BenchLeader

Inkling 2 Small vs Qwen4 Max

完整资料:Inkling 2 Small(Thinking Machines)和 Qwen4 Max(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月19日,两者共同的基准测试太少,无法判断质量高下。Inkling 2 Small 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $0.475 比 $2.25)。看重编程(59 比 55)选 Inkling 2 Small;看重推理(59 比 52)和知识(59 比 53)选 Qwen4 Max。Inkling 2 Small 的首次回答更快(40.0 秒 比 139.2 秒)。Inkling 2 Small 的输出更快(约 2 倍)。

要点(截至 2026年11月19日)

  • Inkling 2 Small 每百万 token 混合价格为 $0.475(标价,2026年11月19日)。
  • Qwen4 Max 每百万 token 混合价格为 $2.25(标价,2026年11月19日)。
  • Inkling 2 Small 比 Qwen4 Max 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 16 项基准测试中,Qwen4 Max 领先 13 项(BenchLeader,2026年11月19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 55;FrontierCode 2.0 (AA) 25.4% 比 26.4%中
推理Qwen4 Max类别得分 59 比 52;HLE-Diamond (AA) 44.9% 比 28.7%中
知识Qwen4 Max类别得分 59 比 53;AA-Omniscience v1.1 27.7 比 16.1中
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 Small每百万 token 混合价格 $0.475 比 $2.25;智能体编程会话 $0.022 比 $0.108–
首次回答最快Inkling 2 Small首个回答 token 40.0 秒(Inkling 2 Small)比 139.2 秒(Qwen4 Max)–
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 在编程方面更强。
  • Qwen4 Max 在知识、推理方面更强。
  • Inkling 2 Small 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $0.475 比 $2.25)。
  • Inkling 2 Small 的输出速度是对方的 2.0 倍(117 比 59 token/秒)。

概览

规格Inkling 2 SmallQwen4 Max
提供商Thinking MachinesAlibaba
发布日期2026年11月5日2026年11月16日
上下文窗口(token)1,048,576991,808
对比时的配置Inkling 2 SmallQwen4 Max
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$1.50 / $4.50 / $0.071

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 SmallQwen4 Max领先者
推理52.158.5Qwen4 Max
编程59.455.1Inkling 2 Small
智能体与工具60.6–无法比较
知识53.159.0Qwen4 Max
人类偏好58.7–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。

2550 avg75推理编程知识Inkling 2 Small, 推理: 52.1Inkling 2 Small, 编程: 59.4Inkling 2 Small, 知识: 53.1Qwen4 Max, 推理: 58.5Qwen4 Max, 编程: 55.1Qwen4 Max, 知识: 59.0

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 16 项基准测试中,Inkling 2 Small 领先 3 项,Qwen4 Max 领先 13 项。所有同时评测两者的综合评分都认为 Qwen4 Max 更强。

综合 IndexInkling 2 SmallQwen4 Max领先者
AA Intelligence Index v5.0.130.642.9Qwen4 Max
Vals Index56.163.2†Qwen4 Max

