Thinking Machines 发布 Inkling 2 Small，权重待开放

Thinking Machines 发布了 Inkling 2 Small，在 Artificial Analysis Intelligence Index 上得分 31——按其发布权重的计划，根据当前排名，它将成为中国以外开发的得分最高的开放权重模型

Inkling 2 Small 以专有模型形式发布，首先通过 Thinking Machines 的 Tinker 平台和 Tinker Playground 提供第一方访问，权重将在稍后发布。其得分比 Inkling Small 高出 18 分，每个任务的输出 token 数约为后者的 4 倍。在 Artificial Analysis Intelligence Index v5.0.1 上，它与 Google DeepMind 的 Gemini 3.8 Flash（high）持平，并超过小米的 MiMo-V2.6-Pro。

关键要点：

➤ 相较 Inkling Small 大幅提升，尤其是在智能体任务上：AutomationBench-AA 从 5% 升至 46%，FrontierCode 2.0 从 5% 升至 25%。HLE-Diamond 也从 12% 升至 29%。

➤ 编码优势与 Claude Sonnet 5.5（medium）不同：Inkling 2 Small 在 FrontierCode 2.0 上得分 25%，而 Claude Sonnet 5.5（medium）为 11%；但在 Terminal-Bench 4.0 上为 13%，后者为 30%。

➤ 在 AA-3D 上的创意智能体得分高于 Claude Haiku 5.5 和 Grok 4.7：Inkling 2 Small 在 AA-3D 和 Code2Video-AA 上也都高于 Gemini 3.8 Flash，但在这两项上均落后于 Claude Sonnet 5.5。

➤ 研究级物理有所提升，但落后于 Gemini 3.8 Flash（high）：Inkling 2 Small 在 CritPt v2 上得分 56%，高于 Inkling Small 的 34%，而 Gemini 3.8 Flash（high）为 65%。

➤ 回答更具选择性，幻觉更少：在 AA-Omniscience v1.1 上，幻觉率从 Inkling Small 的 61% 降至 27%，同时准确率从 32% 升至 34%，尝试率从 77% 降至 53%。

➤ 输出 token 数约为 4 倍：Inkling 2 Small 在每个 Intelligence Index 任务上平均输出约 150K token，而 Inkling Small 约为 37K，Claude Sonnet 5.5（medium）约为 31K，Gemini 3.8 Flash（high）约为 99K。

➤ 成本约为 Inkling Small 的 6 倍，但比若干 Intelligence Index 得分相近的其他模型更便宜：Inkling 2 Small 每个 Intelligence Index 任务成本为 $1.18，而 Inkling Small 为 $0.20，Gemini 3.8 Flash（high）为 $7.77，Claude Sonnet 5.5（medium）为 $10.02。

关键模型细节：

➤ 类型：发布时为专有推理模型；计划以 Apache 2.0 发布权重（日期未确认）

➤ 模态：文本和图像输入，文本输出

➤ 规模：594B 总参数 / 17B 激活参数

➤ 定价：每 1M 输入/输出 token 分别为 $0.30/$1.00（每 1M 缓存输入 token 为 $0.03）

➤ 发布时可用性：Tinker 和 Tinker Playground

祝贺 Thinking Machines 团队发布！

Inkling 2 Small 在 AA-Briefcase 上比 Inkling Small 高 615 Elo 分，评分标准通过率为后者的 2.5 倍。

AA-Briefcase 测试需要电子表格、演示文稿和备忘录的长周期业务工作流。Inkling 2 Small 得分为 1527 Elo，而 Inkling Small 为 912 Elo，Claude Sonnet 5.5（medium）为 1439 Elo，Gemini 3.8 Flash（high）为 1203 Elo。

它通过了 50% 的评分标准检查，而 Inkling Small 为 20%，分析质量为 1634 Elo，演示为 1564 Elo。

Inkling 2 Small 在 AA-3D 和 Code2Video-AA 上相较 Inkling（xhigh）大幅提升，得分分别接近 Muse Spark 1.3 和 Qwen3.8 Max。

AA-3D 测试模型创建交互式 3D 体验的能力。Inkling 2 Small 得分为 1021 Elo，而 Google DeepMind 的 Gemini 3.8 Flash 为 966 Elo，Meta 的 Muse Spark 1.3（max）为 1033 Elo。

在测试模型使用代码创建视频能力的 Code2Video-AA 上，Inkling 2 Small 得分为 1020 Elo，而 Gemini 3.8 Flash 为 899 Elo，阿里巴巴的 Qwen3.8 Max (0902)（xhigh）为 1021 Elo。

与 Inkling（xhigh）相比，它在 AA-3D 上提升了 438 Elo（1021 对 583），在 Code2Video-AA 上提升了 553 Elo（1020 对 467）。

Inkling 2 Small 幻觉更少，主要是因为它回答的问题更少，而准确率仅略有提升。

在 AA-Omniscience v1.1 上，其净得分从 Inkling Small 的 -9 提升至 16，但仍落后于 Gemini 3.8 Flash（high，23）和 Claude Sonnet 5.5（medium，19）。其幻觉率从 Inkling Small 的 61% 降至 27%，尝试率从 77% 降至 53%，准确率从 32% 升至 34%。

Inkling 2 Small 在 Intelligence Index 每项任务上平均输出约 150K tokens，约为 Inkling Small 的约 37K 的 4 倍。

它的输出 token 用量也高于 Gemini 3.8 Flash（high，约 99K）和 Claude Sonnet 5.5（medium，约 31K）。

Inkling 2 Small 在 Intelligence Index 中每项任务成本为 $1.18，较 Inkling Small 上涨近 6 倍。

Inkling 2 Small 的 token 价格为每 1M 输入/输出/缓存命中 tokens 分别为 $0.30/$1.00/$0.03。

Artificial Analysis Intelligence Index v5.0.1 中各项评估的完整结果