BenchLeader

Inkling 2 Small vs Qwen3.7 Plus

完整资料:Inkling 2 Small(Thinking Machines)和 Qwen3.7 Plus(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,Inkling 2 Small 与 Qwen3.7 Plus 的质量不相上下(BenchLeader Index 57.9 比 57.6,在 ±7.8 的误差范围内)。Inkling 2 Small 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $0.475 比 $0.700)。看重编程(60 比 44)、智能体与工具(61 比 46)和长上下文(66 比 61)选 Inkling 2 Small;看重人类偏好(64 比 59)和推理(54 比 53)选 Qwen3.7 Plus。Inkling 2 Small 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Inkling 2 Small 的 BenchLeader Index 为 57.9,Qwen3.7 Plus 为 57.6(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)。
  • Qwen3.7 Plus 每百万 token 混合价格为 $0.700(标价,2026年11月16日)。
  • Inkling 2 Small 比 Qwen3.7 Plus 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 28 项基准测试中,Inkling 2 Small 领先 21 项(BenchLeader,2026年11月16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 60 比 44;SciCode 52.3% 比 46.1%高
智能体与工具调用Inkling 2 Small类别得分 61 比 46;τ³-Banking (AA) 40.4% 比 17.5%高
推理Qwen3.7 Plus类别得分 54 比 53;Arena Hard Prompts 1473 比 1438中
长文档Inkling 2 Small类别得分 66 比 61;AA-LCR v1.1 83.3% 比 73.0%中
图像及其他媒体Inkling 2 Small类别得分 64 比 62;MMMU-Pro 81.6% 比 80.5%中
对话质量(人类偏好)Qwen3.7 PlusArena 投票 64 比 59中
成本最低Inkling 2 Small每百万 token 混合价格 $0.475 比 $0.700;智能体编程会话 $0.022 比 $0.030–
首次回答最快均可首个回答 token 49.0 秒(Inkling 2 Small)比 49.8 秒(Qwen3.7 Plus)–
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

  • Inkling 2 Small 与 Qwen3.7 Plus 的质量不相上下(57.9 比 57.6,在 ±7.8 的误差范围内)。
  • Inkling 2 Small 在智能体与工具、编程、长上下文、多模态方面更强。
  • Qwen3.7 Plus 在人类偏好、推理方面更强。
  • Inkling 2 Small 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $0.475 比 $0.700)。
  • Inkling 2 Small 的输出速度是对方的 1.7 倍(100 比 57 token/秒)。

概览

规格Inkling 2 SmallQwen3.7 Plus
提供商Thinking MachinesAlibaba
发布日期2026年11月5日2026年6月2日
上下文窗口(token)1,048,5761,000,000
对比时的配置Inkling 2 SmallQwen3.7 Plus
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.300 / $1.00 / $0.030$0.400 / $1.60 / $0.080

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 SmallQwen3.7 Plus领先者
推理52.854.4Qwen3.7 Plus
编程60.343.9Inkling 2 Small
智能体与工具61.145.5Inkling 2 Small
数学–64.2无法比较
知识53.5–无法比较
指令遵循–75.9无法比较
人类偏好58.664.0Qwen3.7 Plus
多模态64.062.3Inkling 2 Small
长上下文66.461.0Inkling 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。

2550 avg75推理编程智能体与工具长上下文多模态人类偏好Inkling 2 Small, 推理: 52.8Inkling 2 Small, 编程: 60.3Inkling 2 Small, 智能体与工具: 61.1Inkling 2 Small, 长上下文: 66.4Inkling 2 Small, 多模态: 64.0Inkling 2 Small, 人类偏好: 58.6Qwen3.7 Plus, 推理: 54.4Qwen3.7 Plus, 编程: 43.9Qwen3.7 Plus, 智能体与工具: 45.5Qwen3.7 Plus, 长上下文: 61.0Qwen3.7 Plus, 多模态: 62.3Qwen3.7 Plus, 人类偏好: 64.0

未绘制(测得的模型少于两个):数学, 知识, 指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 28 项基准测试中,Inkling 2 Small 领先 21 项,Qwen3.7 Plus 领先 7 项。所有同时评测两者的综合评分都认为 Qwen3.7 Plus 更强。

综合 IndexInkling 2 SmallQwen3.7 Plus领先者
BenchLeader Index57.957.6不相上下
Arena Text14121455Qwen3.7 Plus

