بطاقة عنوان مُولَّدة تحمل نص «Inkling 2 Mini مقابل Inkling 2 Small»، وعنوانًا فرعيًا «أحد عشر نقطة مؤشر، بفارق 394GB»، مع بطاقتين مستديرتين أسفلهما تحملان «Inkling 2 Mini — ملف واحد، نحو 20GB» و«Inkling 2 Small — 36 ملفًا، 393.5GB»، تفصل بينهما فاصلة تحمل علامة «11 نقطة». ويقع شعار OrcaRouter في أسفل اليمين.
Guides & Insights

Inkling 2 Mini مقابل Inkling 2 Small: 11 نقطة لـ 394GB

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

نقطتا حفظ، عائلة واحدة، وخيار يتلخص في مقدار مساحة القرص والذاكرة اللذين ترغب في إنفاقهما مقابل إحدى عشرة نقطة في المؤشر. Inkling 2 Mini هو الأصغر: 26.4 مليار معامل إجمالًا، و3.4 مليار معامل نشط، وملف واحد بحجم 20GB تقريبًا نشرته Thinking Machines Lab في 20 نوفمبر 2026 بموجب Apache 2.0. Inkling 2 Small هو الأكبر: 594 مليار معامل إجمالًا، و17 مليار معامل نشط، و393.5GB موزعة على 36 ملفًا، وأُتيحت الأوزان في 12 نوفمبر بعد أسبوع من الإتاحة المغلقة بدأت مع إطلاقه في 5 نوفمبر. في Artificial Analysis Intelligence Index v5.0.1، الذي يقيس كليهما بشكل مستقل، حصلا على 20.1 و31. هذه هي المقايضة كاملة في سطر واحد، وهي تقلل من مدى اختلاف سلوك الاثنين.

ما يلي يفصل بين نوعي الأدلة، لأن هذا الفرق يحسم معظم الجدال حول هذه العائلة. درجة المؤشر، والتكلفة لكل مهمة مؤشر، والسرعة، وسياق النموذج، والترخيص هي أرقام Artificial Analysis وبيانات وصفية من المورّد، قُرئت في 21 نوفمبر 2026. وكل نسبة مئوية في الاختبارات المعيارية هي من جدول التقييم الخاص بـ Thinking Machines في منشور الإطلاق ذي الصلة، على نقطة تحقق درّبتها الشركة، وتُوسم بأنها مُبلّغ عنها من المورّد في كل مرة ترد. لم يُعَد إنتاج أي من الجدولين خارج المختبر.

ما هي كل نقطة تحقق في واقع الأمر

ابدأ بالمخرج، لأن المخرجات ليست من النوع نفسه. إن Inkling 2 Small نموذج خليط خبراء مسطّح: بإجمالي 594B، و17B نشطة لكل توكن، وقد نُشرت الأوزان بعد ثمانية أيام من الإطلاق على هيئة 24 جزءًا من safetensors، إضافةً إلى نسخة MXFP8 أكبر حجمًا. أما Inkling 2 Mini فهو سليل مُشذّب ذو بنية حلقية — الوصفة الرئيسية نفسها مع حذف ثلثي الخبراء وإضافة حلقة إلى الطبقات الوسطى. يُتاح كملف واحد بحجم نحو 20GB لأنه دُرِّب من البداية إلى النهاية بدقة 4 بت ويُشغَّل بالدقة التي دُرِّب بها، 20 طبقة بـ NVFP4 و4 طبقات بـ MXFP8، لذا لا توجد خسارة تحويل يُدفع ثمنها.

• إجمالي المعاملات — Inkling 2 Mini 26.4B مقابل Inkling 2 Small 594B.

• المعلمات النشطة — 3.4 مليار مقابل 17 مليار، إذ تبلغ Mini 5.4 مليار من تفعيلات الأوزان الفعالة لكل رمز عند احتساب تمريرات الحلقة الثلاثة الخاصة بها.

• التنزيل — حوالي 20GB في ملف واحد مقابل 393.5GB موزعة على 36 ملفًا، أو 622.8GB لنسخة MXFP8.

• المؤشر — 20.1 مقابل 31، وكلاهما على Intelligence Index v5.0.1.

• تكلفة كل مهمة فهرسة — 0.59 دولار مقابل 1.18 دولار.

• سرعة الإخراج وأول رمز — 280 رمزًا في الثانية عند 9.72 ثانية مقابل 118 رمزًا في الثانية عند 39.68 ثانية.

