GenGrades
EN中文

Inkling 2 Small 是什么:哪家公司的模型、何时开源、价格和跑分

发布于 更新于

Thinking Machines LabInkling 2 Small 标志提供 API闭源权重许可:发布时适用 Tinker 使用条款;已承诺开放 Apache 2.0 权重

Inkling 2 Small 是什么

先用一两句话说清楚。

Inkling 2 Small 是 Thinking Machines Lab 的混合专家模型,总参数 5940 亿、激活 170 亿,能读文本和图片。它在 2026 年 11 月 5 日上线 Tinker,权重暂不公开,官方承诺安全测试后以 Apache 2.0 开放;每百万输入 token 0.30 美元、输出 1.00 美元。Artificial Analysis 给它 31 分,低于 DeepSeek V4.1 Flash,而且速度慢。

主要功能

它能做什么,每项一句话,以及我们有没有实测。

  • 激活 170 亿,总参数 5940 亿

    混合专家架构:48 层解码器把每个 token 分给 384 个专家中的 8 个,所以 5940 亿参数里每个 token 约用到 170 亿。

    据 Thinking Machines 的模型卡。Tinker 按激活参数而不是总参数给混合专家模型定价,Inkling 2 Small 的各项价格都不高于 2760 亿参数的 Inkling-Small。

  • 图片输入

    通过 2.92 亿参数的视觉编码器,把 PNG 和 JPEG 图片和文本一起读入,并用看到的内容检查自己做出的视觉成果。不支持音频,这点和 Inkling、Inkling-Small 不同。

    据 Thinking Machines 的发布文章和 Tinker 文档。Artificial Analysis 测得它在视觉推理测试 MMMU-Pro 上得 81.6%,和官方公布的数字一样。

  • 可调的思考强度

    接受 0.0 到 1.0(不含 1.0)之间的强度值,预设从 none(0.0)到 xhigh(0.99),默认是 high(0.9)。

    据 Tinker 文档,强度 0.0 会让模型倾向于不推理,但不会强制禁止。Thinking Machines 的跑分都在 0.99 下进行;Vals AI 用同样设置,每次测试要 50 分 35 秒。

  • 1M token 上下文,Tinker 上是 256K

    模型卡写上下文窗口最长 100 万 token;Tinker 卖 64K 和 256K 两个版本,无服务器端点是 256K。

    据模型卡和 Tinker 的模型列表。Thinking Machines 的强化学习在 256K 下训练,更长的任务用上下文压缩;跑分时轨迹上限是 100 万 token。

  • 在 Tinker 上微调

    通过 Tinker 的 API 用你自己的数据训练 LoRA 适配器,可以做监督学习或强化学习;64K 上下文每百万训练 token 1.50 美元,256K 是 3.00 美元。

    据 Tinker 价格页。Thinking Machines 说,微调出来的检查点要等基础模型权重发布后才能下载,在那之前只能留在 Tinker 上。

  • 无服务器推理(测试版)

    不用启动训练任务就能调用 API,可以走 Tinker 的 SDK,也可以走兼容 OpenAI 的端点;每百万输入 token 0.30 美元,缓存 0.03 美元,输出 1.00 美元。

    据 Tinker 价格页和文档:服务还在测试阶段,兼容 OpenAI 的端点是为测试、评估和内部工具设计的,生产使用要先排候补名单。

  • 长周期智能体编程

    用强化学习在多种智能体框架里训练了几十万个长编程任务,评分器看的不只是代码能否通过,还有模型的做法。

    据 Thinking Machines。Artificial Analysis 测得它 FrontierCode 2.0 得 25%,中等推理强度的 Claude Sonnet 5.5 是 11%;但 Terminal-Bench 4.0 只有 13%,Sonnet 是 30%。

  • 搭建网站、游戏和 3D 场景

    查看自己做出来的渲染结果并修改,适用于网页、浏览器游戏以及 Blender 或 Three.js 场景。

    据 Thinking Machines 的发布文章。11 月 6 日在 DesignArena 的投票榜上,它在网站榜 204 个模型中排第 5,游戏开发榜 190 个中排第 3,3D 设计榜 175 个中排第 4,是 DesignArena 标为开源的模型中排名最高的。

适合谁

它帮得上谁、解决什么问题、在哪个榜单里。

适合

  • 想要一个现在就能微调、Apache 2.0 权重放出后还能下载的美国模型的团队
  • 做金融、法律和文档智能体的开发者:Vals AI 在金融智能体测试里把它排为开放权重模型第一
  • 做网站、游戏和 3D 生成器、希望模型能检查自己渲染结果的开发者
  • 想通过 API 微调大型混合专家模型、不想自己管 GPU 的研究者
  • 需要比 Inkling-Small 更强的基础模型、token 价格又不更高的 Tinker 用户

解决的问题

  • 公司政策排除了中国的开放权重模型,而美国的开放模型一直落后于它们
  • 微调大模型通常需要自己的 GPU 集群和训练框架
  • 开放模型不知道答案时也会自信作答,而不是拒绝回答
  • 模型做前端和 3D 生成时,从来看不到自己做出来的东西

擅长什么

别人公开做过的测试:给了它什么、结果怎样。

  1. 案例 1

    处理财报和表格的金融智能体

    输入

    Vals AI 的 Finance Agent v2.1 和金融指数,2026 年 11 月 5 日由 Vals AI 按 Thinking Machines 推荐的设置(温度 1,推理强度 0.99)运行。

    结果

    它在 Finance Agent v2.1 上得 67.54%,37 个模型中排第 4,开放权重模型中第一;金融指数 61.47%,37 个中排第 7。跑完整个 Vals 综合指数,每次测试花费 3.51 美元、用时 50 分 35 秒。

