(66 比 64)选 Inkling 2 Small。Inkling 2 Small 的输出更快。
要点(截至 2026年11月16日)
- Gemini 4 Carbon 的 BenchLeader Index 为 68.9,Inkling 2 Small 为 57.9(BenchLeader,2026年11月16日)。
- Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
- Inkling 2 Small 每百万 token 混合价格为 $0.475(标价,2026年11月16日)。
- Inkling 2 Small 比 Gemini 4 Carbon 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 38 项基准测试中,Gemini 4 Carbon 领先 34 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1768,Inkling 2 Small 为 1647(LMArena,截至 2026年11月16日 的公布数据)。
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 | Gemini 4 Carbon | 类别得分 74 比 60;Arena WebDev 1768 比 1647 | 高 |
| 智能体与工具调用 | Gemini 4 Carbon | 类别得分 70 比 61;Arena Agent 17 比 2.5 | 高 |
| 推理 | Gemini 4 Carbon | 类别得分 73 比 53;HLE-Diamond (AA) 69.1% 比 28.7% | 高 |
| 知识 | Gemini 4 Carbon | 类别得分 76 比 54;AA-Omniscience v1.1 53.5 比 16.1 | 高 |
| 长文档 | Inkling 2 Small | 类别得分 66 比 64;AA-LCR v1.1 83.3% 比 79.3% | 中 |
| 对话质量(人类偏好) | Gemini 4 Carbon | Arena 投票 73 比 59 | 高 |
| 成本最低 | Inkling 2 Small | 每百万 token 混合价格 $0.475 比 $4.00;智能体编程会话 $0.022 比 $0.160 | – |
| 首次回答最快 | Inkling 2 Small | 首个回答 token 49.0 秒(Inkling 2 Small)比 73.5 秒(Gemini 4 Carbon (high)) | – |
| 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
- 质量上 Gemini 4 Carbon (high) 领先:68.9 比 57.9。
- Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
- Inkling 2 Small 在长上下文方面更强。
- Inkling 2 Small 更便宜,对方的价格是它的 8.4 倍(每百万 token 混合价格 $0.475 比 $4.00)。
- Inkling 2 Small 的输出速度是对方的 1.6 倍(100 比 64 token/秒)。
概览
| 规格 | Gemini 4 Carbon | Inkling 2 Small |
|---|---|---|
| 提供商 | Thinking Machines | |
| 发布日期 | 2026年10月28日 | 2026年11月5日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Gemini 4 Carbon (high) | Inkling 2 Small |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $2.00 / $10.00 / $0.100 | $0.300 / $1.00 / $0.030 |
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 | Gemini 4 Carbon (high) | Inkling 2 Small | 领先者 |
|---|---|---|---|
| 推理 | 73.2 | 52.8 | Gemini 4 Carbon |
| 编程 | 74.1 | 60.3 | Gemini 4 Carbon |
| 智能体与工具 | 70.3 | 61.1 | Gemini 4 Carbon |
| 数学 | 71.9 | – | 无法比较 |
| 知识 | 76.1 | 53.5 | Gemini 4 Carbon |
| 人类偏好 | 72.6 | 58.6 | Gemini 4 Carbon |
| 多模态 | – | 64.0 | 无法比较 |
| 长上下文 | 64.3 | 66.4 | Inkling 2 Small |
| 综合 | 70.3 | – | 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。
未绘制(测得的模型少于两个):数学, 指令遵循, 多模态。
各来源的分歧
在两者都有结果的 38 项基准测试中,Gemini 4 Carbon 领先 34 项,Inkling 2 Small 领先 4 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
| 综合 Index | Gemini 4 Carbon (high) | Inkling 2 Small | 领先者 |
|---|---|---|---|
| BenchLeader Index | 68.9 | 57.9 | Gemini 4 Carbon |
| AA Intelligence Index v5.0.1 | 60.0 | 30.6 | Gemini 4 Carbon |
| Vals Index | 70.5 | 56.1 | Gemini 4 Carbon |
| Arena Text | 1526 | 1412 | Gemini 4 Carbon |
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 | Gemini 4 Carbon (high) | Inkling 2 Small |
|---|---|---|
| 每百万 token 混合价格 | $4.00 | $0.475 |
| 每百万 token 输入 / 输出 | $2.00 / $10.00 | $0.300 / $1.00 |
| 每百万 token 缓存输入 | $0.100 | $0.030 |
| 每项任务价格:聊天回复 | $0.0038 | $0.0004 |
| 每项任务价格:总结一份 30 页的报告 | $0.030 | $0.0042 |
| 每项任务价格:代码编辑 | $0.027 | $0.0033 |
| 每项任务价格:智能体编程会话 | $0.160 | $0.022 |
| 每项任务价格:结构化信息提取 | $0.0060 | $0.0008 |
| 智能体编程会话(输入大多命中缓存) | $0.074 | $0.0099 |
| 每项基准测试任务成本(AA Index) | $5.48 | $1.18 |
| 每项任务输出 token(AA Index) | 123k | 150k |
| 其中推理部分 | 72k | 88k |
| 每项任务耗时(AA Index) | 32 min | 25 min |
| 输出速度 | 64 tok/s | 100 tok/s |
| 首次回答时间 | 73.5 秒 | 49.0 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 160.6 秒 | 163.6 秒 |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Gemini 4 Carbon (high) 上花费 $5.48,在 Inkling 2 Small 上花费 $1.18;完成同样的工作,Inkling 2 Small 输出的 token 是对方的 1.2 倍。
每个模型都按其排名最高的推理强度设置进行对比。Gemini 4 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 秒)。Inkling 2 Small 得分 57.9,首个回答 token 需 49 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 112 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 | Gemini 4 Carbon (high) | Inkling 2 Small |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 68.9 | 57.9 |
| 智能体与工具得分 | BenchLeader | 70.3 | 61.1 |
| 编程得分 | BenchLeader | 74.1 | 60.3 |
| 综合得分 | BenchLeader | 70.3 | – |
| 人类偏好得分 | BenchLeader | 72.6 | 58.6 |
| 知识得分 | BenchLeader | 76.1 | 53.5 |
| 长上下文得分 | BenchLeader | 64.3 | 66.4 |