• السياق — مليون token في بطاقتي الطرازين، ومليون سجّلتها Artificial Analysis لكليهما. الطبقة المخدومة من Inkling 2 Small على Tinker أضيق من بطاقتها، وMini يرث الفجوة نفسها؛ تعامل مع المليون كقدرة، لا كوعد تشغيلي.

• الترخيص — Apache 2.0 على كليهما. بطاقة Small تُصرّح بذلك دون إرفاق ملف LICENSE؛ وبطاقة Mini تُصرّح به في البيانات الوصفية مع الغياب نفسه. يجدر معرفة ذلك إذا كان مراجعتك القانونية تريد مستندات في شجرة المشروع.

Screenshot of the Artificial Analysis model page for Inkling 2 Small, showing a score of 31 on the Intelligence Index against a median of 23 for its class, 154M tokens generated during the index run against a 104M median, pricing of $0.30 per 1M input and $1.00 per 1M output tokens, $1.18 per index task, 21.2 minutes per task, a 1M-token context window, a 39.68-second time to first token and 118 output tokens per second.

إحدى عشرة نقطة، ومن أين تأتي

قراءة جدولي المورّدين جنبًا إلى جنب هي الطريقة الوحيدة لمعرفة ما تتيحه القدرة الحاسوبية الإضافية، إذ إن درجة المؤشر وحدها تخفي ذلك. وقد قيّم المختبر نفسه كلا الطرازين باستخدام أطقم اختبار متداخلة، لذا فإن الصفوف قابلة للمقارنة تقريبًا بعضها ببعض — وبعضها ببعض فقط.

• DeepSWE v1.1 — Inkling 2 Small 72.1% مقابل Inkling 2 Mini 48.2%. أوسع فجوة في كتلة البرمجة.

• SWE-bench Pro v2، Hard — 86.3% مقابل 77.9%.

• SWE-bench Verified — 79.2% لـ Mini، باستخدام bash فقط. جدول الإطلاق الخاص بـ Small لا يعرض الصف نفسه، لذا هذا هو معيار الترميز الوحيد الذي لا يمكن أن يتوافق عليه المنشوران.

• Vibe Code Bench v1.1 — 81.6% مقابل 77.9%.

• FrontierCode v2.0 — 25.4% مقابل 15.1%. فجوة بعشر نقاط في المعيار حيث يكون كلاهما الأضعف.

• PMPP-Hard، معيار تحسين النواة — ‏494.27 AUC لـ Small مقابل 455.82 لـ Mini، وهو أقرب مما توحي به أعداد المعاملات، وهو الصف الذي يشير إليه منشور الإطلاق عندما يقول إن Mini «يقترب» من نظيره الأكبر.

• BrowseComp — 90.2% مقابل 79.0%؛ DeepSearchQA 90.9% مقابل 85.3%؛ MCP Atlas 85.0% مقابل 82.7%. ويضيّق البحث واستخدام الأدوات الفجوة إلى خانة واحدة.

• CritPt v2، النسخة الكاملة — 55.7% مقابل 31.4%. الاستدلال العلمي هو المجال الذي تبرز فيه المعرفة المخزّنة الإضافية بأشد وضوح.

• AA-Omniscience — 16.1 بمعدل عدم هلوسة 73.3% مقابل −8.6 مع 63.4%.

ذلك الصف الأخير هو ما يستحق التوقف عنده. درجة معرفة شاملة سالبة تعني أن النموذج أسوأ من الامتناع عن الإجابة، وفجوة المؤشر البالغة إحدى عشرة نقطة تُدفَع معظمها هناك: النموذج الأكبر يعرف الأشياء، والأصغر يستنتجها. تقول Thinking Machines هذا نفسها، بكلمات مختلفة، حين تشرح أن التكرار يضيف حسابًا متسلسلًا لكنه لا يضيف حقائق مخزنة. وقد قطع التشذيب ثلثي الخبراء؛ فالمعرفة تعيش في الخبراء المتبقين.

نفس الوصفة، مقلاة أصغر

التشابه العائلي ليس تسويقًا. خضع كلا النموذجين إلى SFT بمزيج بيانات مشابه، وإلى مرحلة RL بلغت 2.2 تريليون رمز على مدى 2000 خطوة، مع استخدام التقطير على السياسة في المواءمة في كليهما. مسار التدريب اللاحق هو المسار نفسه؛ وما يختلف هو ما وصل إليه.