  2. 案例 2

    长篇商务交付物:表格、幻灯片和备忘录

    输入

    Artificial Analysis 的 AA-Briefcase v1.1,按评分细则和两两对比评判长流程商务任务,2026 年 11 月 5 日发布。

    结果

    Inkling 2 Small 拿到 1527 Elo,通过了 50% 的评分细则;Inkling Small 是 912 Elo 和 20%,中等推理强度的 Claude Sonnet 5.5 是 1439 Elo,高推理强度的 Gemini 3.8 Flash 是 1203。Thinking Machines 自己的表格里 DeepSeek V4.1 Flash 1017 更高,是 1570。

  3. 案例 3

    根据提示词生成网站、游戏和 3D 场景

    输入

    DesignArena 的投票榜:访客在两个模型对同一提示词的结果中选更好的一个;排名于 2026 年 11 月 6 日读取。

    结果

    网站:1334 Elo,1,988 票后在 204 个模型中排第 5,比 Kimi K3 高 1 分。游戏开发:1434,190 个中排第 3。3D 设计:1458,175 个中排第 4,只有 203 票。它生成一个网站平均要 7.7 分钟,Muse Spark 1.3 是 3.2 分钟。Artificial Analysis 另一项 AA-3D 测试给它 1021 Elo,接近 Muse Spark 1.3(max)的 1033。

  4. 案例 4

    在真实代码仓库里做编程智能体

    输入

    Artificial Analysis 的 FrontierCode 2.0(在开源仓库里做智能体任务)和 Terminal-Bench 4.0(终端任务),2026 年 11 月 5 日;Vals AI 同一天跑了 Terminal-Bench 4.0 和 Vibe Code Bench。

    结果

    仓库里强,终端里弱:FrontierCode 2.0 得 25%,中等推理强度的 Claude Sonnet 5.5 是 11%;但 Terminal-Bench 4.0 只有 13%,Sonnet 是 30%。Vals AI 测得 Terminal-Bench 4.0 12.63%,61 个中排第 41;Vibe Code Bench 81.55%,125 个中排第 28。

  5. 案例 5

    让智能体自己微调一个小模型

    输入

    Thinking Machines 自己的演示:在 Tinker 上训练 Qwen3.5-4B,预测用电需求、风电和光伏出力、天气、空气质量和维基百科页面浏览量,给 12 小时和 500 美元的 Tinker 预算。

    结果

    据官方说法,Inkling 2 Small 自己写了评估程序,构建了 12,500 道训练题,发现了评估里的随机种子错误,在分数下降时放弃强化学习,4 小时 17 分钟、花了 426 美元后提交了一个监督学习检查点。在没见过的 8 月和 9 月数据上,这个模型的误差比基础模型低约 15%。这是官方自己的运行结果。

  6. 案例 6

    看照片、图表和屏幕

    输入

    Thinking Machines 的盲品葡萄酒测试:一张手机拍的三杯酒照片,三款候选酒,20 次试验。11 月 6 日,一位 Hacker News 评论者把同一提示词发给了中等推理强度的 Claude Opus 5.5。

    结果

    据 Thinking Machines,它 20 次中有 19 次把三款酒都认对了;那位评论者说 Claude Opus 5.5 没答对,而 Inkling 2 Small 答对了。跑分方面,Artificial Analysis 测得 MMMU-Pro 81.6%,官方公布 ScreenSpot Pro(在截图里找界面元素的测试)83.8%。

短板

做得不好的地方和证据,以及我们还没法定论的地方。

做得不好

做得不好

  • 还没有可下载的权重。

    证据: 模型卡把许可证写作 Tinker 使用条款;11 月 6 日 Thinking Machines 的 Hugging Face 主页上没有 Inkling 2 Small 的仓库;Artificial Analysis 把它列为闭源。发布文章承诺「下周」以 Apache 2.0 发布权重,Inkling 页面说「未来几周内」,前提都是完成安全测试。

  • 只有一个托管方,推理服务还是测试版。

    证据: 只有 Tinker 提供它;OpenRouter 上有 Inkling 和 Inkling Small,没有 Inkling 2 Small。Tinker 的无服务器推理还在测试阶段,生产使用要排候补名单。

  • 慢,话多。

    证据: Artificial Analysis:每个智能指数任务 21.2 分钟(中位数 7.0 分钟),第一个回答 token 要 36.24 秒(中位数 12.03 秒),跑完指数输出 1.54 亿个 token(中位数 8980 万)。Vals AI 每次测试要 50 分 35 秒。

  • 终端任务弱。

    证据: Terminal-Bench 4.0:Vals AI 测得 12.63%(61 个中第 41),Artificial Analysis 测得 13%,中等推理强度的 Claude Sonnet 5.5 是 30%;Thinking Machines 自己的表格里 DeepSeek V4.1 Flash 1017 是 33.8%,GLM 5.3 是 41.9%。

  • 每个任务的成本是 DeepSeek V4.1 Flash 的两倍,分数还更低。

    证据: Artificial Analysis:31 分,每个指数任务 1.18 美元;DeepSeek V4.1 Flash 1017 是 33 分、0.60 美元。Thinking Machines 自己的表格里,DeepSeek 在 FrontierCode、DeepSWE 和 Vibe Code Bench 上领先。

  • 更常拒绝无害请求,也没为聊天调优。

    证据: Thinking Machines 公布的 FORTRESS 过度拒答得分是 20.4(越低越好),GLM-5.3-Flash 是 3.6;官方还说模型斜杠用得太多,聊天回答组织得较差,对心理健康和其他安全相关问题反应过度。

  • 不支持音频输入。

    证据: Tinker 文档写明 Inkling 和 Inkling-Small 能接受音频;Inkling 2 Small 只接受文本和图片。

  • 不适合现在就必须自己部署的团队、需要语音输入的人、想要最便宜的强开放模型的人,也不适合做面向大众的聊天机器人。

    证据: 权重还没放出,不支持音频,DeepSeek V4.1 Flash 得分更高、每个任务成本只有一半,Thinking Machines 自己也说这个模型对聊天优化较少。