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 SmallQwen3.7 Plus
每百万 token 混合价格$0.475$0.700
每百万 token 输入 / 输出$0.300 / $1.00$0.400 / $1.60
每百万 token 缓存输入$0.030$0.080
每项任务价格:聊天回复$0.0004$0.0006
每项任务价格:总结一份 30 页的报告$0.0042$0.0058
每项任务价格:代码编辑$0.0033$0.0048
每项任务价格:智能体编程会话$0.022$0.030
每项任务价格:结构化信息提取$0.0008$0.0011
智能体编程会话(输入大多命中缓存)$0.0099$0.016
每项基准测试任务成本(AA Index)$1.18–
每项任务输出 token(AA Index)150k–
其中推理部分88k–
每项任务耗时(AA Index)25 min–
输出速度100 tok/s57 tok/s
首次回答时间49.0 秒49.8 秒
完整回答耗时(最近一次测量 2026年11月13日)163.6 秒114.8 秒

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。Qwen3.7 Plus 得分 57.6,首个回答 token 需 50 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 104 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 SmallQwen3.7 Plus
BenchLeader IndexBenchLeader57.957.6
智能体与工具得分BenchLeader61.145.5
编程得分BenchLeader60.343.9
人类偏好得分BenchLeader58.664.0
知识得分BenchLeader53.5–
长上下文得分BenchLeader66.461.0
多模态得分BenchLeader64.062.3
推理得分BenchLeader52.854.4
指令遵循得分BenchLeader–75.9
数学得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$0.475$0.700
输出速度BenchLeader100 tok/s57 tok/s
首次回答时间BenchLeader49.0 秒49.8 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–87.9%
Arena Hard PromptsArena (LMArena)14381473
GPQA Diamond (AA)Artificial Analysis–90.0%
Humanity's Last Exam (AA)Artificial Analysis44.1%35.6%
HLE-Diamond (AA)Artificial Analysis28.7%13.9%
ARC-AGI-1ARC Prize96.5%†–
ARC-AGI-2ARC Prize81.7%†–
CritPtArtificial Analysis–9.1%
CritPt v2 hard subset (AA)Artificial Analysis35.0%–
MysteryMechanismVals AI25.2%–
Arena ExpertArena (LMArena)14881485
Mystery Game PuzzlesEpoch AI Benchmarking Hub–17.0%
LMCAEpoch AI Benchmarking Hub–37.6%
DTBenchEpoch AI Benchmarking Hub–84.0%
编程
SciCodeSciCode52.3%46.1%
FrontierCodeCognition–10.2%
Arena CodingArena (LMArena)14851500
Arena WebDevArena (LMArena)1647–
Code MigrationVals AI–12.9%
ProgramBenchVals AI0.5%–
SWE-bench MultimodalVals AI43.1%–
Vibe Code Bench v1.1Vals AI81.5%46.4%
SWE Atlas v1.1Scale AI SEAL61.9%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%–
SWE Atlas v1.1: Test WritingScale AI SEAL58.1%–
显示全部 104 项基准测试
指标发布方Inkling 2 SmallQwen3.7 Plus
编程
SWE Atlas v1.1: RefactoringScale AI SEAL53.3%–
SWE-Bench Pro V2Scale AI SEAL97.7%–
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis13.1%1.0%
Terminal-Bench 2.1 (AA)Artificial Analysis81.3%61.0%
GameBench 2 by reasoning settingDuelLab GameBench 2–17.7†
Design Arena WebsiteDesign Arena13351261
FrontierCode 2.0 (AA)Artificial Analysis25.4%–
智能体与工具
Terminal-BenchTerminal-Bench13.0%†–
OSWorld-Verified 2.0OSWorld–2.8%
APEX-AgentsMercor46.8%–
Arena AgentArena (LMArena)2.5-8
Terminal-Bench HardArtificial Analysis–47.0%
τ²-Bench Telecom (AA)Artificial Analysis–93.0%
Terminal-Bench 2.1 (Vals)Vals AI–52.8%
MCP AtlasScale AI SEAL85.4%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–13.3%
GDPval-AA v2.1Artificial Analysis1630774
τ³-Banking (AA)Artificial Analysis40.4%17.5%
Analyst Agent (AA)Artificial Analysis51.3%–
APEX-Agents (AA)Artificial Analysis–22.4%
CyberBenchVals AI72.7%–
Finance Agent v2Vals AI–38.2%
Finance Agent v2.1Vals AI67.5%–
Harvey's Legal Agent Benchmark v1.1Vals AI21.7%–
Harvey's Legal Agent Benchmark v1Vals AI–0.0%
Legal Research BenchVals AI46.6%16.4%
SkillsBenchVals AI–54.3%
SREBenchVals AI1.9%–
Tax Agent BenchVals AI38.9%10.5%
Terminal-Bench 4.0 (Vals)Vals AI12.6%–
Terminal-Bench ScienceVals AI2.9%–
Arena Agent Task CompletionArena (LMArena)3.3-10.8
AutomationBenchArtificial Analysis45.6%17.4%
GDP.pdf (AA)Artificial Analysis25.2%12.2%
EnterpriseOps-GymArtificial Analysis46.8%40.6%
AA-Briefcase v1.1Artificial Analysis1527915
Design Arena AgenticDesign Arena1315–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis5.7%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–34.4%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–93.3%
ArXivMathMathArena31.9%–
BrokenArXivMathArena63.2%–
Arena MathsArena (LMArena)–1465
知识
AA-Omniscience v1.1Artificial Analysis16.1–
BioMysteryBenchVals AI70.0%–
Excel Modeling BenchmarkVals AI–49.4%
Excel Modeling Benchmark v1.1Vals AI69.5%–
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis73.3%–
指令遵循
IFBenchArtificial Analysis–78.0%
Arena Instruction FollowingArena (LMArena)14101447
人类偏好
Arena TextArena (LMArena)14121455
Arena Creative WritingArena (LMArena)13451431
Arena Multi-turnArena (LMArena)14151464
Arena Longer QueriesArena (LMArena)14101465
多模态
Arena VisionArena (LMArena)–1277
MMMU-ProArtificial Analysis81.6%80.5%
MortgageTaxVals AI–66.2%
SAGEVals AI88.6%89.2%
Humanity's Sixth SenseScale AI SEAL33.3%–
VIALS-AAHandshake AI42.9%–
Code2Video-AAArtificial Analysis1020–
AA-3DArtificial Analysis1027–
长上下文
AA-LCR v1.1Artificial Analysis83.3%73.0%
Arena DocumentArena (LMArena)–1446
MLCRArtificial Analysis20.6%8.9%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–147.9
AA Intelligence Index v5.0.1Artificial Analysis30.6–
AA Intelligence Index v4.3.2Artificial Analysis–25.2
AA Progress Index v1Artificial Analysis–283.9
Vals IndexVals AI56.1–
Vals Finance IndexVals AI61.5%–
Vals Science IndexVals AI32.7%–
Vals Multimodal IndexVals AI–53.9%
Vals Legal IndexVals AI73.9%–
安全与诚实
FORTRESSScale AI SEAL16.2%–
DistressBenchScale AI SEAL82.3%–
元数据
AA Openness IndexArtificial Analysis38.9–

