Inkling 2 Small vs Inkling Small
完整资料:Inkling 2 Small(Thinking Machines)和 Inkling Small(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16日,质量上 Inkling 2 Small 领先 Inkling Small(BenchLeader Index 57.9 比 52.0)。两者价格相近(每百万 token 混合价格 $0.475 比 $0.525)。在两者都有成绩的所有类别中,Inkling 2 Small 均领先。
要点(截至 2026年11月16日)
- Inkling 2 Small 的 BenchLeader Index 为 57.9,Inkling Small 为 52.0(BenchLeader,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 Small 每百万 token 混合价格为 $0.525(标价,2026年11月16日)。
- 在两者都有结果的 44 项基准测试中,Inkling 2 Small 领先 43 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Inkling 2 Small 的评分为 1647,Inkling Small 为 1408(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 | Inkling 2 Small | 类别得分 60 比 46;Arena WebDev 1647 比 1408 | 高 |
| 智能体与工具调用 | Inkling 2 Small | 类别得分 61 比 46;MCP Atlas 85.4% 比 79.2% | 高 |
| 推理 | Inkling 2 Small | 类别得分 53 比 43;HLE-Diamond (AA) 28.7% 比 12.1% | 高 |
| 知识 | 均可 | 类别得分 54 比 54;AA-Omniscience v1.1 16.1 比 -9.5 | 均可 |
| 长文档 | Inkling 2 Small | 类别得分 66 比 62;AA-LCR v1.1 83.3% 比 75.7% | 中 |
| 图像及其他媒体 | Inkling 2 Small | 类别得分 64 比 56;MMMU-Pro 81.6% 比 74.0% | 高 |
| 对话质量(人类偏好) | 均可 | Arena 投票 59 比 58 | 均可 |
| 成本最低 | 均可 | 每百万 token 混合价格 $0.475 比 $0.525;智能体编程会话 $0.022 比 $0.023 | – |
| 首次回答最快 | Inkling Small | 首个回答 token 15.6 秒(Inkling Small)比 49.0 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
- 质量上 Inkling 2 Small 领先:57.9 比 52.0。
- Inkling 2 Small 在智能体与工具、编程、人类偏好、长上下文、多模态、推理方面更强。
- Inkling Small 在知识方面更强。
- 两者价格相近(每百万 token 混合价格 $0.475)。
概览
| 规格 | Inkling 2 Small | Inkling Small |
|---|---|---|
| 提供商 | Thinking Machines | Thinking Machines |
| 发布日期 | 2026年11月5日 | 2026年7月15日 |
| 上下文窗口(token) | 1,048,576 | 65,536 |
| 对比时的配置 | Inkling 2 Small | Inkling Small |
| 开放权重 | 否 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.300 / $1.00 / $0.030 | $0.300 / $1.20 / $0.116 |
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 Small | Inkling Small | 领先者 |
|---|---|---|---|
| 推理 | 52.8 | 43.2 | Inkling 2 Small |
| 编程 | 60.3 | 45.6 | Inkling 2 Small |
| 智能体与工具 | 61.1 | 45.7 | Inkling 2 Small |
| 数学 | – | 53.0 | 无法比较 |
| 知识 | 53.5 | 54.3 | 持平 |
| 人类偏好 | 58.6 | 57.8 | 持平 |
| 多模态 | 64.0 | 56.3 | Inkling 2 Small |
| 长上下文 | 66.4 | 62.4 | Inkling 2 Small |
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。
各来源的分歧
在两者都有结果的 44 项基准测试中,Inkling 2 Small 领先 43 项,Inkling Small 领先 0 项,1 项持平。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 Small | Inkling Small | 领先者 |
|---|---|---|---|
| BenchLeader Index | 57.9 | 52.0 | Inkling 2 Small |
| AA Intelligence Index v5.0.1 | 30.6 | 12.9 | Inkling 2 Small |
| Vals Index | 56.1 | 27.6 | Inkling 2 Small |
| Arena Text | 1412 | 1405 | 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 Small | Inkling Small |
|---|---|---|
| 每百万 token 混合价格 | $0.475 | $0.525 |
| 每百万 token 输入 / 输出 | $0.300 / $1.00 | $0.300 / $1.20 |
| 每百万 token 缓存输入 | $0.030 | $0.116 |
| 每项任务价格:聊天回复 | $0.0004 | $0.0005 |
| 每项任务价格:总结一份 30 页的报告 | $0.0042 | $0.0043 |
| 每项任务价格:代码编辑 | $0.0033 | $0.0036 |
| 每项任务价格:智能体编程会话 | $0.022 | $0.023 |
| 每项任务价格:结构化信息提取 | $0.0008 | $0.0008 |
| 智能体编程会话(输入大多命中缓存) | $0.0099 | $0.015 |
| 每项基准测试任务成本(AA Index) | $1.18 | $0.203 |
| 每项任务输出 token(AA Index) | 150k | 37k |
| 其中推理部分 | 88k | 25k |
| 每项任务耗时(AA Index) | 25 min | 5 min |
| 输出速度 | 100 tok/s | 116 tok/s |
| 首次回答时间 | 49.0 秒 | 15.6 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 Small 上花费 $1.18,在 Inkling Small 上花费 $0.203;完成同样的工作,Inkling 2 Small 输出的 token 是对方的 4.1 倍,这是只看 token 单价看不出来的。
每个模型都按其排名最高的推理强度设置进行对比。Inkling 2 Small 得分 57.9,首个回答 token 需 49 秒。Inkling Small 得分 52.0,首个回答 token 需 16 秒;Inkling Small (xhigh) 为 47.3(16 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 117 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 Small | Inkling Small |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.9 | 52.0 |
| 智能体与工具得分 | BenchLeader | 61.1 | 45.7 |
| 编程得分 | BenchLeader | 60.3 | 45.6 |
| 人类偏好得分 | BenchLeader | 58.6 | 57.8 |
| 知识得分 | BenchLeader | 53.5 | 54.3 |
