Inkling 2 Mini vs Inkling 2 Small
完整资料:Inkling 2 Mini(Thinking Machines)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 8 个来源
截至 2026年11月21日,两者共同的基准测试太少,无法判断质量高下。Inkling 2 Mini 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $0.238 比 $0.475)。在两者都有成绩的所有类别中,Inkling 2 Small 均领先。Inkling 2 Mini 输出更快(约 2 倍)。
Inkling 2 Mini 于 2026年11月20日 发布,目前还没有 BenchLeader Index(需要覆盖两个类别的五项第三方结果)。因此本页不给出质量结论,只对比两者目前已公布的价格、上下文窗口、速度、两者都有结果的基准测试。首批结果将在以下页面跟踪: Inkling 2 Mini 的页面
要点(截至 2026年11月21日)
- Inkling 2 Mini 每百万 token 混合价格为 $0.238(标价,2026年11月21日)。
- Inkling 2 Small 每百万 token 混合价格为 $0.475(标价,2026年11月21日)。
- Inkling 2 Mini 比 Inkling 2 Small 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月21日)。
- 在两者都有结果的 15 项基准测试中,Inkling 2 Small 领先 15 项(BenchLeader,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 | Inkling 2 Small | 类别得分 59 比 44;FrontierCode 2.0 (AA) 25.4% 比 15.1% | 高 |
| 推理 | Inkling 2 Small | 类别得分 52 比 40;HLE-Diamond (AA) 28.7% 比 15.2% | 高 |
| 知识 | Inkling 2 Small | 类别得分 53 比 41;AA-Omniscience v1.1 16.1 比 -8.6 | 高 |
| 对话质量(人类偏好) | – | 只有 Inkling 2 Small 有 Arena 评分(类别得分 59) | 无法比较 |
| 成本最低 | Inkling 2 Mini | 每百万 token 混合价格 $0.238 比 $0.475;智能体编程会话 $0.011 比 $0.022 | – |
| 首次回答最快 | Inkling 2 Mini | 首个回答 token 9.7 秒(Inkling 2 Mini)比 45.2 秒(Inkling 2 Small) | – |
| 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
- 共同的基准测试太少,无法给出结论。
- Inkling 2 Small 在编程、知识、推理方面更强。
- Inkling 2 Mini 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $0.238 比 $0.475)。
- Inkling 2 Mini 的输出速度是对方的 2.5 倍(280 比 111 token/秒)。
概览
| 规格 | Inkling 2 Mini | Inkling 2 Small |
|---|---|---|
| 提供商 | Thinking Machines | Thinking Machines |
| 发布日期 | 2026年11月20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 | Inkling 2 Mini | Inkling 2 Small |
| 开放权重 | 是 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.150 / $0.500 / $0.015 | $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 | Inkling 2 Mini | Inkling 2 Small | 领先者 |
|---|---|---|---|
| 推理 | 39.8 | 52.1 | Inkling 2 Small |
| 编程 | 43.9 | 59.4 | Inkling 2 Small |
| 智能体与工具 | – | 58.3 | 无法比较 |
| 知识 | 40.8 | 53.3 | Inkling 2 Small |
| 人类偏好 | – | 58.5 | 无法比较 |
| 多模态 | – | 63.6 | 无法比较 |
| 长上下文 | – | 66.4 | 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):智能体与工具, 数学, 指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 15 项基准测试中,Inkling 2 Mini 领先 0 项,Inkling 2 Small 领先 15 项。所有同时评测两者的综合评分都认为 Inkling 2 Small 更强。
| 综合 Index | Inkling 2 Mini | Inkling 2 Small | 领先者 |
|---|---|---|---|
| AA Intelligence Index v5.0.1 | 20.1 | 30.6 | Inkling 2 Small |
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 | Inkling 2 Mini | Inkling 2 Small |
|---|---|---|
| 每百万 token 混合价格 | $0.238 | $0.475 |
| 每百万 token 输入 / 输出 | $0.150 / $0.500 | $0.300 / $1.00 |
| 每百万 token 缓存输入 | $0.015 | $0.030 |
| 每项任务价格:聊天回复 | $0.0002 | $0.0004 |
| 每项任务价格:总结一份 30 页的报告 | $0.0021 | $0.0042 |
| 每项任务价格:代码编辑 | $0.0017 | $0.0033 |
| 每项任务价格:智能体编程会话 | $0.011 | $0.022 |
| 每项任务价格:结构化信息提取 | $0.0004 | $0.0008 |
| 智能体编程会话(输入大多命中缓存) | $0.0049 | $0.0099 |
| 每项基准测试任务成本(AA Index) | $0.587 | $1.18 |
| 每项任务输出 token(AA Index) | 152k | 150k |
| 其中推理部分 | 93k | 88k |
| 每项任务耗时(AA Index) | 9 min | 22 min |
| 输出速度 | 280 tok/s | 111 tok/s |