يستحق مسار Mini إلى هناك أن يُعرَف لأنه يفسّر عدة صفوف من صفوف المعيار. بدأ بكثافة تباعدية 48، إذ يوجّه كل رمز إلى 8 من 384 خبيرًا. وفي مرحلة ما أثناء التدريب المتوسط، أبقَت Thinking Machines على الخبراء الـ128 الأكثر استخدامًا في كل طبقة — أي اقتطاع بمقدار الثلثين — وعالجت الخسارة على تريليون رمز مقطّر من نموذج Inkling داخلي أكبر، فدرّبت الناجين على تولّي عمل الخبراء المحذوفين. ثم أضافت الحلقات: أربع كتل من ست طبقات، مع تشغيل الكتلتين الوسطيتين ثلاث مرات وبوابة مُتعلَّمة تدمج رسالة التمريرة السابقة في التالية، بدءًا من مكسب صفري كي يبدأ التدريب كنموذج عادي.

ثمة قراران تقديريان في ذلك التصميم يحملان دلالة تعليمية. فقد كررت الشركة الطبقات الاثنتي عشرة الوسطى بدلاً من الاثنتي عشرة الأخيرة بعد اختبار الخيارين عبر 28 تقييمًا، فوجدت أن الوسطى أفضل في 27 منها، مع تحقيق مكسب مكافئ حسابيًا قدره 1.51–1.91× مقابل 1.24–1.36×. وأبقت الكتل الأولى والأخيرة بتمريرة واحدة، على أساس أنها تتولى الترجمة من الرمز إلى التمثيل بينما يتولى الجزء الأوسط التجريد. ولهذا تحصل Mini على 48 تطبيقًا للطبقات لكل رمز انطلاقًا من 24 طبقة مخزنة، دون إضافة أي معامل.

تكلفة تلك الحيلة تشغيلية. فنموذج MoE المسطّح شيء قدّمته كل حزمة استدلال منذ عامين. أما النموذج الحلقي فقد حظي بدعم SGLang وvLLM منذ يوم إطلاقه تقريبًا، وتقول بطاقة النموذج بصراحة إن دعم وقت التشغيل للنماذج الحلقية جديد وإن السرعة تتفاوت. وإذا كنت تختار بين هذين لمسار إنتاجي هذا الشهر، فإن المملّ هو صاحب النواة الناضجة.

العتاد هو الفيصل الحقيقي

نقطتا التفتيش لا تتنافسان على الجهاز نفسه، وهذا يحدد عددًا أكبر من عمليات النشر مما تفعله الدرجة. صُممت Mini لتعمل على جهاز NVIDIA DGX Spark واحد، أو أي جهاز Apple silicon بذاكرة 32GB أو أكثر، أو وحدة GPU بذاكرة VRAM سعتها 32GB؛ ويُظهر العرض التوضيحي الخاص بالشركة نفسها أنها تبني محاكي طيران قابلًا للعب دون اتصال على MacBook Pro في وضع الطيران، ومحاكاة مدينة بعشرين وكيلًا على حاسوب محمول واحد. وقد سجّلت دراسة كفاءة من Stanford أُجريت على الوصول المبكر 0.703 من الذكاء لكل واط على DGX Spark عند MXFP8 وجهد استدلال منخفض — قاستها باحثون من خارج المختبر، على جهاز واحد، وهي أقوى إشارة مستقلة في الإصدار.

يحتاج Small إلى عقدة. لا تتسع ‎393.5GB‎ من الأوزان في أي مكان يملكه شخص، ولهذا فإن الطريقة الطبيعية لاستهلاكه هي نقطة نهاية مستضافة — Tinker، في حالة المورّد — ولهذا أيضًا فإن المقارنة المثيرة للاهتمام لدى معظم القراء ليست «أي ملف أُنزّل» بل «أيٌّ من هذه يمكنني تشغيله أصلًا». يجيب Mini عن ذلك السؤال بحاسوب محمول. ويجيب Small عنه بميزانية.