| 长上下文得分 | BenchLeader | 66.4 | 62.4 |
| 多模态得分 | BenchLeader | 64.0 | 56.3 |
| 推理得分 | BenchLeader | 52.8 | 43.2 |
| 数学得分 | BenchLeader | – | 53.0 |
| 混合价格(美元/百万 token) | BenchLeader | $0.475 | $0.525 |
| 输出速度 | BenchLeader | 100 tok/s | 116 tok/s |
| 首次回答时间 | BenchLeader | 49.0 秒 | 15.6 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 65,536 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 88.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1438 | 1428 |
| GPQA Diamond (AA) | Artificial Analysis | – | 89.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 44.1% | 33.3% |
| HLE-Diamond (AA) | Artificial Analysis | 28.7% | 12.1% |
| GPQA Diamond (Vals) | Vals AI | – | 83.6% |
| ARC-AGI-1 | ARC Prize | 96.5%† | 84.0%† |
| ARC-AGI-2 | ARC Prize | 81.7%† | 40.1%† |
| CritPt | Artificial Analysis | – | 8.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 35.0% | 18.5% |
| MysteryMechanism | Vals AI | 25.2% | – |
| Arena Expert | Arena (LMArena) | 1488 | 1441 |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 6.0%† |
| 编程 | |||
| SciCode | SciCode | 52.3% | 49.6% |
| Arena Coding | Arena (LMArena) | 1485 | 1472 |
| Arena WebDev | Arena (LMArena) | 1647 | 1408 |
| LiveCodeBench | Vals AI | – | 85.9% |
| IOI | Vals AI | – | 9.3% |
| SWE-bench (Vals) | Vals AI | – | 82.2% |
| Code Migration | Vals AI | – | 13.7% |
| Code Migration v1.1 | Vals AI | – | 10.4% |
| ProgramBench | Vals AI | 0.5% | 0.5% |
| SWE-bench Multimodal | Vals AI | 43.1% | – |
| Vibe Code Bench v1.1 | Vals AI | 81.5% | 19.1% |
| SWE Atlas v1.1 | Scale AI SEAL | 61.9% | – |
显示全部 117 项基准测试
| 指标 | 发布方 | Inkling 2 Small | Inkling Small |
|---|---|---|---|
| 编程 | |||
| 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% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 13.1% | 1.0% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 81.3% | 55.1% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 29.2 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 28.1† |
| Design Arena Website | Design Arena | 1335 | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 0.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 25.4% | 4.8% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 13.0%† | 0.9%† |
| APEX-Agents | Mercor | 46.8% | – |
| Arena Agent | Arena (LMArena) | 2.5 | -18.1 |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 55.1% |
| MCP Atlas | Scale AI SEAL | 85.4% | 79.2% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 31.2% |
| GDPval-AA v2.1 | Artificial Analysis | 1630 | 1133 |
| τ³-Banking (AA) | Artificial Analysis | 40.4% | 18.8% |
| Analyst Agent (AA) | Artificial Analysis | 51.3% | 27.5% |
| CyberBench | Vals AI | 72.7% | 64.1% |
| Finance Agent v2 | Vals AI | – | 41.3% |
| Finance Agent v2.1 | Vals AI | 67.5% | 44.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 21.7% | 2.9% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 1.7% |
| Legal Research Bench | Vals AI | 46.6% | 25.5% |
| SkillsBench | Vals AI | – | 33.6% |
| SREBench | Vals AI | 1.9% | – |
| Tax Agent Bench | Vals AI | 38.9% | 15.4% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 12.6% | 0.0% |
| Terminal-Bench Science | Vals AI | 2.9% | – |
| Arena Agent Task Completion | Arena (LMArena) | 3.3 | -27.6 |
| AutomationBench | Artificial Analysis | 45.6% | 4.8% |
| GDP.pdf (AA) | Artificial Analysis | 25.2% | 11.2% |
| Harvey LAB-AA v1.1 | Harvey | – | 0.0% |
| EnterpriseOps-Gym | Artificial Analysis | 46.8% | 42.7% |
| AA-Briefcase v1.1 | Artificial Analysis | 1527 | 912 |
| Design Arena Agentic | Design Arena | 1315 | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 5.7% | 0.0% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 46.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 17.1%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 90.0%† |
| ProofBench | Vals AI | – | 6.0% |
| ArXivMath | MathArena | 31.9% | – |
| BrokenArXiv | MathArena | 63.2% | – |