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。

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 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 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 2 Small:BenchLeader Index 57.5 → 58.4。
  • Inkling 2 Small:1 项新结果(Arena WebDev)。
  • Qwen3.7 Plus: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

Inkling 2 Small vs Qwen3.7 Plus:常见问题

Inkling 2 Small 比 Qwen3.7 Plus 更好吗?
Inkling 2 Small 与 Qwen3.7 Plus 的质量不相上下(57.9 比 57.6,在 ±7.8 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16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。
Inkling 2 Small 和 Qwen3.7 Plus 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 $0.700(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 Qwen3.7 Plus 更好?
Inkling 2 Small 在编程方面得分更高(类别得分 60 比 44,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Inkling 2 Small 为 52.3%,Qwen3.7 Plus 为 46.1%。
Inkling 2 Small 和 Qwen3.7 Plus 哪个更快?
Inkling 2 Small 输出更快(约 1.5 倍;输出 100 比 57 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Inkling 2 Small 还是 Qwen3.7 Plus 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 τ³-Banking (AA) 上,Inkling 2 Small 为 40.4%,Qwen3.7 Plus 为 17.5%。
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 61)。两者都约为 1M token(Inkling 2 Small 为 1,048,576,Qwen3.7 Plus 为 1,000,000)。
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 49.8 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 Qwen3.7 Plus 的看法一致吗?
在两者都有结果的 28 项基准测试中,Inkling 2 Small 领先 21 项,Qwen3.7 Plus 领先 7 项。所有同时评测两者的综合评分都认为 Qwen3.7 Plus 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。