Inkling-Small
数据来源:AIHOT
上线日期: 2026-07-30 · 上下文: 52.4万 Token
开源权重 ↗综合排名 80
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥2 ($0.3)
- 输出
- ¥8 ($1.2)
- 缓存命中
- ¥0.4 ($0.06)
领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 80 | 44 | 34 |
| 编程 | 83 | 42.7 | 10 |
| 科研 | 76 | 47.1 | 7 |
| 专业办公 | 73 | 46.6 | 10 |
| 知识问答 | 83 | 42.3 | 4 |
编程 · 42.7
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| ProgramBench ↗ 只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。 | Vals AI | 0.5% | 77.2 | 19 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 49.7% | 50 | 130 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| CyberBench Patch v1.1 ↗ 修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。 | Vals AI | 73.2% | 49.1 | 44 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 0.5% | 48.9 | 186 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 0.0% | 44.9 | 66 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 1.5% | 42.7 | 131 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 19.1% | 41.6 | 103 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 0.9% | 41.4 | 63 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:完整系统 · mini-swe-agent。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Cognition | 4.0% | 39.6 | 125 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理 · Devin CLI。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Code Migration v1.1 ↗ 把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。 | Vals AI | 10.4% | 35.8 | 29 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 47.1
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 0.0% | 56.5 | 127 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 8.3% | 53 | 154 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 40.1% | 52.5 | 141 | 2026-11-18 | 备注代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 33.3% | 51.4 | 155 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 46.3% | 49.6 | 62 | 2026-11-18 | 备注代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 9.5% | 43.2 | 123 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 6.0% | 42.2 | 136 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 46.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Harvey LAB-AA v1.1 ↗ 读法律资料并完成文书,逐项评分,有重大捏造则该题记零。 | Artificial Analysis | 0.0% | 67.9 | 40 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 25.5% | 53.9 | 71 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 27.5% | 53.5 | 44 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Finance Agent v2.1 ↗ 金融分析师的日常工作:查公司财报、做计算和分析。 | Vals AI | 44.8% | 52.4 | 44 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 15.4% | 51.3 | 67 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey 法律 Agent 基准 v1.1 ↗ 处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。 | Vals AI | 2.9% | 50.1 | 41 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,132.8 | 48.7 | 155 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Excel Modeling v1.1 ↗ 在 Excel 里搭财务模型:在模板上补全,或者从零建表。 | Vals AI | 40.8% | 44.5 | 46 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 769.1 | 40.2 | 208 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 4.1% | 30.3 | 221 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 37.9% | — | 75 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 42.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 75.7% | 48.8 | 173 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | -13.4 | 42.8 | 134 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 7.8% | 39.5 | 152 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 19.1% | 27.9 | 91 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 41.1
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,408.1 | 43.4 | 101 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,405.4 | 33.7 | 160 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
还没有成绩的评测
- LiveBench · 编程综合
- MirrorCode
- APEX-SWE
- WeirdML v3
- FrontierSWE v2
- TapTap Maker
- LiveBench · 推理与数学
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- Chess Puzzles
- MysteryMechanism
- Terminal-Bench Science · Vals
- BioMysteryBench
- APEX-Agents 1.1
- τ³-Banking · Mercor
- LiveBench · 数据分析
- 司南 · 知识
- LiveBench · 语言与指令
- NYT Connections 扩展版
- BullshitBench · 错误前提
最近的新闻
11-05Cognition 推出 SWE-2 Flash,基于 Inkling-Small 实现 5 倍低价 3 倍提速Cognition
09-23Thinking Machines Inkling-Small 上线 Baseten:体积约为 Inkling 四分之一的多模态模型Baseten 工程博客
08-03Thinking Machines Lab 发布 Inkling-Small:276B 总参数、12B 激活的开源权重多模态 MoE 模型MarkTechPost
08-01Thinking Machines 发布第二款模型 Inkling Small,主打效率而非规模The Decoder:AI News
07-31Thinking Machines Lab 推出“小号”开源模型 Inkling-Small,约 1/4 规模提供相近性能IT之家·人工智能
07-31Thinking Machines 发布开源模型 Inkling-SmallRohan Paul