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

• 用 LLM 研究 4 小时创业点子，产出的却是一套 nonsense 产品论 — annetgriffin · 2026-10-27
• 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
• 非刷榜评测中 MiniMax 表现比肩 Claude 4.5,引发社区关注 — teortaxesTex · 2026-10-27
• 实测算账：GPT-6.1 Terra 半价却更费 token，反而比 Sol 更贵 — lordpuddingcup · 2026-10-27
• 爆料称 Fable 5.5 大概率本周内发布 — kimmonismus · 2026-10-27
• GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27

更多「模型」频道 AI 资讯 →