跳到正文

Inkling 2 Small

数据来源:AIHOT

← 模型榜
Thinking Machines Lab

上线日期: 2026-11-05 · 上下文: 104.9万 Token

开源权重 ↗
62.2

综合排名 35

官方 API 价格 ¥ / 百万 Token

输入
¥2 ($0.3)
输出
¥6.67 ($1)
缓存命中
¥0.2 ($0.03)

Tinker 官方按量价格。

Tinker 官方按量价格。

官方价格页 ↗

领域能力

榜单名次评分评测数
综合3562.230
编程37609
科研3362.77
专业办公2267.89
知识问答3461.83

编程 · 60

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 AI0.5%77.2192026-11-18
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。

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 Analysis25.4%64.9632026-11-18
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。

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 AI81.5%64.8342026-11-18
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。

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。

Cognition22.6%62.8682026-11-18
备注

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。

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 Labs28.3%60.3162026-11-18
备注

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。

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 AI82.1%58.1322026-11-18
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 Analysis13.1%56.61182026-11-18
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。

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 AI12.6%54482026-11-18
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。

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 Analysis52.3%53.2982026-11-18
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。

科研 · 62.7

评测机构公布的成绩折算分原榜名次核实日期备注
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 Prize81.7%68.6572026-11-18
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。

BioMysteryBench ↗

分析真实的生物数据,推断出背后的生物学答案。

Vals AI70.0%65.6172026-11-18
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。

MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI25.2%63.6202026-11-18
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。

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 Analysis35.0%62782026-11-18
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。

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 Analysis44.1%60.9602026-11-18
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。

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 Analysis5.7%57.4892026-11-18
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。

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。

Vals AI2.9%56.4362026-11-18
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。

专业办公 · 67.8

评测机构公布的成绩折算分原榜名次核实日期备注
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 AI21.7%79.162026-11-18
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: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 AI38.9%72.1142026-11-18
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。

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 AI67.5%71.452026-11-18
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 Analysis51.2%71.3172026-11-18
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。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI46.6%69.8202026-11-18
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 Analysis1,526.968.6462026-11-18
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。

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 Analysis1,630.267.2322026-11-18
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 AI69.5%66.7242026-11-18
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。

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 Analysis45.6%60.51352026-11-18
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。

知识问答 · 61.8

评测机构公布的成绩折算分原榜名次核实日期备注
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 Analysis20.6%64.6592026-11-18
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 Analysis16.160.9722026-11-18
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-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 Analysis83.3%58.4222026-11-18
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。

真人盲选 · 60.2

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。

LMArena1,644.766.4242026-11-18
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。

LMArena1,411.836.11522026-11-18
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: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

  • Terminal-Bench 4.0 · 官方
  • LiveBench · 编程综合
  • Code Migration v1.1
  • MirrorCode
  • APEX-SWE
  • WeirdML v3
  • TapTap Maker
  • FrontierMath v2 · Tiers 1–3
  • LiveBench · 推理与数学
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt · AA
  • Chess Puzzles
  • Mystery Game Puzzles
  • APEX-Agents 1.1
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • LiveBench · 数据分析
  • SimpleQA Verified
  • 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

11-17Inkling 2 Small 在 ARC-AGI (Verified) 跑分公布:ARC-AGI-2 达 81.7%ARC Prize

11-17ARC Prize 公布 Inkling 2 Small 在 ARC-AGI-1 与 ARC-AGI-2 的评测成绩ARC Prize

11-17ARC Prize 公布 thinkymachines Inkling 2 Small 的 ARC-AGI-3 测试结果与排行榜ARC Prize

11-14Thinking Machines Lab 开源 594B 参数的 4-bit 前向训练模型 Inkling 2 SmallRohan Paul

11-14Thinking Machines 详解 Inkling 2 Small 原生 4-bit 全流程训练Mira Murati

11-14Inkling 2 Small 原生 4-bit 训练详解Thinking Machines