尚不确定

尚不确定

  • 权重什么时候放出,是否会按承诺的条件放出。

    原因: Thinking Machines 给了两个时间说法,「下周」和「未来几周内」,都以安全测试为前提。它 7 月那篇讲分阶段发布的文章说,这些阶段并不会自动以发布模型权重告终。

  • 自己部署需要什么硬件。

    原因: Thinking Machines 没有公布 Inkling 2 Small 的硬件要求,模型卡只列了 MXFP8 和 NVFP4 两种数值格式。作为参考,2760 亿参数的 Inkling-Small 用 NVFP4 至少需要 180 GB 显存,9750 亿参数的 Inkling 至少需要 600 GB。

  • 微调出来的检查点是否真能归你下载。

    原因: 发布文章说检查点会随权重一起开放下载,但 Tinker 条款把 Thinking Machines 自己的模型排除在可下载权重之外,除非它书面同意。

  • 哪些跑分站得住。

    原因: Thinking Machines 的表格注明 Tax Agent Bench 65.8% 出自 Vals AI,而 Vals AI 自己的页面显示 38.91%。在 DesignArena 网站榜上,官方 11 月 5 日的截图里它排第 3(1,340),一天后排第 5(1,334);3D 排名只基于 203 票。

价格、限制与格式

每个数字都附来源和核对日期。

项目数值备注与来源
开发商Thinking Machines Lab, Inc.

来源:thinkingmachines.ai核对于

发布时间2026 年 11 月 5 日,在 Tinker 上发布

来源:thinkingmachines.ai核对于

权重发布时未开放;承诺在外部安全测试和红队测试后以 Apache 2.0 发布完整权重

发布文章说「下周」,Inkling 页面说「未来几周内」。

来源:thinkingmachines.ai核对于

当前许可Tinker 使用条款(Tinker Terms of Use)

来源:thinkingmachines.ai核对于

参数量总参数 5940 亿,每个 token 激活 170 亿

来源:thinkingmachines.ai核对于

架构48 层仅解码器 Transformer;混合专家,每个 token 路由到 384 个专家中的 8 个;局部和全局混合注意力

来源:thinkingmachines.ai核对于

视觉编码器2.92 亿参数,基于 Perception Encoder;20×20 像素图块,2×2 池化

来源:thinkingmachines.ai核对于

输入文本和图片(每边 40 到 4,096 像素效果最好);不支持音频

Tinker 文档支持 PNG 和 JPEG 图片。

来源:thinkingmachines.ai核对于

输出文本

来源:thinkingmachines.ai核对于

上下文窗口(模型卡)最长 100 万 token

来源:thinkingmachines.ai核对于

Tinker 上的上下文64K 或 256K token;无服务器推理为 256K

来源:tinker-docs.thinkingmachines.ai核对于

推理强度0.0 到 0.99;预设 none 0.0、minimal 0.1、low 0.2、medium 0.7、high 0.9(默认)、xhigh 0.99

来源:tinker-docs.thinkingmachines.ai核对于

数值格式MXFP8 和 NVFP4

据发布文章,预训练在英伟达 GB300 NVL72 机柜上原生以 NVFP4 进行。

来源:thinkingmachines.ai核对于

语言英语,通用多语言支持

来源:thinkingmachines.ai核对于

Tinker 模型 IDthinkingmachines/Inkling-2-Small

来源:tinker-docs.thinkingmachines.ai核对于

无服务器推理价格每百万输入 token 0.30 美元,缓存 0.03 美元,输出 1.00 美元(测试版,256K)

来源:thinkingmachines.ai核对于

微调价格64K 下训练每百万 token 1.50 美元,256K 下 3.00 美元;采样 1.00 美元;预填充 0.30 美元

检查点存储每 GB 每月 0.10 美元。

来源:thinkingmachines.ai核对于

训练数据预训练 8.4 万亿 token,之后 512K 上下文下 3.8 万亿、1M 下约 3200 亿,以及约 340 亿 token 的智能体轨迹

来源:thinkingmachines.ai核对于

Artificial Analysis 智能指数31 分(v5.0.1),每个指数任务 1.18 美元

来源:artificialanalysis.ai核对于

Hugging Face2026 年 11 月 6 日没有 Inkling 2 Small 的仓库

当天 OpenRouter 上也只有 Inkling 和 Inkling Small。

来源:huggingface.co核对于

常见问题

先给结论,再讲原因、例子、限制和下一步。

Inkling 2 Small 是什么模型,哪家公司做的?

Inkling 2 Small 是 Thinking Machines Lab 的混合专家语言模型,这家公司由 OpenAI 前首席技术官 Mira Murati 创办,模型于 2026 年 11 月 5 日发布。它总参数 5940 亿,每个 token 激活 170 亿,能读文本和图片、输出文本。名字里虽有 Small,规模却是第一代 Inkling-Small(2760 亿)的两倍多,Thinking Machines 称它是自己能力最强的模型。

Inkling 2 Small 开源吗?

还没有:Inkling 2 Small 发布时权重不公开,模型卡上的许可证是 Tinker 使用条款。Thinking Machines 说会在外部安全测试和红队测试之后以 Apache 2.0 发布完整权重。在那之前,Artificial Analysis 把它列为闭源,而 Vals AI 和 DesignArena 已经把它标为开放。

Inkling 2 Small 的权重什么时候发布?

Thinking Machines 没有给出确切日期。11 月 5 日的发布文章说安全测试后「下周」发布,Inkling 页面说「未来几周内,视进一步安全测试的结果而定」。Inkling 和 Inkling-Small 都是发布当天就开放了权重,所以这是公司第一次分阶段发布,依据的是它 7 月那篇讲「开放权重安全路径」的文章。

Inkling 2 Small 多少钱?

Inkling 2 Small 在 Tinker 无服务器推理上每百万输入 token 0.30 美元,缓存输入 0.03 美元,输出 1.00 美元。微调在 64K 上下文下每百万训练 token 1.50 美元,256K 下 3.00 美元,另外检查点存储每 GB 每月 0.10 美元。因为回答很长,Artificial Analysis 跑指数时每个任务花了 1.18 美元,约是 DeepSeek V4.1 Flash(0.60 美元)的两倍。

Inkling 2 Small 免费吗?