| Arena Maths | Arena (LMArena) | – | 1452 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 19.1%† |
| AA-Omniscience v1.1 | Artificial Analysis | 16.1 | -9.5 |
| MMLU-Pro | Vals AI | – | 85.6% |
| LegalBench | Vals AI | – | 83.0% |
| CorpFin | Vals AI | – | 69.6% |
| TaxEval | Vals AI | – | 75.5% |
| BioMysteryBench | Vals AI | 70.0% | – |
| Excel Modeling Benchmark | Vals AI | – | 31.8% |
| Excel Modeling Benchmark v1.1 | Vals AI | 69.5% | 40.8% |
| MedCode | Vals AI | – | 37.9% |
| MedScribe | Vals AI | – | 84.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 59.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 33.8% | 31.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 73.3% | 39.5% |
| 指令遵循 | |||
| Arena Instruction Following | Arena (LMArena) | 1410 | 1397 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1412 | 1405 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1491 |
| Arena Creative Writing | Arena (LMArena) | 1345 | 1319 |
| Arena Multi-turn | Arena (LMArena) | 1415 | 1414 |
| Arena Longer Queries | Arena (LMArena) | 1410 | 1401 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1236 |
| MMMU-Pro | Artificial Analysis | 81.6% | 74.0% |
| MortgageTax | Vals AI | – | 62.3% |
| SAGE | Vals AI | 88.6% | – |
| AudioMC | Scale AI SEAL | – | 54.9% |
| AudioMC (text output) | Scale AI SEAL | – | 54.9% |
| 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 | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | 75.7% |
| MLCR | Artificial Analysis | 20.6% | 7.8% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 150.8 |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.6 | 12.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 25.7 |
| AA Progress Index v1 | Artificial Analysis | – | 282.7 |
| Vals Index | Vals AI | 56.1 | 27.6 |
| Vals Finance Index | Vals AI | 61.5% | 36.3% |
| Vals Science Index | Vals AI | 32.7% | – |
| Vals Multimodal Index | Vals AI | – | 50.0% |
| Vals Router Index | Vals AI | – | 27.6% |
| Vals Legal Index | Vals AI | 73.9% | 57.8% |
| 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 | 33.3 |
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。
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.
变化
- 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 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。
- Inkling Small:1 项分数修订。
- Inkling 2 Small:3 项新结果(SciCode, APEX-Agents, MLCR)。
- Inkling 2 Small:8 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…);2 项分数修订。
- Inkling Small:1 项分数修订。
相关对比
- 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
- Inkling Small vs MiniMax M3.1 Flash
- Inkling Small vs Muse Ember
- 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 Small vs Inkling Small:常见问题
- Inkling 2 Small 比 Inkling Small 更好吗?
- 质量上 Inkling 2 Small 领先:57.9 比 52.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Inkling 2 Small 总体领先,但请结合你的用途查看各类别得分。
- Inkling 2 Small 和 Inkling 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 $0.525(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 Small 还是 Inkling Small 更好?
- Inkling 2 Small 在编程方面得分更高(类别得分 60 比 46,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Inkling 2 Small 为 1647,Inkling Small 为 1408。
- Inkling 2 Small 和 Inkling Small 哪个更快?
- Inkling Small 输出更快(输出 116 比 100 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Inkling 2 Small 还是 Inkling Small 更好?
- Inkling 2 Small 在智能体任务方面得分更高(类别得分 61 比 46,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 MCP Atlas 上,Inkling 2 Small 为 85.4%,Inkling Small 为 79.2%。
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 62)。Inkling 2 Small 支持更长的上下文:1,048,576 token,Inkling Small 为 65,536 token。
- 哪个延迟更低?
- Inkling Small 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.6 秒比 49.0 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 Inkling 2 Small 和 Inkling Small 的看法一致吗?
- 在两者都有结果的 44 项基准测试中,Inkling 2 Small 领先 43 项,Inkling Small 领先 0 项,1 项持平。所有同时评测两者的综合评分都认为 Inkling 2 Small 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。