| 数学得分 | BenchLeader | 71.9 | – |
| 推理得分 | BenchLeader | 73.2 | 52.8 |
| 多模态得分 | BenchLeader | – | 64.0 |
| 混合价格(美元/百万 token) | BenchLeader | $4.00 | $0.475 |
| 输出速度 | BenchLeader | 64 tok/s | 100 tok/s |
| 首次回答时间 | BenchLeader | 73.5 秒 | 49.0 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 96.5% | – |
| SimpleBench | SimpleBench | 92.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1547 | 1438 |
| LiveBench 2.0 Reasoning | LiveBench | 90.6% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 44.1% |
| HLE-Diamond (AA) | Artificial Analysis | 69.1% | 28.7% |
| ARC-AGI-1 | ARC Prize | 97.5% | 96.5%† |
| ARC-AGI-2 | ARC Prize | 92.1% | 81.7%† |
| ARC-AGI-3 | ARC Prize | 96.9% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 69.0% | 35.0% |
| MysteryMechanism | Vals AI | – | 25.2% |
| Arena Expert | Arena (LMArena) | 1567 | 1488 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 78.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 73.0% | – |
| 编程 | |||
| SciCode | SciCode | 64.2% | 52.3% |
| Arena Coding | Arena (LMArena) | 1568 | 1485 |
| Arena WebDev | Arena (LMArena) | 1768 | 1647 |
| LiveBench 2.0 Coding | LiveBench | 91.0% | – |
| SciCode (AA) | Artificial Analysis | – | 52.3% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 43.1% |
| Vibe Code Bench v1.1 | Vals AI | 89.1% | 81.5% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 49.7% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 71.4%† | 61.9% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | 74.2% |
显示全部 112 项基准测试
| 指标 | 发布方 | Gemini 4 Carbon (high) | Inkling 2 Small |
|---|---|---|---|
| 编程 | |||
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 76.7%† | 58.1% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 64.3%† | 53.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 97.7% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 86.3% |
| CursorBench | Cursor | 60.4% | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 61.2% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 65.2% | 13.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 81.3% |
| Design Arena Website | Design Arena | 1319† | 1335 |
| FrontierCode 2.0 (AA) | Artificial Analysis | 40.6% | 25.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 64.5% | 13.0%† |
| APEX-Agents | Mercor | 84.2%† | 46.8% |
| Arena Agent | Arena (LMArena) | 17 | 2.5 |
| LiveBench Long Agentic | LiveBench | 72.7% | – |
| LiveBench Browser | LiveBench | 80.0% | – |
| MCP Atlas | Scale AI SEAL | – | 85.4% |
| HiL-Bench | Scale AI SEAL | 50.3%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1733 | 1630 |
| τ³-Banking (AA) | Artificial Analysis | – | 40.4% |
| Analyst Agent (AA) | Artificial Analysis | – | 51.3% |
| CyberBench | Vals AI | – | 72.7% |
| Finance Agent v2.1 | Vals AI | 67.2% | 67.5% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 17.5% | 21.7% |
| Legal Research Bench | Vals AI | 55.8% | 46.6% |
| SREBench | Vals AI | – | 1.9% |
| Tax Agent Bench | Vals AI | 51.8% | 38.9% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 63.1% | 12.6% |
| Terminal-Bench Science | Vals AI | – | 2.9% |
| Arena Agent Task Completion | Arena (LMArena) | 18.4 | 3.3 |
| Vending-Bench 2 | Andon Labs | 16484.2† | – |
| AutomationBench | Artificial Analysis | 77.8% | 45.6% |
| GDP.pdf (AA) | Artificial Analysis | 28.4% | 25.2% |
| EnterpriseOps-Gym | Artificial Analysis | – | 46.8% |
| AA-Briefcase v1.1 | Artificial Analysis | 1611 | 1527 |
| GDPx | GDPx by SemiAnalysis | 10.9% | – |
| Design Arena Agentic | Design Arena | 1305† | 1315 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 64.8% | 5.7% |
| MKA (AA) | Artificial Analysis | 54.3% | – |
| FACTS Search | 94.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 90.5% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 95.1% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | – |
| ArXivMath | MathArena | 94.3% | 31.9% |
| BrokenArXiv | MathArena | 84.4% | 63.2% |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 77.7% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 86.5% | – |
| LiveBench Research | LiveBench | 92.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 53.5 | 16.1 |