| 首次回答时间 | 9.7 秒 | 45.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | – | 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 Inkling 2 Mini 上花费 $0.587,在 Inkling 2 Small 上花费 $1.18;完成同样的工作,Inkling 2 Mini 输出的 token 是对方的 1.0 倍。
每个模型都按其排名最高的推理强度设置进行对比。Inkling 2 Mini首个回答 token 需 10 秒。Inkling 2 Small 得分 57.2,首个回答 token 需 45 秒;Inkling 2 Small (xhigh) 为 52.1(45 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 81 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 | Inkling 2 Mini | Inkling 2 Small |
|---|---|---|---|
| BenchLeader Index | BenchLeader | – | 57.2 |
| 编程得分 | BenchLeader | 43.9 | 59.4 |
| 知识得分 | BenchLeader | 40.8 | 53.3 |
| 推理得分 | BenchLeader | 39.8 | 52.1 |
| 智能体与工具得分 | BenchLeader | – | 58.3 |
| 人类偏好得分 | BenchLeader | – | 58.5 |
| 长上下文得分 | BenchLeader | – | 66.4 |
| 多模态得分 | BenchLeader | – | 63.6 |
| 混合价格(美元/百万 token) | BenchLeader | $0.238 | $0.475 |
| 输出速度 | BenchLeader | 280 tok/s | 111 tok/s |
| 首次回答时间 | BenchLeader | 9.7 秒 | 45.2 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| Arena Hard Prompts | Arena (LMArena) | – | 1439 |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 44.1% |
| HLE-Diamond (AA) | Artificial Analysis | 15.2% | 28.7% |
| ARC-AGI-1 | ARC Prize | 84.5%† | 96.5%† |
| ARC-AGI-2 | ARC Prize | 49.3%† | 81.7%† |
| ARC-AGI-3 | ARC Prize | – | 2.6%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 17.0% | 35.0% |
| MysteryMechanism | Vals AI | – | 25.2% |
| Arena Expert | Arena (LMArena) | – | 1488 |
| 编程 | |||
| SciCode | SciCode | – | 52.3% |
| Arena Coding | Arena (LMArena) | – | 1485 |
| Arena WebDev | Arena (LMArena) | – | 1643 |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 43.1% |
| Vibe Code Bench v1.1 | Vals AI | – | 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%† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.1%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 5.6% | 13.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 81.3% |
| Design Arena Code | Design Arena | – | 1377 |
显示全部 81 项基准测试
| 指标 | 发布方 | Inkling 2 Mini | Inkling 2 Small |
|---|---|---|---|
| 编程 | |||
| FrontierCode 2.0 (AA) | Artificial Analysis | 15.1% | 25.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 13.0%† |
| APEX-Agents | Mercor | – | 46.8% |
| Arena Agent | Arena (LMArena) | – | 1.5 |
| MCP Atlas | Scale AI SEAL | – | 85.4%† |
| GDPval-AA v2.1 | Artificial Analysis | 1319 | 1630 |
| τ³-Banking (AA) | Artificial Analysis | – | 40.4% |
| Analyst Agent (AA) | Artificial Analysis | 46.3% | 51.3% |
| CyberBench | Vals AI | – | 72.7% |
| Finance Agent v2.1 | Vals AI | – | 67.5% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.7% |
| Legal Research Bench | Vals AI | – | 46.6% |
| SREBench | Vals AI | – | 1.9% |
| Tax Agent Bench | Vals AI | – | 38.9% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 12.6% |
| Terminal-Bench Science | Vals AI | – | 2.9% |
| Arena Agent Task Completion | Arena (LMArena) | – | 2.4 |
| AutomationBench | Artificial Analysis | 41.8% | 45.6% |
| GDP.pdf (AA) | Artificial Analysis | 16.8% | 25.2% |
| EnterpriseOps-Gym | Artificial Analysis | 42.0% | 46.8% |
| AA-Briefcase v1.1 | Artificial Analysis | 1263 | 1527 |