هذا التباين هو ما يمنح التوجيه مكانته، ويستحق أن نكون محددين لا أن نكتفي بالإيماء. لا يوجد أي من النموذجين على OrcaRouter، لذا لا يوجد ما يمكن توجيهه إلى أي منهما اليوم. ما يوجد على OrcaRouter هو الجانب المستضاف من القرار نفسه: النماذج التي ستستدعيها لأحمال العمل التي تستهدفها نقطة التحقق 594B فعليًا، بمفتاح واحد، وبسعر القائمة لدى المزوّد دون إضافة أي هامش. إن DSL التوجيه هو العنصر المهم هنا — فهو يتيح لك التقسيم حسب المهمة بحيث لا يحدث الاستدعاء المكلف إلا على الطلبات التي تحتاجه، مع نقل تلقائي عند تعطل أحد المزوّدين، بينما يتولى النموذج المحلي الرخيص كل ما عدا ذلك. إن تشغيل Mini محليًا والاستدعاء الخارجي فقط للذيل الصعب ينتج فاتورة أصغر من تشغيل أي من النموذجين لكل شيء، وهو الترتيب الذي يجعل هذا الإصدار ممكنًا فعليًا.

القرار، في ثلاث حالات

إذا كنت تبني وكيلًا يعمل على جهاز مطوّر أو داخل صندوق واحد دون اتصال، فإن Inkling 2 Mini هو الجواب ولا توجد منافسة حقيقية. تنزيل بحجم 20GB بسرعة 280 رمزًا في الثانية، ورخصة Apache 2.0، وجدول برمجة يتفوّق على كل نموذج مفتوح الأوزان من حجمه في الصفوف التي نشرها المورّد نفسه. ضعه في بيئة معزولة — إذ تحذّر بطاقة النموذج من إجراءات ملفات مدمِّرة والحلقات أثناء تصحيح الأخطاء — وسينجز عملًا وكيليًا على نطاق المستودع على عتاد تملكه بالفعل.

إذا كان عبء العمل لديك هو الاسترجاع من مجموعة كبيرة من المستندات التي لم تكتبها، فإن ميزة Small تكمن أساسًا في الصفوف التي تتضمن تذكّر ما قاله مستند ما. إن CritPt عند 55.7% مقابل 31.4%، وomniscience عند 16.1 مقابل −8.6، ومعدل عدم الهلوسة البالغ 73.3% مقابل 63.4% ليست فروقًا صغيرة في سياق الامتثال أو المالية، حيث تكلف الإجابة الخاطئة الواثقة أكثر من الإجابة الصحيحة البطيئة. ستدفع مقابل عقدة أو نقطة نهاية للحصول عليها.

إذا كنت تختار لعبء عمل مختلط، فالتقسيم هو المغزى. ضعف Mini هو المعرفة، والمعرفة هي الشيء الوحيد الذي يمكنك توفيره من الخارج — طبقة استرجاع، أو أداة بحث، أو نموذج أكبر للمهام الصعبة الشاذة. أما قوته فهي الاستمرارية الوكيلية بعيدة المدى بسعر لا يضاهيه أحد في فئة 20GB. اشترِ النموذج الصغير، واستأجر المعرفة، وتعامل مع نقطة التحقق 594B على أنها ما تصعّد إليه بدلاً من ما تشغّله.

Screenshot of the Artificial Analysis model page for Inkling 2 Mini, showing a score of 20 on the Intelligence Index against a median of 10, 161M tokens generated during the index run against an 85.7M median, pricing of $0.15 per 1M input and $0.50 per 1M output tokens, $0.59 per index task, 9.0 minutes per task, and a 1M-token context window, alongside the technical specification panel listing the reasoning, input and output modalities, context window, parameter counts and licence.

ثمة تحذير واحد يشمل الحالات الثلاث جميعها، وموضعه الأنسب في الخاتمة لا أن يُدفن في الطيّات. جداول المعايير القياسية لكل من النموذجين هي جداول المختبر نفسه، ودرجات المؤشر هي أرقام القدرات الوحيدة المقاسة بشكل مستقل في هذه المقارنة. الرقمان 31 و20.1 قابلان للمقارنة؛ أما 86.3% و77.9% فهما قابلان للمقارنة أحدهما بالآخر، ولا شيء آخر. أي شخص يستشهد بصفوف المورّد إلى جانب درجة منشورة لمنافس فإنه يقارن بين أداتَي اختبار، لا بين نموذجين.

A generated two-column scoreboard titled 'Inkling 2 Mini vs Inkling 2 Small — the scoreboard'. The Inkling 2 Mini column reads Intelligence Index 20.1, active parameters 3.4B, total parameters 26.4B, download about 20GB, cost per index task $0.59, and output speed 280 tokens per second. The Inkling 2 Small column reads Intelligence Index 31, active parameters 17B, total parameters 594B, download 393.5GB, cost per index task $1.18, and output speed 118 tokens per second. A footer states that index, cost and speed are per Artificial Analysis and benchmark percentages are vendor-reported.