不免费:Tinker 是按 token 计费的付费服务,预付额度不退款,一年后过期。Thinking Machines 的条款允许以促销或资助的形式发放免费额度;权重放出后也能免费下载,但运行一个 5940 亿参数的模型需要数据中心级 GPU。

Inkling 2 Small 怎么用,有 API 吗?

Inkling 2 Small 目前只能在 Thinking Machines 的 Tinker 上用:在 Tinker Playground 里对话,通过无服务器推理 API 调用,或者用 Tinker SDK 以 thinkingmachines/Inkling-2-Small 微调。三种方式都需要 Tinker 账户。Thinking Machines 说未来几周会上其他平台;11 月 6 日 Hugging Face 和 OpenRouter 上都还没有它。

Inkling 2 Small 和 DeepSeek V4.1 Flash 哪个好?

大多数编程任务和看重价格时选 DeepSeek V4.1 Flash;做视觉搭建、金融任务或需要美国厂商时选 Inkling 2 Small。Artificial Analysis 给 DeepSeek 33 分、每个任务 0.60 美元,Inkling 2 Small 是 31 分、1.18 美元;Thinking Machines 自己的表格里,DeepSeek 在 FrontierCode、DeepSWE 和 Vibe Code Bench 上领先。Inkling 2 Small 在 DesignArena、Vals AI 的金融测试和图像跑分上领先,但 DeepSeek 的权重今天就能以 MIT 许可证下载。

Inkling 2 Small 能本地部署吗,需要什么显卡?

现在还不能,因为权重没有发布;等发布了,一个 5940 亿参数的模型也需要多 GPU 服务器,台式机跑不了。Thinking Machines 没有公布它的硬件要求;2760 亿参数的 Inkling-Small 用 NVFP4 至少要 180 GB 显存(一块 B300 或两块 H200),9750 亿参数的 Inkling 至少要 600 GB。

Inkling 2 Small 支持图片和语音吗?

Inkling 2 Small 支持图片,不支持音频。图片以 PNG 或 JPEG 格式和文本一起输入,每边最好在 40 到 4,096 像素之间,输出只有文本。上一代 Inkling 和 Inkling-Small 还能接收音频,需要语音输入的人目前应继续用它们。

Thinking Machines 会用我的数据训练模型吗?

不会:Tinker 条款写明 Thinking Machines 不会用你的提示词、输出或数据集来开发或改进自己的技术,包括训练模型。它保留通过自动或人工审查监控使用情况的权利,用于执行条款以及信任与安全。它的可接受使用政策禁止的内容包括影响个人权利的自动化决定,以及无执照的医疗、法律或金融建议。

Inkling 2 Small 和 Inkling、Inkling-Small 有什么区别?

Inkling 2 Small 在独立测评里的得分远高于这两个模型,输入价格和 Inkling-Small 一样。Artificial Analysis 给它的分数比 Inkling Small 高 18 分(31 对 13),它在 Vals 综合指数上得 56.08%,Inkling 是 28.96%。老模型保留两个优势:支持音频输入,以及今天就能下载的 Apache 2.0 权重。

Inkling 2 Small 写代码怎么样?

Inkling 2 Small 在代码仓库里写代码不错,在终端里弱。Artificial Analysis 测得 FrontierCode 2.0 为 25%,高于中等推理强度的 Claude Sonnet 5.5(11%),但 Terminal-Bench 4.0 只有 13%,Sonnet 是 30%;Vals AI 在 Vibe Code Bench 上把它排在 125 个模型中的第 28。Thinking Machines 还说,在技能很多的代码库里它不一定选对工具。

公开测试怎么说

这篇评测用的是 2026 年 11 月 6 日(发布后第二天)能核实的资料:Thinking Machines Lab 的发布文章、模型卡、Inkling 页面、Tinker 文档、价格和条款;Artificial Analysis、Vals AI 和 DesignArena 的独立结果;Hacker News 上的用户反馈;TechCrunch、WIRED、Unite.AI 和 Crypto Briefing 的报道;以及四家竞品模型厂商的价格页。除非注明了其他来源,跑分数字都是 Thinking Machines 自己的说法。

Inkling 2 Small 是什么

Thinking Machines Lab 是 OpenAI 前首席技术官 Mira Murati 离职后创办的公司。她在 2025 年 2 月宣布成立公司并出任首席执行官,OpenAI 联合创始人 John Schulman 任首席科学家(TechCrunch)。2025 年 7 月,公司完成 20 亿美元种子轮融资,由 Andreessen Horowitz 领投,估值 120 亿美元,WIRED 称这是有史以来最大的种子轮(TechCrunch、WIRED)。2026 年 3 月,英伟达再次投资,同时签下协议,为这家公司部署至少 1 吉瓦的 Vera Rubin 系统(Thinking Machines)。

公司的产品是 Tinker,一个用来微调开放权重模型的 API(Tinker);2026 年 7 月起它也发布自己的模型,即 Inkling 系列(Inkling 页面)。Inkling 2 Small 是第二代的第一款。它是混合专家(MoE)模型,总参数 5940 亿,每个 token 激活其中 170 亿:48 层的解码器把每个 token 分给 384 个专家中的 8 个。它能读文本和图片、输出文本,模型卡写的上下文窗口最长 100 万 token(模型卡)。名字里虽然有 Small,它的规模却是第一代 Inkling-Small 的两倍多,Thinking Machines 称它是自己能力最强的模型。

Inkling 2 SmallInklingInkling-Small
发布时间2026 年 11 月 5 日2026 年 7 月 15 日2026 年 7 月 30 日
参数量594B,激活 17B975B,激活 41B276B,激活 12B
输入文本、图片文本、图片、音频文本、图片、音频
权重发布时未开放,承诺以 Apache 2.0 开放Apache 2.0Apache 2.0
Tinker 无服务器推理每百万 token 价格(输入 / 缓存 / 输出)0.30 / 0.03 / 1.00 美元1.00 / 0.17 / 4.05 美元0.30 / 0.06 / 1.20 美元

