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

Artificial Analysis

所有文章

2026年11月5日Thinking Machines 发布了 Inkling 2 Small，在 Artificial Analysis 智能指数上得分 31——根据当前排名，其发布权重的计划将使其成为中国以外开发的得分最高的开放权重模型查看模型页面

Inkling 2 Small 以专有模型形式推出，首先通过 Thinking Machines 的 Tinker 平台和 Tinker Playground 提供，权重将在稍后日期发布。其得分比 Inkling Small 高 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，并超过了小米的 MiMo-V2.6-Pro。

主要要点：

➤ 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%。

➤ 与 Claude Sonnet 5.5 (medium) 的编码优势不同：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%，而后者为 30%。

➤ 创意智能体在 AA-3D 上得分高于 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%。

➤ 通过更具选择性的回答减少幻觉：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。

➤ 成本几乎是 Inkling Small 的 6 倍，但比若干智能指数得分相近的其他模型更便宜：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 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 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 在每个智能指数任务上平均输出约 150K token，约为 Inkling Small 的 ~37K 的 4 倍。

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

Inkling 2 Small 在智能指数中每个任务成本为 $1.18，几乎是 Inkling Small 的 6 倍。

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

Artificial Analysis 智能指数 v5.0.1 中各评估的完整结果

Nanbeige 发布了 Nanbeige4.3-33B，在智能指数上得分 20

Nanbeige 发布了 Nanbeige4.3-33B，这是一个开放权重模型，在 Artificial Analysis 智能指数 v5 上以 20 分与 Qwen3.8 27B (xhigh) 持平，终端使用更强但知识更弱

2026年11月5日

Gemini 4 Carbon 成为 Artificial Analysis 智能指数 v5 的新第一名

Google 的 Gemini 4 Carbon 成为 Artificial Analysis 智能指数 v5 的新第一名，在 Artificial Analysis 编码智能体指数上仅次于 Claude Opus 5.5

2026年10月28日

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。在编码智能体指数中，它在 Claude Code 中比 Opus 5.5 低 2 分，而每个任务成本仅为其一半

2026年10月28日