| Design Arena Agentic | Design Arena | – | 1303 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 1.4% | 5.7% |
| 数学 | |||
| ArXivMath | MathArena | – | 31.9% |
| BrokenArXiv | MathArena | – | 63.2% |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | -8.6 | 16.1 |
| BioMysteryBench | Vals AI | – | 70.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 69.5% |
| MedCode | Vals AI | – | 44.1% |
| MedScribe | Vals AI | – | 90.2% |
| Arena Text Factuality | Arena (LMArena) | – | 1424 |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 43.6%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 20.5% | 33.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 63.4% | 73.3% |
| 指令遵循 | |||
| Arena Instruction Following | Arena (LMArena) | – | 1409 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | – | 1412 |
| Arena Creative Writing | Arena (LMArena) | – | 1344 |
| Arena Multi-turn | Arena (LMArena) | – | 1413 |
| Arena Longer Queries | Arena (LMArena) | – | 1408 |
| 多模态 | |||
| 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 | 870 | 1020 |
| AA-3D | Artificial Analysis | – | 1027 |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | – | 83.3% |
| MLCR | Artificial Analysis | – | 20.6% |
| 综合 | |||
| AA Intelligence Index v5.0.1 | Artificial Analysis | 20.1 | 30.6 |
| AA Progress Index v1 | Artificial Analysis | – | 317.6 |
| 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% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 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。
变化
- Inkling 2 Small:BenchLeader Index 57.9 → 57.2。
- Inkling 2 Mini:首批结果。
- Inkling 2 Small:2 项分数修订。
- Inkling 2 Small:3 项新结果(AA Progress Index v1, MedCode, MedScribe)。
- Inkling 2 Small:1 项分数修订。
- Inkling 2 Small:1 项分数修订;价格 $0.060/M → $0.030/M。
- 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)。
- Inkling 2 Small:2 项新结果(MysteryMechanism, Vals Science Index);1 项分数修订。
相关对比
- Inkling 2 Mini vs Inkling
- Inkling 2 Small vs Gemini 4 Carbon
- Inkling 2 Small vs GPT-6 Astra
- Inkling 2 Small vs Claude Opus 5.5
- Inkling 2 Small vs Claude Fable 5.1
- Inkling Small vs Inkling 2 Small
- Inkling 2 Small vs GPT-6.1 Sol
- Inkling 2 Small vs Claude Fable 5
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
Inkling 2 Mini vs Inkling 2 Small:常见问题
- Inkling 2 Mini 和 Inkling 2 Small 哪个更便宜?价格会变吗?
- 目前 Inkling 2 Mini 更便宜:每百万 token $0.238 比 $0.475(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 Inkling 2 Mini 还是 Inkling 2 Small 更好?
- Inkling 2 Small 在编程方面得分更高(类别得分 59 比 44,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Inkling 2 Mini 为 15.1%,Inkling 2 Small 为 25.4%。
- Inkling 2 Mini 和 Inkling 2 Small 哪个更快?
- Inkling 2 Mini 输出更快(约 2 倍;输出 280 比 111 token/秒,Artificial Analysis 7 日中位数)。
- 处理长文档哪个更好?
- 两者都支持 1,048,576 token 的上下文。
- 哪个延迟更低?
- Inkling 2 Mini 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.7 秒比 45.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(2)
- 第三方基准测试对 Inkling 2 Mini 和 Inkling 2 Small 的看法一致吗?
- 在两者都有结果的 15 项基准测试中,Inkling 2 Mini 领先 0 项,Inkling 2 Small 领先 15 项。所有同时评测两者的综合评分都认为 Inkling 2 Small 更强。
- Inkling 2 Mini 是什么时候发布的?
- Inkling 2 Mini 于 2026年11月20日 发布。