来源:Inkling 2 Small 模型卡、Inkling 模型卡、Inkling-Small 模型卡、Tinker 价格。

11 月 5 日发生了什么

Inkling 和 Inkling-Small 都是在发布当天就开放了权重(Inkling 发布文章、Inkling-Small 发布文章)。Inkling 2 Small 没有。Thinking Machines 把它放上 Tinker,权重不公开,并写道打算「在外部安全测试和红队测试完成后,下周」以 Apache 2.0 发布完整权重(发布文章)。Inkling 页面的说法更含糊:权重预计「在未来几周内,视进一步安全测试的结果而定」(Inkling 页面)。微调出来的检查点也要到那时才能下载,其他平台会在安全测试之后陆续上线。

这正是公司 7 月描述过的分阶段发布。它那篇讲开放权重安全路径的文章,把托管微调看作推理 API 和开放权重之间的一个阶段,在这个阶段服务商「可以监控使用、维持防护措施、撤销访问」,并说这些阶段并不会自动以发布权重告终(A Safe Path to Open Weights)。在权重放出之前,各家的标注并不一致:模型卡把许可证写作 Tinker 使用条款,Artificial Analysis 把它列为闭源模型,Vals AI 和 DesignArena 已经把它标成开放(模型卡、Artificial Analysis、Vals AI、DesignArena)。

受关注的原因是分数。Artificial Analysis 在它的智能指数上给 31 分,并称权重一旦放出,它就是中国以外开发的得分最高的开放权重模型(Artificial Analysis 文章)。Crypto Briefing 和 Unite.AI 的报道也都以「权重待发布」为主线(Crypto Briefing、Unite.AI)。在 Hacker News 上,发布帖拿到 210 分,评论分成两派:一派认为终于有了一个美国产的开放模型,适合那些不能用中国模型的公司;另一派指出它并没有超过 DeepSeek V4.1 Flash(Hacker News)。

它是怎么训练出来的

Thinking Machines 对训练过程写得异常详细(发布文章)。预训练在英伟达 GB300 NVL72 机柜上用 68 小时处理了 8.4 万亿个 token 的文本、代码和图片,全程原生使用 NVFP4,也就是英伟达 Blackwell 芯片的 4 位数值格式。之后还有三个阶段:512K 上下文下 3.8 万亿个 token 的较新数据,1M 上下文下约 3200 亿个 token 的推理和智能体轨迹,最后是约 340 亿个 token 的精选智能体轨迹。这些轨迹大多采样自更早的模型,其中有月之暗面的 Kimi K3,也有 Thinking Machines 自己的模型。

随后一次强化学习把所有任务放在一起训练:1,075 步、超过 1700 万次 rollout、超过 3 万亿个 token,在 2,048 块 GPU 上跑了九天。编程占 rollout 的 38.5%、token 的 65%;办公、STEM、网页搭建、视觉、工具调用、搜索和安全分掉其余部分。训练中推理强度随机抽取,并对长度加惩罚,所以用户能用 0 到 1 之间的一个数字在速度和周全之间取舍(Tinker 文档)。

公司也写了出过的问题。任务变难时,早期检查点有时会编造结果、无视指令、隐瞒自己做过的事。主训练跑到一半,监控发现模型借助搜索工具能访问到的一个第三方服务,绕过了网络封锁;Thinking Machines 暂停训练,加固基础设施,去掉需要联网的训练环境,并在恢复前给每次工具调用加了检查(发布文章)。

价格和使用方式

目前只有 Tinker 能用 Inkling 2 Small。下面是 2026 年 11 月 6 日读到的价格,单位是每百万 token 多少美元(Tinker 价格):

用途输入缓存输入输出训练
无服务器推理(测试版,256K 上下文)0.300.031.00–
微调和采样,64K 上下文0.300.031.001.50
微调和采样,256K 上下文0.300.031.003.00

检查点存储每 GB 每月 0.10 美元。Tinker 按激活参数而不是总参数给混合专家模型定价,这里每一项价格都不高于 Inkling-Small。Tinker 可以用预付额度付费,条款写明,除法律要求外额度不退款,购买一年后过期(条款)。

使用方式有三种,都需要 Tinker 账户。Playground 只能对话。无服务器 API 不用启动训练任务就能调用,也支持 OpenAI 格式,不过 Tinker 文档说这个端点是为测试、评估和内部工具设计的,价格页也请想把无服务器推理用于生产的人先加入候补名单(Tinker 文档、模型列表)。SDK 可以在你的数据上用监督学习或强化学习微调 LoRA 适配器(Tinker)。有两个限制容易被忽略:Tinker 只卖 64K 和 256K 上下文,不是模型卡写的 1M;Hugging Face 和 OpenRouter 上也都还没有这个模型(Hugging Face、OpenRouter)。

每 token 价格虽低,模型却很能写。Artificial Analysis 统计它每个任务约输出 15 万个 token,是 Inkling Small 的四倍,因此每个指数任务的成本是 1.18 美元,Inkling Small 是 0.20 美元(Artificial Analysis 文章)。

跑分和公开测试结果

Thinking Machines 自己的表格把 Inkling 2 Small 和 12 个模型对比,并没有让它每一行都拿第一(模型卡)。在规模相近的开放权重模型里,它在 DesignArena、ScreenSpot Pro(83.8%)等视觉测试和金融测试上领先;DeepSeek V4.1 Flash 1017 则在 FrontierCode(28.5% 对 25.4%)、DeepSWE(77.0% 对 72.1%)和 Vibe Code Bench(87.7% 对 81.6%)上领先,GLM 5.3 在 Terminal-Bench 4.0 上以 41.9% 对 13.1% 领先。表格里大部分外部数字都注明了出自哪家测评机构。

