Inkling
Data source: AIHOT
Model data is shown as published (Chinese).
Released: 2026-07-15 · Context: 524K tokens
Open weights ↗Overall rank 76
Official API prices ¥ / million tokens
- Input
- ¥6.67 ($1)
- Output
- ¥27 ($4.05)
- Cache hits
- ¥1.13 ($0.17)
Domain capabilities
| Board | Rank | Score | Benchmarks |
|---|---|---|---|
| 综合 | 76 | 47 | 44 |
| 编程 | 80 | 44.6 | 13 |
| 科研 | 72 | 48.3 | 8 |
| 专业办公 | 71 | 47.9 | 13 |
| 知识问答 | 69 | 50.9 | 5 |
编程 · 44.6
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| 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 | 0.0% | 77.2 | 34 | 2026-11-18 | Notes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。 |
| LiveBench Agentic Coding ↗ 在真实代码仓库里查找并修复问题,再用测试检查改动。 | LiveBench | 49.4% | 55.5 | 57 | 2026-11-18 | Notes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: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 | 78.6% | 54.2 | 40 | 2026-11-18 | Notes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。 |
| LiveBench Coding ↗ 写函数、补全代码,题目定期换新,答案自动跑测试核对。 | LiveBench | 71.0% | 51.2 | 57 | 2026-11-18 | Notes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。 |
| WeirdML v3 ↗ 面对陌生数据,弄清问题并做出机器学习或数据分析方案。 | Håvard Tveit Ihle | 3.7% | 50 | 28 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:xHigh 推理 · opencode。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。 |
| 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 | 1.0% | 48.9 | 174 | 2026-11-18 | Notes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。 |
| APEX-SWE ↗ 在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。 | Mercor | 26.1% | 47.2 | 60 | 2026-11-18 | Notes代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| 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 | 47.0% | 46.8 | 154 | 2026-11-18 | Notes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。 |
| 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 | 0.5% | 44.9 | 64 | 2026-11-18 | Notes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 | 3.9% | 42.6 | 124 | 2026-11-18 | Notes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。 |
| 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 | 19.2% | 41.7 | 102 | 2026-11-18 | Notes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 | 0.0% | 41.5 | 65 | 2026-11-18 | Notes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。 |
| FrontierSWE v2 ↗ 每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。 | Proximal Labs | 4.9% | 36 | 26 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:Max 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。 |
| 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 | 8.8% | 33.7 | 30 | 2026-11-18 | Notes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: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 · 48.3
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| 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% | 56.4 | 127 | 2026-11-18 | Notes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。 |
| LiveBench Reasoning ↗ 斑马谜题、空间推理、情境推理这类题,答案自动核对。 | LiveBench | 78.3% | 52.2 | 55 | 2026-11-18 | Notes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。 |
| 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 | 18.0% | 51.7 | 112 | 2026-11-18 | Notes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。 |
| 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 | 36.5% | 51.3 | 145 | 2026-11-18 | Notes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。 |
| 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 | 31.9% | 50 | 162 | 2026-11-18 | Notes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 ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 5.4% | 47.7 | 172 | 2026-11-18 | Notes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。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 21.0% | 45.3 | 96 | 2026-11-18 | Notes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。 |
| 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 | 33.3% | 43.1 | 78 | 2026-11-18 | Notes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 · 47.9
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| 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% | 68 | 40 | 2026-11-18 | Notes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: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。 |
| LiveBench Data Analysis ↗ 处理表格重排、表格连接和连续事件分析等数据题。 | LiveBench | 72.8% | 58.4 | 46 | 2026-11-18 | Notes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: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 | 49.9% | 56.6 | 42 | 2026-11-18 | Notes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。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 28.4% | 56.4 | 68 | 2026-11-18 | Notes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 | 15.3% | 51.3 | 68 | 2026-11-18 | Notes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 | 3.8% | 50.2 | 39 | 2026-11-18 | Notes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。 |
| 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 | 23.8% | 50.1 | 47 | 2026-11-18 | Notes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。 |
| APEX-Agents ↗ 投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。 | Mercor | 33.8% | 50 | 66 | 2026-11-18 | Notes代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| 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 | 1,080.3 | 46.7 | 170 | 2026-11-18 | Notes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。 |
| 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 | 41.0% | 44.7 | 45 | 2026-11-18 | Notes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 | 833.1 | 42.6 | 201 | 2026-11-18 | Notes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。 |
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 15.5% | 42.3 | 46 | 2026-11-18 | Notes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 | 5.0% | 30.4 | 213 | 2026-11-18 | Notes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。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 41.2% | — | 56 | 2026-11-18 | Notes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 · 50.9
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| LiveBench IF ↗ 按一串具体的格式和内容要求作答,看能不能条条做到。 | LiveBench | 70.1% | 61.1 | 45 | 2026-11-18 | Notes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: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。 |
| LiveBench Language ↗ 纠正错字、把打乱的情节排回原序、给词语分组等语言题。 | LiveBench | 73.5% | 52.1 | 45 | 2026-11-18 | Notes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-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 | 77.3% | 50.7 | 150 | 2026-11-18 | Notes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。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 40.3% | 50.4 | 58 | 2026-11-18 | Notes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。 |
| 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 | -1.5 | 50.3 | 99 | 2026-11-18 | Notes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。 |
| 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 | 6.1% | 33.9 | 162 | 2026-11-18 | Notes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 · 46.8
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| 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 | 1,442.5 | 47.8 | 95 | 2026-11-18 | Notes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 WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,414.1 | 44 | 100 | 2026-11-18 | Notes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。 |
Benchmarks without results
- MirrorCode
- FrontierCode 2.0 · Cognition
- TapTap Maker
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- Mystery Game Puzzles
- MysteryMechanism
- Terminal-Bench Science · Vals
- BioMysteryBench
- 司南 · 知识
- NYT Connections 扩展版
- BullshitBench · 错误前提
Recent news
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
08-22Inkling 免费开放 OpenRouter 智能体测试Thinking Machines
08-22Inkling 系列模型上线 OpenRouter 免费供智能体使用OpenRouter
08-18Thinking Machines 发布可定制模型 Inkling:9750 亿参数 MoE 架构ByteByteGo
08-02最新开源模型盘点(#23):Laguna S2.1、Inkling 与 Kimi K3 展现开源模型在帕累托前沿的价值Nathan Lambert:Interconnects
08-01Thinking Machines 谈 Inkling 分级开放权重路径Thinking Machines