Thinking Machines发布Inkling 2 Small，称中国以外得分最高的开放权重模型

Inkling 2 Small 发布时为专有模型，通过 Thinking Machines 的 Tinker 平台和 Tinker Playground 首发提供，权重将于稍后发布。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。

➤ 相较 Inkling Small 大幅提升，尤其在 agentic 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%。

➤ 编码能力与 Claude Sonnet 5.5（medium）各有侧重：Inkling 2 Small 在 FrontierCode 2.0 上得分 25%，Claude Sonnet 5.5（medium）为 11%；但在 Terminal-Bench 4.0 上为 13%，后者为 30%。

➤ 创意 agentic 得分在 AA-3D 上高于 Claude Haiku 5.5 和 Grok 4.7：Inkling 2 Small 在 AA-3D 和 Code2Video-AA 上也均高于 Gemini 3.8 Flash，但两项都落后于 Claude Sonnet 5.5。

➤ 研究级物理能力提升，但仍落后于 Gemini 3.8 Flash（high）：Inkling 2 Small 在 CritPt v2 上得分 56%，Inkling Small 为 34%，Gemini 3.8 Flash（high）为 65%。

➤ 回答更保守，幻觉更少：在 AA-Omniscience v1.1 上，幻觉率从 Inkling Small 的 61% 降至 27%，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 Intelligence Index 任务上平均输出约 150K token，Inkling Small 约 37K，Claude Sonnet 5.5（medium）约 31K，Gemini 3.8 Flash（high）约 99K。

➤ 成本约为 Inkling Small 的 6 倍，但低于其他若干 Intelligence Index 得分相近的模型：Inkling 2 Small 每个 Intelligence Index 任务成本 $1.18，Inkling Small 为 $0.20，Gemini 3.8 Flash（high）为 $7.77，Claude Sonnet 5.5（medium）为 $10.02。

➤ 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：总参数 594B / 激活参数 17B

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

➤ 发布时可用渠道：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，rubric 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 1527 Elo，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 rubric 检查，Inkling Small 为 20%，分析质量得分为 1634 Elo，演示得分为 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 1021 Elo，Google DeepMind 的 Gemini 3.8 Flash 为 966 Elo，Meta 的 Muse Spark 1.3（max）为 1033 Elo。

在测试模型用代码创建视频能力的 Code2Video-AA 上，Inkling 2 Small 得分 1020 Elo，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 Intelligence Index 任务上平均输出约 150K token，约为 Inkling Small 约 37K 的 4 倍。

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

Inkling 2 Small 在 Intelligence Index 中每个任务成本 $1.18，比 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 token $0.30/$1.00/$0.03。

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

Nanbeige 发布 Nanbeige4.3-33B，在 Intelligence Index 上得分 20

Nanbeige 发布了 Nanbeige4.3-33B，这是一个开放权重模型，在 Artificial Analysis Intelligence Index v5 上与 Qwen3.8 27B（xhigh）并列得分 20，终端使用能力更强，但知识能力较弱

Gemini 4 Carbon 成为 Artificial Analysis Intelligence Index v5 新的第 1 名

Google 的 Gemini 4 Carbon 成为 Artificial Analysis Intelligence Index v5 新的第 1 名，在 Artificial Analysis Coding Agent Index 上仅次于 Claude Opus 5.5

GitHub Copilot Fusion 编排 Anthropic 和 OpenAI 模型，以平衡性能与成本

GitHub 在 GitHub Copilot 中发布了 Copilot Fusion，它在 Anthropic 和 OpenAI 模型之间进行编排。在 Coding Agent Index 中，它在 Claude Code 里比 Opus 5.5 低 2 分，而每个任务成本仅为其一半

XLinkedInYouTubeRednoteDiscord

© 2026 Artificial Analysis