Tinker 结果不等于 Inkling 最强

hero88645 · reddit · 2026-07-19

作者梳理了 Thinking Machines 的 Tinker 相关公开材料，质疑“最好的公开结果是否真的证明 Inkling 是最佳基座”。

先看公开成绩

• 文章提到，Inkling 在 AIME 2026 上是 97.1%，但同表里还有更高分的模型：如 GLM 5.2 99.2%，以及 Fable 5、GPT-5.6 Sol 的 99.9%。
• 在 HLE text-only 上，Inkling 为 29.7%，高于 Nemotron 3 Ultra，但落后于 GLM 5.2、DeepSeek V4 Pro 和两个 Kimi 模型。
• 在 SWEBench Pro 和 Terminal Bench 2.1 上，Inkling 也呈现相似格局：能超过部分模型，但仍落后于更强的几款开源/闭源模型。
• 它唯一特别亮眼的是 IFBench，以 79.8% 领先，说明其 instruction following 能力不错。

关键争议点

• 作者指出，外界常把两件事混为一谈：
• Tinker 能把开源模型微调成强专用模型；
• Inkling 本身就是最值得用的基座。
• 但公开证据目前只支持第一点，不足以证明第二点。

Bridgewater 案例

• 文中提到的 Bridgewater/Tinker case study 使用的是 Qwen3-235B 作为基座，而不是 Inkling。
• 该案例在 6 个金融文档过滤任务上达到 84.7% 准确率，并且相较测试过的 frontier 模型，单任务推理成本约低 13.8 倍。
• 这份案例发布时，Inkling 还不存在，因此不能拿来证明 Inkling 的优越性。

结论

作者认为，现有公开材料只能说明：Tinker 这套微调/专用化流程有效；但是否应该把 Inkling 当成首选基座，证据还不够。

原文链接 →

「模型」频道最新

• AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
• BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
• Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
• Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
• 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
• 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11

更多「模型」频道 AI 资讯 →