Thinking Machines 发布 Inkling 2 Small 开源权重模型登顶西方榜首

Thinking Machines 的 Inkling 2 Small 声称在西方开放权重模型中排名第一

  [Matthias Bastian](https://the-decoder.com/author/matthias-bastian/) [查看 Matthias Bastian 的 LinkedIn 个人资料](https://www.linkedin.com/in/matthias-bastian-128b71b1/)   2026年11月6日         Artificial Analysis      

要点

• Thinking Machines 是由前 OpenAI CTO Mira Murati 创立的初创公司，正在发布 Inkling 2 Small，这是一个混合专家模型，总参数量为 5940 亿，其中任意时刻有 170 亿参数处于激活状态。

• 在 Artificial Analysis Intelligence Index 上，Inkling 2 Small 得分为 31，比其前代提升了 18 分，大致与 Google 的 Gemini 3.8 Flash 持平，在智能体任务上的提升尤为显著。

• 不过，性能提升是有代价的。该模型会生成更多输出 token，且每项任务的成本是前代的六倍。它最初通过 Tinker 平台以专有产品形式提供，之后会以 Apache 许可证发布权重。

  询问关于本文的问题……   搜索        

Inkling 2 Small 声称是西方最强的开放权重模型，拥有 170 亿激活参数，基准测试得分远超其前代。

由前 OpenAI CTO Mira Murati 创立的初创公司 Thinking Machines 发布了其第二代模型 Inkling 2 Small。Inkling 系列模型被设计为用于微调的基础模型，这可能使它们对专业应用尤其具有吸引力。

这个混合专家模型总共包含 5940 亿参数，其中任意时刻有 170 亿参数处于激活状态。它接受文本和图像作为输入，并提供可调节的思考深度，让用户可以在速度与周全性之间进行选择。

根据 Thinking Machines 的说法，在 Artificial Analysis Intelligence Index 上，Inkling 2 Small 得分为 31。这比前代 Inkling Small（13）高出 18 分，大致与 Google 的 Gemini 3.8 Flash 持平。

Inkling 2 Small 在 Artificial Analysis Intelligence Index 上得分为 31，比前代 Inkling Small（13）提升 18 分，并与 Gemini 3.8 Flash 持平。| 图片：Artificial Analysis

最大的提升体现在 agentic 任务上，模型在这些任务中能够独立执行多步骤工作流。在 AutomationBench-AA 上，得分从 5% 跃升至 46%；在 FrontierCode 2.0 上，得分从 5% 升至 25%。在知识工作基准 AA-Briefcase 上，Inkling 2 Small 达到 1,527 Elo，比其前代高出 615 分。幻觉率从 61% 降至 27%，但这在很大程度上是因为模型回答的问题更少。响应率从 77% 降至 53%。

成本上升，但仍远低于竞争对手

更好的结果部分是以更高的 token 消耗为代价的。Inkling 2 Small 平均每个任务产生约 150,000 个输出 token，约为其前代的四倍。据 Artificial Analysis 数据，其每任务成本为 1.18 美元，几乎高出六倍。这仍然远低于 Gemini 3.8 Flash（7.77 美元）或 Claude Sonnet 5.5（10.02 美元），并且更接近低成本中国模型的价格区间。

据 Artificial Analysis 数据，Inkling 2 Small 每任务成本为 1.18 美元，远低于 Gemini 3.8 Flash 或 Claude Sonnet 5.5。在下方的象限图中，它处于低成本与高智能的最佳位置。| 图片：Artificial Analysis

Thinking Machines 表示，它通过强化学习在数十万个长周期编程任务上训练了该模型。一个自动化评估系统检查了代码是否有效以及模型如何处理每个任务。在 FrontierCode 2.0 上，Inkling 2 Small 达到 25.4%；在 DeepSWE 上达到 72.1%；在 SWEBench Pro v2（Hard）上达到 86.3%。新的 Deepseek-V4.1-Flash 在大多数这些测试中仍然领先，在 FrontierCode 上达到 28.5%，在 DeepSWE 上达到 77%。

Inkling 2 Small 在 FrontierCode v2.0 上得分为 25.4%，在 DeepSWE v1.1 上为 72.1%。DeepSeek V4.1 Flash 在单项测试中领先；在 SWEBench Pro v2（Hard）上，Kimi K3 以微弱优势位居榜首。较新的 Kimi K3.1 Pro 未出现在对比中。| 图片：Thinking Machines

视觉与设计得分在开放权重模型中领先

Thinking Machines 表示，该模型在文本识别、信息图解读和视觉推理方面表现最强。在用于测试模型能否回答复杂 PDF 文档问题的文档基准 GDP.pdf 上，它得分 25.2%，在参与对比的模型中最高。在 MMMU Pro 这一评估模型对涉及图表和图形的学术任务多模态理解能力的基准上，Inkling 2 Small 达到 81.6%。

在测试多模态模型视觉感知能力的 PerceptionBench 上，它以 64.7% 领先。在视觉创作方面，该模型在 DesignArena Website 上获得 1,340 Elo 评分，该平台让用户对 AI 生成的网站进行两两对比评分。这是开放权重模型中的最高分。Thinking Machines 表示，该模型在 3D 建模方面也取得了进展。

在一项颇为特别的演示中，团队让该模型与自家研究人员进行盲品葡萄酒对决。仅凭一张照片，Inkling 2 Small 在 20 次尝试中有 19 次正确识别出三款葡萄酒。

紧凑的训练过程，开放权重即将发布

与竞争对手相比，整个训练过程异常紧凑。据 Thinking Machines 称，在所有阶段中，该模型共处理了约 12 万亿 token，远少于同类竞争对手。基础训练后的强化学习阶段仅需 3 万亿 token，使用 2,048 块 GPU，历时九天。

Thinking Machines 表示，该模型有时沟通效率不高，而且这可能是更大的问题——它并不总能针对大型代码库选择最佳工具。它不支持音频，在聊天场景的优化也较少。它还可能对健康相关话题反应过度，并产生杂乱输出。

目前，Thinking Machines 通过其 Tinker 平台提供该模型。公司计划在外部安全测试完成后，以 Apache 2.0 许可证发布权重。这是最宽松的开源许可证之一，相比 Meta 或 Mistral 等限制更严格的开放权重许可证具有优势。Thinking Machines 表示，该模型属于一个不同规模系列的模型家族，公司计划很快发布更多变体。