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： 1. **Tinker 能把开源模型微调成强专用模型**； 2. **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。