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 SmallQwen4 Max
每百万 token 混合价格$0.475$2.25
每百万 token 输入 / 输出$0.300 / $1.00$1.50 / $4.50
每百万 token 缓存输入$0.030$0.071
每项任务价格:聊天回复$0.0004$0.0020
每项任务价格:总结一份 30 页的报告$0.0042$0.021
每项任务价格:代码编辑$0.0033$0.016
每项任务价格:智能体编程会话$0.022$0.108
每项任务价格:结构化信息提取$0.0008$0.0039
智能体编程会话(输入大多命中缓存)$0.0099$0.044
每项基准测试任务成本(AA Index)$1.18$3.27
每项任务输出 token(AA Index)150k105k
其中推理部分88k69k
每项任务耗时(AA Index)21 min30 min
输出速度117 tok/s59 tok/s
首次回答时间40.0 秒139.2 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 Small 上花费 $1.18,在 Qwen4 Max 上花费 $3.27;完成同样的工作,Inkling 2 Small 输出的 token 是对方的 1.4 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 57.6,首个回答 token 需 40 秒。Qwen4 Max首个回答 token 需 139 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 89 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 SmallQwen4 Max
BenchLeader IndexBenchLeader57.6–
智能体与工具得分BenchLeader60.6–
编程得分BenchLeader59.455.1
人类偏好得分BenchLeader58.7–
知识得分BenchLeader53.159.0
长上下文得分BenchLeader66.4–
多模态得分BenchLeader63.6–
推理得分BenchLeader52.158.5
混合价格(美元/百万 token)BenchLeader$0.475$2.25
输出速度BenchLeader117 tok/s59 tok/s
首次回答时间BenchLeader40.0 秒139.2 秒
上下文窗口BenchLeader1,048,576 token991,808 token
推理
Arena Hard PromptsArena (LMArena)1439–
LiveBench 2.0 ReasoningLiveBench–92.2%†
Humanity's Last Exam (AA)Artificial Analysis44.1%–
HLE-Diamond (AA)Artificial Analysis28.7%44.9%
ARC-AGI-1ARC Prize96.5%†–
ARC-AGI-2ARC Prize81.7%†–
ARC-AGI-3ARC Prize2.6%†–
CritPt v2 hard subset (AA)Artificial Analysis35.0%43.0%
MysteryMechanismVals AI25.2%–
Arena ExpertArena (LMArena)1491–
编程
SciCodeSciCode52.3%–
Arena CodingArena (LMArena)1486–
Arena WebDevArena (LMArena)16441750†
LiveBench 2.0 CodingLiveBench–69.8%†
ProgramBenchVals AI0.5%–
SWE-bench MultimodalVals AI43.1%–
Vibe Code Bench v1.1Vals AI81.5%86.7%†
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%–
SWE Atlas v1.1: RefactoringScale AI SEAL53.3%–
SWE-Bench Pro V2Scale AI SEAL97.7%–
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
FrontierSWEEpoch AI Benchmarking Hub25.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis13.1%48.5%
显示全部 89 项基准测试
指标发布方Inkling 2 SmallQwen4 Max
编程
Terminal-Bench 2.1 (AA)Artificial Analysis81.3%–
FrontierCode 2.0 (AA)Artificial Analysis25.4%26.4%
智能体与工具
Terminal-BenchTerminal-Bench13.0%†–
APEX-AgentsMercor46.8%–
Arena AgentArena (LMArena)1.57.3†
LiveBench Long AgenticLiveBench–46.6%†
LiveBench BrowserLiveBench–80.7%†
MCP AtlasScale AI SEAL85.4%–
GDPval-AA v2.1Artificial Analysis16301809
τ³-Banking (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis51.3%46.3%
APEX-Agents (AA)Artificial Analysis–59.1%
CyberBenchVals AI72.7%–
Finance Agent v2.1Vals AI67.5%66.7%†
Harvey's Legal Agent Benchmark v1.1Vals AI21.7%21.3%†
Legal Research BenchVals AI46.6%41.4%†
SREBenchVals AI1.9%–
Tax Agent BenchVals AI38.9%40.4%†
Terminal-Bench 4.0 (Vals)Vals AI12.6%48.5%†
Terminal-Bench ScienceVals AI2.9%–
Arena Agent Task CompletionArena (LMArena)2.48.8†
AutomationBenchArtificial Analysis45.6%72.6%
GDP.pdf (AA)Artificial Analysis25.2%26.2%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis46.8%48.5%
AA-Briefcase v1.1Artificial Analysis15271686
Design Arena AgenticDesign Arena13061356
Terminal-Bench-Science 0.1 (AA)Artificial Analysis5.7%23.3%
数学
ArXivMathMathArena31.9%–
BrokenArXivMathArena63.2%–
知识
LiveBench 2.0 Data AnalysisLiveBench–83.4%†
LiveBench ResearchLiveBench–84.7%†
AA-Omniscience v1.1Artificial Analysis16.127.7
BioMysteryBenchVals AI70.0%–
Excel Modeling Benchmark v1.1Vals AI69.5%70.8%†
MedCodeVals AI44.1%–
MedScribeVals AI90.2%–
GDP.pdfEpoch AI Benchmarking Hub43.6%†–
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%43.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis73.3%71.6%
指令遵循
Arena Instruction FollowingArena (LMArena)1410–
人类偏好
Arena TextArena (LMArena)1412–
Arena Creative WritingArena (LMArena)1343–
Arena Multi-turnArena (LMArena)1412–
Arena Longer QueriesArena (LMArena)1408–
多模态
LiveBench DesignLiveBench–79.1%†
MMMU-ProArtificial Analysis81.6%–
SAGEVals AI88.6%–
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%–
MLCRArtificial Analysis20.6%19.4%
综合
LiveBench 2.0LiveBench–73.1%†
AA Intelligence Index v5.0.1Artificial Analysis30.642.9
AA Progress Index v1Artificial Analysis317.6–
Vals IndexVals AI56.163.2†
Vals Finance IndexVals AI61.5%62.0%†
Vals Science IndexVals AI32.7%–
Vals Legal IndexVals AI73.9%70.7%†
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19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: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。
  • 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。

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 Qwen4 Max:常见问题

Inkling 2 Small 和 Qwen4 Max 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 $2.25(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 Qwen4 Max 更好?
Inkling 2 Small 在编程方面得分更高(类别得分 59 比 55,50 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 Small 为 25.4%,Qwen4 Max 为 26.4%。
Inkling 2 Small 和 Qwen4 Max 哪个更快?
Inkling 2 Small 输出更快(约 2 倍;输出 117 比 59 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Inkling 2 Small 支持更长的上下文:1,048,576 token,Qwen4 Max 为 991,808 token。
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 40.0 秒比 139.2 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 Small 和 Qwen4 Max 的看法一致吗?
在两者都有结果的 16 项基准测试中,Inkling 2 Small 领先 3 项,Qwen4 Max 领先 13 项。所有同时评测两者的综合评分都认为 Qwen4 Max 更强。
Qwen4 Max 是什么时候发布的?
Qwen4 Max 于 2026年11月16日 发布。