Thinking Machines 发布 Inkling 2 Small 智能指数达 31 分
Thinking Machines 发布 Inkling 2 Small，在 Artificial Analysis 智能指数 v5.0.1 上得分 31，与 Gemini 3.8 Flash (high) 持平，并超过小米 MiMo-V2.6-Pro。该模型目前为闭源，仅通过 Tinker 平台提供，官方计划后续开放权重，若兑现将成为中国以外得分最高的开源权重模型。相较前代 Inkling Small，其智能指数提升 18 分，智能体任务表现大幅跃升。
报道正文
本文目录3 个章节
Thinking Machines 发布了 Inkling 2 Small，在 Artificial Analysis 智能指数上得分 31——其发布权重的计划将使其成为当前排名中在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，权重将在稍后日期发布。其得分较 Inkling Small 提升了 18 分，每个任务的输出 token 数约为后者的 4 倍。它在 Artificial Analysis 智能指数 v5.0.1 上与 Google DeepMind 的 Gemini 3.8 Flash (high) 持平，并超越了小米的 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 上得分为 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 上的得分也高于 Gemini 3.8 Flash，但在这两项上均落后于 Claude Sonnet 5.5。
➤ 研究级物理能力有所提升，但仍落后于 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%。
➤ 通过更具选择性的作答减少幻觉： 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 在每个智能指数任务上平均输出约 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，但低于其他若干智能指数得分相近的模型： Inkling 2 Small 每个智能指数任务成本为 $1.18，而 Inkling Small 为 $0.20，Gemini 3.8 Flash (high) 为 $7.77，Claude Sonnet 5.5 (medium) 为 $10.02。
关键模型详情：
➤ 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 100 万输入/输出 token 收费 1.00（每 100 万缓存输入 token 收费 $0.03）
➤ 发布时的可用渠道： Tinker 和 Tinker Playground
祝贺 Thinking Machines 团队发布！
Inkling 2 Small 在 AA-Briefcase 上比 Inkling Small 高出 615 Elo 分，评分标准通过率是其 2.5 倍。
AA-Briefcase 测试的是需要电子表格、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%，其中分析质量达到 1634 Elo，演示文稿达到 1564 Elo。
Inkling 2 Small 在 AA-3D 和 Code2Video-AA 上相较 Inkling（xhigh）取得大幅提升，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 438 Elo（1021 对 583），在 Code2Video-AA 上提升 553 Elo（1020 对 467）。
Inkling 2 Small 幻觉更少，主要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 在每个 Intelligence Index 任务上平均输出约 15 万 token，约为 Inkling Small 约 3.7 万的 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）。
在 Intelligence Index 中，Inkling 2 Small 每项任务的成本为 1.18 美元，相比 Inkling Small 上涨近 6 倍。
Inkling 2 Small 的 token 价格为每 100 万输入/输出/缓存命中 token 分别为 0.30/1.00/0.03 美元。
Artificial Analysis Intelligence Index v5.0.1 中各项评估的完整结果