| PRBench Legal | Scale AI SEAL | 53.4%† | – |
| BioMysteryBench | Vals AI | – | 70.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 76.5% | 69.5% |
| DrugDiscoveryBench | Scale AI SEAL | 71.5% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 87.6% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 58.3% | 33.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 88.6% | 73.3% |
| FACTS Parametric | 81.6%† | – | |
| 指令遵循 | |||
| Arena Instruction Following | Arena (LMArena) | 1525 | 1410 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1526 | 1412 |
| Arena Creative Writing | Arena (LMArena) | 1516 | 1345 |
| Arena Multi-turn | Arena (LMArena) | 1564 | 1415 |
| Arena Longer Queries | Arena (LMArena) | 1538 | 1410 |
| 多模态 | |||
| LiveBench Design | LiveBench | 80.2% | – |
| MMMU-Pro | Artificial Analysis | 89.3%† | 81.6% |
| SAGE | Vals AI | – | 88.6% |
| Humanity's Sixth Sense | Scale AI SEAL | 71.1% | 33.3% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 58.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 77.5% | – |
| VIALS-AA | Handshake AI | 64.0% | 42.9% |
| Code2Video-AA | Artificial Analysis | – | 1020 |
| AA-3D | Artificial Analysis | – | 1027 |
| FACTS Multimodal | 60.2%† | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 83.3% |
| MLCR | Artificial Analysis | 19.4% | 20.6% |
| FACTS Grounding | 77.2%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169.8† | – |
| LiveBench 2.0 | LiveBench | 83.5% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 60.0 | 30.6 |
| AA Progress Index v1 | Artificial Analysis | 350.8 | – |
| Vals Index | Vals AI | 70.5 | 56.1 |
| Vals Finance Index | Vals AI | 67.0% | 61.5% |
| Vals RSI Index | Vals AI | 27.7% | – |
| Vals Science Index | Vals AI | – | 32.7% |
| Vals Legal Index | Vals AI | 75.9% | 73.9% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 16.4%† | 16.2% |
| DistressBench | Scale AI SEAL | – | 82.3% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | – | 38.9 |
数据截至 2026年11月16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。
变化
- Gemini 4 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Inkling 2 Small:1 项分数修订;价格 $0.060/M → $0.030/M。
- Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
- Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
- Inkling 2 Small:1 项分数修订。
- Inkling 2 Small:BenchLeader Index 58.4 → 57.9。
- Inkling 2 Small:2 项新结果(FORTRESS, Design Arena Agentic)。
- Gemini 4 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。
- Inkling 2 Small:2 项新结果(MysteryMechanism, Vals Science Index);1 项分数修订。
- Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
相关对比
- Gemini 4 Carbon vs Claude Fable 5.2
- Gemini 4 Carbon vs Claude Opus 5.5
- Gemini 4 Carbon vs GPT-6 Astra
- Inkling 2 Small vs Claude Opus 5.5
- Inkling 2 Small vs GPT-6 Astra
- Inkling 2 Small vs Claude Fable 5.1
- Gemini 4 Argon vs Inkling 2 Small
- Gemini 4 Carbon vs GPT-6.1 Sol
排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Gemini 4 Carbon vs Inkling 2 Small:常见问题
- Gemini 4 Carbon 比 Inkling 2 Small 更好吗?
- 质量上 Gemini 4 Carbon (high) 领先:68.9 比 57.9。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 4 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
- Gemini 4 Carbon 和 Inkling 2 Small 哪个更便宜?价格会变吗?
- 目前 Inkling 2 Small 更便宜:每百万 token $0.475 比 $4.00(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 Gemini 4 Carbon 还是 Inkling 2 Small 更好?
- Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 4 Carbon 为 1768,Inkling 2 Small 为 1647。
- Gemini 4 Carbon 和 Inkling 2 Small 哪个更快?
- Inkling 2 Small 输出更快(输出 100 比 64 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Gemini 4 Carbon 还是 Inkling 2 Small 更好?
- Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Gemini 4 Carbon 为 17,Inkling 2 Small 为 2.5。
更多问题(4)
- 处理长文档哪个更好?
- Inkling 2 Small 在长上下文基准测试上得分更高(66 比 64)。两者都支持 1,048,576 token 的上下文。
- 哪个延迟更低?
- Inkling 2 Small 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 49.0 秒比 73.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
- 第三方基准测试对 Gemini 4 Carbon 和 Inkling 2 Small 的看法一致吗?
- 在两者都有结果的 38 项基准测试中,Gemini 4 Carbon 领先 34 项,Inkling 2 Small 领先 4 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
- Inkling 2 Small 是什么时候发布的?
- Inkling 2 Small 于 2026年11月5日 发布。