Thinking Machines 发布 Inkling 2 Small，Artificial Analysis 智能指数得分 31

Thinking Machines 公司发布了 Inkling 2 Small，在人工智能分析指数上得分 31 分 - 他们计划发布其权重，这将使其成为基于当前排名在中国以外开发的最高分的开源模型

查看模型页面

Inkling 2 Small 作为专有模型推出，首先通过 Thinking Machines 的 Tinker 平台和 Tinker Playground 提供，其权重将在稍后发布。它的得分比 Inkling Small 高 18 分，每个任务的输出标记量约为 4 倍。它在人工智能分析指数 v5.0.1 上与 Google DeepMind 的 Gemini 3.8 Flash (high) 匹配，并超过小米的 MiMo-V2.6-Pro。

主要要点：

➤ 与 Inkling Small 相比大幅提升，特别是在代理任务上： AutomationBench-AA 从 5% 上升到 46%，FrontierCode 2.0 从 5% 上升到 25%。HLE-Diamond 也从 12% 上升到 29%。

➤ 与 Claude Sonnet 5.5 (medium) 的不同编码优势： Inkling 2 Small 在 FrontierCode 2.0 上的得分为 25%，而 Claude Sonnet 5.5 (medium) 为 11%，但在 Terminal-Bench 4.0 上为 13%，而 Claude Sonnet 5.5 (medium) 为 30%。

➤ 在 AA-3D 上，创意代理得分高于 Claude Haiku 5.5 和 Grok 4.7： Inkling 2 Small 在 AA-3D 和 Code2Video-AA 上的得分也高于 Gemini 3.8 Flash，但在两者上均低于 Claude Sonnet 5.5。

➤ 研究级物理性能有所提高，但仍落后于 Gemini 3.8 Flash (high)： Inkling 2 Small 在 CritPt v2 上的得分为 56%，比 Inkling Small 的 34% 高，而 Gemini 3.8 Flash (high) 为 65%。

➤ 由于回答更具选择性，幻觉减少： 在 AA-Omniscience v1.1 上，幻觉率从 Inkling Small 的 61% 下降到 27%，准确率从 32% 上升到 34%，尝试率从 77% 下降到 53%。

➤ 输出标记量约为 4 倍： Inkling 2 Small 每个人工智能指数任务的输出标记量平均约为 150K，而 Inkling Small 为 ~37K，Claude Sonnet 5.5 (medium) 为 ~31K，Gemini 3.8 Flash (high) 为 ~99K。

➤ 比 Inkling Small 的成本高近 6 倍，但比其他几个具有相似人工智能指数得分的模型便宜： Inkling 2 Small 每个人工智能指数任务的成本为 $1.18，而 Inkling Small 为 $0.20，Gemini 3.8 Flash (high) 为 $7.77，Claude Sonnet 5.5 (medium) 为 $10.02。

主要模型细节：

➤ 类型： 推出时为专有推理模型；计划发布 Apache 2.0 权重（日期未确认）

➤ 模态： 文本和图像输入，文本输出

➤ 大小： 594B 总参数 / 17B 活跃参数

➤ 定价： $0.30/$1.00 每个 1M 输入/输出标记量 ($0.03 每个 1M 缓存输入标记量)

➤ 推出时的可用性： Tinker 和 Tinker Playground

祝贺 Thinking Machines 团队在发布上的成功！

在 AA-Briefcase 上，Inkling 2 Small 比 Inkling Small 高 615 Elo 分，评分标准通过率是 2.5 倍。

AA-Briefcase 测试需要电子表格、演示文稿和备忘录的长期业务工作流程。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 50% 的评分标准检查，而 Inkling Small 为 20%，分析质量为 1634 Elo，演示质量为 1564 Elo。

在 AA-3D 和 Code2Video-AA 上，Inkling 2 Small 比 Inkling (xhigh) 大幅提升，得分接近 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 1021 Elo 对比 Google DeepMind 的 Gemini 3.8 Flash 得分 966 Elo，以及对比 Meta 的 Muse Spark 1.3 (max) 得分 1033 Elo。

在 Code2Video-AA 上，该测试模型使用代码创建视频的能力，Inkling 2 Small 得分 1020 Elo 对比 Gemini 3.8 Flash 得分 899 Elo，以及对比阿里巴巴的 Qwen3.8 Max (0902) (xhigh) 得分 1021 Elo。

与 Inkling (xhigh) 相比，它在 AA-3D 上获得 438 Elo 的提升 (1021 对比 583)，在 Code2Video-AA 上获得 553 Elo 的提升 (1020 对比 467)。

Inkling 2 Small 幻觉较少主要是因为它回答的问题较少，而准确率仅略有提高。

在 AA-Omniscience v1.1 上，它的净得分从 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)。它的幻觉率从 Inkling Small 的 61% 降至 27%，尝试率从 77% 降至 53%，准确率从 32% 提升至 34%。

Inkling 2 Small 在每个 Intelligence Index 任务中平均输出约 150K 个 token，是 Inkling Small 的约 37K 的 4 倍。

它使用的输出 token 也多于 Gemini 3.8 Flash (high, 约 99K) 和 Claude Sonnet 5.5 (medium, 约 31K)。

Inkling 2 Small 在 Intelligence Index 中的每项任务成本为 $1.18，比 Inkling Small 高近 6 倍。

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

Artificial Analysis Intelligence Index v5.0.1 中所有评估的完整结果