Thinking Machines 发布 Inkling 2 Small：或成中国之外最强开源权重模型
ArtificialAnlys · x · 2026-11-06
Artificial Analysis 详细评测了 Thinking Machines 新发布的 Inkling 2 Small：在 Intelligence Index v5.0.1 得分 31（较 Inkling Small 提升 18 分），与 Gemini 3.8 Flash (high) 持平；若按计划开源权重，将是中国之外得分最高的开放权重模型。
关键数据
- 规模与价格：594B 总参数 / 17B 激活；$0.30/$1.00 每百万输入/输出 token（缓存输入 $0.03）；首发为专有模型，仅通过 Tinker 与 Tinker Playground 提供，Apache 2.0 权重日后发布（日期未定）。
- 智能体任务大幅提升：AutomationBench-AA 从 5% 升至 46%，FrontierCode 2.0 从 5% 升至 25%，HLE-Diamond 从 12% 升至 29%。
- 编码风格与 Claude Sonnet 5.5 互补：FrontierCode 2.0 得 25%（Sonnet 5.5 medium 仅 11%），但 Terminal-Bench 4.0 得 13%（Sonnet 为 30%）。
- 创意智能体任务：AA-3D 得 1021 Elo（较上代 +438），超过 Gemini 3.8 Flash (966)；Code2Video-AA 得 1020 Elo（+553），接近 Qwen3.8 Max。
- 长程业务工作流：AA-Briefcase 得 1527 Elo，比 Inkling Small 高 615 分，rubric 通过率 50%（此前 20%），超过 Sonnet 5.5 (1439) 和 Gemini 3.8 Flash (1203)。
- 幻觉改善但有代价：AA-Omniscience 净分从 -9 升至 16，幻觉率从 61% 降至 27%——但主要因为回答更保守（attempt 率 77%→53%），准确率仅 32%→34%。
- 吞吐与成本：每任务平均输出约 150K token（上代约 37K，Sonnet 5.5 约 31K，Gemini 3.8 Flash 约 99K）；单任务成本 $1.18，是上代的近 6 倍，但仍远低于同分段的 Gemini 3.8 Flash ($7.77) 和 Sonnet 5.5 ($10.02)。
所属事件:Thinking Machines 发布 Inkling 2 Small 获完整评测(3 条相关)→
「模型」频道最新
- Thinking Machines 团队成员转发 Inkling 2 Small 发布消息 — simonguozirui · 2026-11-06
- Inkling 2 Small 以 1/8 价格逼近顶级编程模型 — echen · 2026-11-06
- 开发者吐槽：Anthropic 免费额度竟不能用在 Code 和终端 — RileyRalmuto · 2026-11-06
- 62 人盲听实测：8 大 LLM 写钢琴曲 Gemini 66% 胜率居首 — antiochIst · 2026-11-06
- Inkling 2 Small 登顶开源金融 Agent 评测，距 Claude 仅 0.3 分 — ziqiao_ma · 2026-11-06
- Inkling 视觉系统从 v1 进化到 v2,成功攻克 WineBench — simonguozirui · 2026-11-06