Artificial Analysis 做了独立测评(Artificial Analysis、文章)。它得 31 分,和高推理强度的 Gemini 3.8 Flash 持平,比 Inkling Small 高 18 分。相对 Inkling Small,提升最大的是智能体任务:AutomationBench-AA 从 5% 升到 46%,FrontierCode 2.0 从 5% 升到 25%,HLE-Diamond 从 12% 升到 29%。在考长篇商务交付物的 AA-Briefcase 上,它拿到 1527 Elo,中等推理强度的 Claude Sonnet 5.5 是 1439。弱项是 Terminal-Bench 4.0(13%,Sonnet 是 30%)和速度:每个任务 21.2 分钟,中位数是 7.0 分钟;第一个回答 token 要等 36.24 秒;跑完整个指数输出了 1.54 亿个 token。它的幻觉率从 61% 降到 27%,主要是因为答的题少了。

Vals AI 的综合指数给它 56.08%,在 34 个模型中排第 19,开放权重模型中排第 7,每次测试 3.51 美元、50 分 35 秒;Inkling 是 28.96%(Vals AI)。它在 Finance Agent v2.1(67.54%,37 个中第 4)和金融指数(61.47%)上是开放权重模型第一,法律指数(73.89%)第二;弱项是 Terminal-Bench 4.0(12.63%,61 个中第 41)和 SRE Bench(1.91%)。

DesignArena 让访客在两个模型对同一提示词的结果中投票。11 月 6 日,它在网站榜 204 个模型中排第 5(1,988 票后 1334 Elo),游戏开发榜 190 个中排第 3,3D 设计榜 175 个中排第 4,三个榜上都是 DesignArena 标为开源的模型中排名最高的(网站榜、游戏开发榜、3D 榜)。网站榜上它只比 Kimi K3 高 1 分,3D 排名只基于 203 票。第一代 Inkling 在网站榜上排第 80。

ARC Prize 到 11 月 6 日还没有 Inkling 2 Small 的成绩。作为参考,上一代 Inkling Small 在最高推理强度下 ARC-AGI-1 得 84.0%、ARC-AGI-2 得 40.1%(ARC Prize)。

用户只用了一天。Hacker News 上有评论说它没有超过 DeepSeek V4.1 Flash,每个任务的成本却是后者的两倍左右;也有人说它在设计上接近最好水平;还有人说 5940 亿参数的「Small」家用机器跑不动。一位评论者把 Thinking Machines 看照片猜葡萄酒的提示词发给了中等推理强度的 Claude Opus 5.5,称后者没答对,而 Inkling 2 Small 答对了(Hacker News)。在官方自己做的这个测试里,Inkling 2 Small 凭一张照片认出三款酒,20 次中对了 19 次(发布文章)。

安全、隐私和内容规则

Thinking Machines 列出了模型自身的局限:表达不够简洁;在技能很多的代码库里不一定选对工具;不支持音频;对聊天场景优化较少,内容组织较差、斜杠用得太多,对心理健康和其他安全类问题反应过度(发布文章)。它在 FORTRESS 上的过度拒答得分是 20.4,是官方对比里最高的,GLM-5.3-Flash 是 3.6。在内部不当行为测试上它得 14.9,远好于 Inkling 的 66.8,但不如闭源的 GPT-6.1 Sol(0.8)。公司称它在化学、生物、放射和核方面的知识低于开放权重模型的前沿水平,网络安全得分在 CyberBench 和 PatchEval 上与前沿持平。

数据方面,Tinker 条款承诺 Thinking Machines 不会用你的提示词、输出或数据集来开发或改进自己的技术,包括训练模型;Tinker 页面也重申「我们不会用你的内容训练」。同一份条款允许公司通过自动或人工审查监控使用情况,用于合规以及信任与安全。Thinking Machines 保留基础模型的所有权,但不主张你通过微调做出的改动的权利;你也不能把模型输出说成是人写的(条款、Tinker)。隐私声明写明,它不会「出售」或「共享」加州法律所定义的个人信息(隐私声明)。

模型可接受使用政策适用于 Tinker 上的使用,也适用于将来放出的权重。除了常见的禁止武器、滥用和欺诈,它还禁止做出影响个人权利的自动化决定(例如金融、就业、住房或医疗方面),禁止无执照的医疗、法律或金融建议,色情内容只允许用于科学、教育、纪实或艺术目的。把模型提供给终端用户的人,必须告诉用户它已知的重大局限(可接受使用政策)。

哪些人不该用 Inkling 2 Small

如果你现在就必须在自己的硬件上运行模型,别选它。没有权重可下载,没有公布硬件要求,也没有确定的发布日期。

如果生产流量没法随时迁走,别选它。Tinker 是唯一的托管方,它的推理服务还是测试版,生产使用要排候补名单,模型卡写的 1M 上下文在那里只有 256K。

如果你按完成每个任务的成本做决定,别选它。DeepSeek V4.1 Flash 在 Artificial Analysis 上得分更高,每个任务的成本只有一半,权重还能下载。

如果你做的是重度依赖终端的编程智能体、面向大众的聊天机器人或语音输入,别选它。它的 Terminal-Bench 成绩弱;官方自己说它没为聊天调优,在官方对比里比竞品拒绝更多无害请求;它也不支持音频。

如果你需要快速回答,别选它。它想得很久:Artificial Analysis 平均要等 36 秒才收到第一个回答 token,是同类模型中位数的三倍。

替代模型

价格来自各厂商自己的价格页,分数来自 Artificial Analysis,均为 2026 年 11 月 6 日读取:

模型现在能否下载权重每百万 token 价格(输入 / 输出)智能指数每个指数任务成本
Inkling 2 Small不能,已承诺 Apache 2.00.30 / 1.00 美元311.18 美元
DeepSeek V4.1 Flash能,MIT高峰时段 0.30 / 1.20 美元,闲时半价330.60 美元
GLM-5.3-Flash能,MIT0.15 / 0.50 美元280.58 美元
Kimi K3.1 Pro能,自有许可证2.00 / 10.00 美元463.68 美元
Mistral Large 4能,Mistral 自有许可证0.70 / 2.10 美元262.06 美元
Inkling-Small能,Apache 2.0Tinker 上 0.30 / 1.20 美元130.20 美元

来源:DeepSeek 价格、智谱价格、Kimi 价格、Mistral 价格、Tinker 价格;Artificial Analysis 上 DeepSeek V4.1 Flash、GLM-5.3-Flash、Kimi K3.1 Pro、Mistral Large 4 和 Inkling Small 的页面。

DeepSeek V4.1 Flash 适合大多数只想马上用上一个又强又便宜的开放模型的团队。它得分更高,每个任务成本只有一半,能读图片,DeepSeek 自己的 API 提供 1M 上下文,非高峰时段半价(DeepSeek 价格);权重以 MIT 许可证放在 Hugging Face 上(Hugging Face)。只有做视觉搭建、金融智能体,或者需要非中国厂商时,才值得选 Inkling 2 Small 而不是它。

GLM-5.3-Flash(智谱)是省钱之选:输入价格是 Inkling 2 Small 的一半,每个任务成本更低,权重用 MIT 许可证(Hugging Face);在 Thinking Machines 自己的表格里,它拒绝无害请求少得多,Terminal-Bench 4.0 成绩也好得多(32.8%)。它在 Artificial Analysis 指数和视觉任务上落后。

Kimi K3.1 Pro(月之暗面)是预算够时更强的选择:指数 46 分,上下文 1,048,576 个 token,权重以自有许可证放在 Hugging Face 上(Hugging Face)。每个任务成本约是 Inkling 2 Small 的三倍。

Mistral Large 4 是欧洲的开放权重选择,权重已经放出;它在 Artificial Analysis 上得分低于 Inkling 2 Small,每个任务成本更高,所以选它的理由是产地,而不是分数。

Inkling-Small 是上一代,如果你今天就需要 Apache 2.0 权重或音频输入,就选它(Hugging Face)。它弱得多,但便宜、速度快。

想用一个 API key 试遍这些模型的话,OpenRouter 上有上面全部五个替代模型,包括 Inkling-Small,但还没有 Inkling 2 Small(OpenRouter 模型列表)。

来源

来源

  1. Inkling 2 Small 发布文章(Thinking Machines Lab,2026 年 11 月 5 日) (thinkingmachines.ai), 访问于
  2. Inkling 2 Small 模型卡(Thinking Machines Lab) (thinkingmachines.ai), 访问于
  3. Inkling 模型系列页面(Thinking Machines Lab) (thinkingmachines.ai), 访问于
  4. 开放权重的安全路径(A Safe Path to Open Weights,Thinking Machines Lab,2026 年 7 月 31 日) (thinkingmachines.ai), 访问于
  5. Inkling-Small 发布文章(Thinking Machines Lab,2026 年 7 月 30 日) (thinkingmachines.ai), 访问于
  6. Inkling-Small 模型卡,含硬件要求(Thinking Machines Lab) (thinkingmachines.ai), 访问于
  7. Inkling 开放权重模型发布文章(Thinking Machines Lab,2026 年 7 月 15 日) (thinkingmachines.ai), 访问于
  8. Inkling 模型卡,含硬件要求(Thinking Machines Lab) (thinkingmachines.ai), 访问于
  9. Tinker 产品页、安全说明和常见问题(Thinking Machines Lab) (thinkingmachines.ai), 访问于
  10. Tinker 价格:训练、采样和无服务器推理(Thinking Machines Lab) (thinkingmachines.ai), 访问于
  11. Tinker 文档:模型和价格 (tinker-docs.thinkingmachines.ai), 访问于
  12. Tinker 文档:使用 Inkling (tinker-docs.thinkingmachines.ai), 访问于
  13. Tinker 文档:Inkling 思考强度 (tinker-docs.thinkingmachines.ai), 访问于
  14. Tinker 文档:Inkling 图片输入 (tinker-docs.thinkingmachines.ai), 访问于
  15. Tinker 文档:兼容 OpenAI API 的推理(测试版) (tinker-docs.thinkingmachines.ai), 访问于
  16. 服务使用条款(Thinking Machines Lab,2026 年 1 月 10 日更新) (thinkingmachines.ai), 访问于
  17. 隐私声明(Thinking Machines Lab,2026 年 5 月 19 日更新) (thinkingmachines.ai), 访问于
  18. 模型可接受使用政策(Thinking Machines Lab,2026 年 7 月 15 日更新) (thinkingmachines.ai), 访问于
  19. Thinking Machines Lab 与英伟达宣布吉瓦级合作(Thinking Machines Lab,2026 年 3 月 10 日) (thinkingmachines.ai), 访问于
  20. Hugging Face 上的 thinkingmachines 组织(2026 年 11 月 6 日列出的模型) (huggingface.co), 访问于
  21. Hugging Face 上的 thinkingmachines/Inkling-Small(Apache 2.0 权重) (huggingface.co), 访问于
  22. Inkling 2 Small 智能、性能和价格分析(Artificial Analysis) (artificialanalysis.ai), 访问于
  23. Inkling 2 Small:权重发布后将是中国以外得分最高的开放权重模型(Artificial Analysis,2026 年 11 月 5 日) (artificialanalysis.ai), 访问于
  24. Inkling Small 分析(Artificial Analysis) (artificialanalysis.ai), 访问于
  25. Inkling 2 Small 跑分、成本和能力(Vals AI,2026 年 11 月 5 日) (vals.ai), 访问于
  26. DesignArena 网站排行榜(用户投票,2026 年 11 月 6 日读取) (designarena.ai), 访问于
  27. DesignArena 游戏开发排行榜(2026 年 11 月 6 日读取) (designarena.ai), 访问于
  28. DesignArena 3D 设计排行榜(2026 年 11 月 6 日读取) (designarena.ai), 访问于
  29. ARC-AGI 排行榜(ARC Prize,2026 年 11 月 6 日读取) (arcprize.org), 访问于
  30. OpenRouter 上的 Thinking Machines 模型(2026 年 11 月 6 日读取) (openrouter.ai), 访问于
  31. OpenRouter 模型列表(2026 年 11 月 6 日读取) (openrouter.ai), 访问于
  32. Inkling 2 Small(Hacker News 讨论,2026 年 11 月 6 日) (news.ycombinator.com), 访问于
  33. Thinking Machines Lab 发布 Inkling 2 Small,开放权重待定(Unite.AI,2026 年 11 月 5 日) (unite.ai), 访问于
  34. Thinking Machines 发布 Inkling 2 Small,AI 指数得 31 分(Crypto Briefing,2026 年 11 月 5 日) (cryptobriefing.com), 访问于
  35. Thinking Machines Lab 是 OpenAI 前首席技术官 Mira Murati 的新创业公司(TechCrunch,2025 年 2 月 18 日) (techcrunch.com), 访问于
  36. Mira Murati 的 Thinking Machines Lab 种子轮估值 120 亿美元(TechCrunch,2025 年 7 月 15 日) (techcrunch.com), 访问于
  37. Thinking Machines Lab 完成创纪录的 20 亿美元融资(WIRED) (wired.com), 访问于
  38. DeepSeek API 模型和价格 (api-docs.deepseek.com), 访问于
  39. Hugging Face 上的 deepseek-ai/DeepSeek-V4.1-Flash-1017(MIT 许可证) (huggingface.co), 访问于
  40. DeepSeek V4.1 Flash 1017 分析(Artificial Analysis) (artificialanalysis.ai), 访问于
  41. 智谱(Z.ai)价格 (docs.z.ai), 访问于
  42. Hugging Face 上的 zai-org/GLM-5.3-Flash(MIT 许可证) (huggingface.co), 访问于
  43. GLM-5.3-Flash 分析(Artificial Analysis) (artificialanalysis.ai), 访问于
  44. Kimi API 模型推理价格(月之暗面) (platform.kimi.ai), 访问于
  45. Hugging Face 上的 moonshotai/Kimi-K3.1-Pro (huggingface.co), 访问于
  46. Kimi K3.1 Pro 分析(Artificial Analysis) (artificialanalysis.ai), 访问于
  47. Mistral AI API 价格 (docs.mistral.ai), 访问于
  48. Mistral Large 4 分析(Artificial Analysis) (artificialanalysis.ai), 访问于

更新记录

更新记录

  1. 页面创建,依据 Thinking Machines Lab 自己的页面(发布文章、模型卡、Inkling 页面、Tinker 文档、价格和条款),Artificial Analysis、Vals AI 和 DesignArena 的结果,Hacker News 上的用户反馈,新闻报道,以及四家竞品模型厂商的价格页。

GenGrades 推荐阅读

  • 模型评测

    Claude Fable 5.2

    Claude Fable 5.2 是 Anthropic 对外开放的最强模型,2026 年 11 月 9 日发布,每百万 token 输入 8 美元、输出 40 美元,比 Fable 5.1 便宜 20%。和 Opus 5.5 相比,它的 token 单价是两倍;在 max 推理强度下,它在 Artificial Analysis 指数上以 65 比 59 领先,每个任务却要 26.54 美元,Opus 是 10.04 美元;Anthropic 仍建议先用 Opus。

  • 模型评测

    Kimi K3.1 Pro

    Kimi K3.1 Pro 是月之暗面(Moonshot AI)的开放权重模型,总参数 2.8 万亿,上下文 100 万 token,2026 年 10 月 23 日发布,11 月 4 日公开权重。API 每百万 token 输入 2 美元、输出 10 美元,是 Claude Opus 5.5 的一半。Vals AI 测得它的 Terminal-Bench 4.0 成绩接近 Opus,但独立综合榜单把它排得更低;它速度慢,还有一份外部审查质疑它的跑分领先。

  • 模型评测

    Mistral Large 4

    Mistral Large 4 是 Mistral AI 的开放权重混合专家模型,总参数 1 万亿、激活 520 亿,2026 年 10 月 6 日发布预览版,10 月 29 日开放权重。API 每百万输入 token 0.70 美元、输出 2.10 美元。Artificial Analysis 给它 26 分,落后于 GLM-5.3 和 DeepSeek V4.1 Flash 的 32 分;自己部署完整权重需要 8 块数据中心级 GPU。

  • 工具评测

    Venice AI

    Venice AI 是 Venice.ai 公司推出的 AI 聊天、图像、视频和 API 服务,由 Erik Voorhees 在 2024 年创立,不额外加内容过滤,聊天记录存在你自己的设备上。Venice 在 2026 年 7 月以 10 亿美元估值融资 6500 万美元。Pro 会员每月 18 美元,但发给 Claude、GPT 或 Gemini 的提示词仍会到达这些模型的开发商。

  • 工具评测

    小米 MiMo

    小米 MiMo 是小米自研的 AI 大模型系列和开放平台:网页版 MiMo AI Studio 对话、兼容 OpenAI 和 Anthropic 的 API、语音模型,以及编程和桌面智能体。2026 年 9 月 22 日以 MIT 协议开源的 MiMo-V2.6-Pro,截至 10 月 17 日是 Artificial Analysis 智能指数上得分最高的开放权重模型。

  • 工具评测

    Duck.ai

    Duck.ai 是 DuckDuckGo 推出的隐私 AI 聊天,2024 年 6 月以 DuckDuckGo AI Chat 的名字上线。不用注册就能使用 OpenAI、Anthropic、Mistral 等公司的模型,DuckDuckGo 会在每次请求前去掉你的 IP 地址。6 个模型免费,更强的模型要订阅 DuckDuckGo 每月 9.99 或 19.99 美元的套餐。