Una tarjeta de título generada que dice «Inkling 2 Mini vs Qwen 3.8», con el subtítulo «el nivel que realmente compite es Flash», con tres etiquetas que dicen «Mini: Índice 20.1», «Flash: Índice 29» y «Mismo coste por tarea», sobre dos tarjetas que contrastan un «archivo de 20 GB, funciona sin conexión» con un «endpoint alojado, contexto de 1M» y una nota para escalar solo cuando sea necesario. El logotipo de OrcaRouter aparece en la esquina inferior derecha.
Guides & Insights

Inkling 2 Mini vs Qwen 3.8: superado por el nivel más económico

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

La comparación que todo el mundo hace es la equivocada, y además favorece al modelo nuevo. Inkling 2 Mini, publicado por Thinking Machines Lab el 20 de noviembre de 2026, obtiene 20,1 en el Artificial Analysis Intelligence Index v5.0.1, el mismo nivel que Qwen3.8-27B con 20, a 0,59 $ por tarea del índice frente a 3,53 $. Esa es la comparación directa que Thinking Machines incluyó en su propia tabla de referencia, y en cuanto a coste no hay discusión. Pero Qwen 3.8 no es un solo modelo. Es una generación de cinco, y el nivel que compite realmente con un checkpoint descargable de 20 GB es Qwen3.8-Flash, que Artificial Analysis puntúa con 29 por 0,57 $ por tarea del índice: nueve puntos por delante, al mismo coste por respuesta terminada. Mini gana la comparación que se imprimió en la publicación de lanzamiento y pierde la que haría un comprador.

Fuentes, ya que es lo que determina el veredicto: las puntuaciones del índice, el coste por tarea, la latencia y las cifras de contexto son mediciones de Artificial Analysis consultadas el 21 de noviembre de 2026, y todos los precios de OrcaRouter se citan de nuestro propio catálogo. Las tablas de porcentajes son del harness de lanzamiento de Thinking Machines, ejecutado por el proveedor, y se marcan donde aparecen; las propias afirmaciones de A​libaba sobre los niveles de Q​wen se citan como de A​libaba y no se han auditado por separado aquí.

Primero, ¿a qué Qwen 3.8 te refieres?

Tratar el nombre de la familia como un oponente es el error que hace que la mayoría de las comparaciones de este tipo sean inútiles. Q​wen 3.8 abarca un modelo insignia alojado a $2.00/$6.00 por millón de tokens, un checkpoint abierto de 2,4 billones de parámetros bajo una licencia personalizada, un modelo denso de 27B bajo Apache 2.0, un nivel Flash a $0.15/$0.47 y la vista previa de Flash-Next cuyos pesos abiertos quedan detrás del producto Flash alojado. Los miembros se diferencian en más de un factor de diez en el precio por token y en nueve puntos en el mismo índice. Un único veredicto de «vs Q​wen 3.8» es un veredicto sobre algo difuso.

• Qwen3.8-27B — 27B denso, Apache 2.0, entrada de texto, imagen y vídeo, contexto de 256K, Index 20 con esfuerzo xhigh, precio de lista $0.50/$3.00, $3.53 por tarea de índice, 34,5 minutos por tarea.

• Qwen3.8-Flash — el nivel de producción alojado a $0.15/$0.47, que sirve los mismos pesos que la vista previa de Flash-Next; el endpoint enrutado anuncia una ventana de 1M de tokens y una salida máxima de 131K, mientras que Artificial Analysis registra 256K para los pesos abiertos de Flash-Next. Mide ese modelo en Index 29, 180B en total y 6B activos, $0.57 por tarea de índice, 33.3 minutos.

• Qwen3.8-Max — el buque insignia cerrado, Index 34, $2.00/$6.00, $10.02 por tarea de índice. No es un competidor para Mini en cuanto a coste ni es el modelo con el que comparar.

• Inkling 2 Mini — 26.4B en total, 3.4B activos, Apache 2.0, contexto de 1M en la tarjeta, Index 20.1, $0.15/$0.50 en Tinker, $0.59 por tarea de índice, 9.0 minutos.

Así que la comparación útil tiene dos mitades. Frente al modelo denso de 27B que eligió la publicación de lanzamiento, Mini es una victoria real en coste con la misma puntuación. Frente al nivel Flash, que cuesta lo mismo y le da mil vueltas en el índice, el argumento de Mini tiene que ser sobre algo distinto del precio y la puntuación — y lo es: el archivo.

Screenshot of the Artificial Analysis model page for Qwen3.8-Flash-Next, showing it above average in intelligence and well priced for its size but notably slow per task and very verbose, a score of 29 on the Intelligence Index against a median of 23, 156M tokens generated during the index run against a 104M median, pricing of $0.15 per 1M input and $0.47 per 1M output tokens, $0.57 per index task, 33.3 minutes per task, an 85.77-second time to first token, 74 output tokens per second, and a listed 256K-token context window.

El empate de 27B, y por qué es real

Ambos modelos se miden con el mismo evaluador sobre la misma revisión del mismo índice, así que 20,1 frente a 20 es una comparación real y no una coincidencia de arneses. También es un empate en el límite de resolución del instrumento. El índice es un compuesto de nueve evaluaciones, varias sobre conjuntos reservados, y los modelos que están a un punto entre sí no se ordenan de forma fiable con él. Lo que establece el empate es que Mini supera el mismo listón que un modelo denso de 27B mientras consume 3,4 mil millones de parámetros activos en lugar de 27 mil millones.

La columna de costos es donde eso importa. A $0.59 por tarea de indexación frente a $3.53, Mini es aproximadamente seis veces más barato para completar la misma evaluación, y lo hace en nueve minutos frente a 34 y medio. La velocidad de salida es de 280 tokens por segundo frente a 53. El tiempo hasta el primer token de respuesta es de 9,72 segundos frente a 144. En un bucle de agente que ejecuta treinta turnos, esos números se acumulan hasta convertirse en algo que el usuario puede percibir.

Nada de eso es gratis, y el coste que lo compensa es la verbosidad. Mini emitió 161 M de tokens de salida para completar la ejecución del índice, frente a 128 M del modelo Qwen y una mediana de 85,7 M entre modelos comparables. Pagar 0,50 $ por millón de tokens de salida por 1,9 veces la salida típica sigue siendo barato; presupuestar una cantidad fija de tokens por tarea para un modelo que habla tanto no lo es. Un equipo que mide por tokens en lugar de por tareas verá que la ventaja de seis veces se reduce hacia tres.

Dónde Mini supera de verdad a cada nivel de Q​wen

La tabla de programación del proveedor es la parte del lanzamiento que hace interesante al modelo, y también es la parte que nadie ha comprobado. Cada fila de abajo es el propio arnés de Thinking Machines sobre su propio punto de control, y al menos una de ellas se ejecutó con el andamiaje de agente de la empresa en lugar de uno neutral.

• DeepSWE v1.1 — Inkling 2 Mini 48,2 % frente a Qwen3.8-27B 42,2 %.

SWE-bench Pro v2, Hard — 77,9 % frente a 73,8 %.

• SWE-bench Multilingual — 73,7 % frente a 70,0 %.

• SWE-bench Verified — 79,2 % frente a 77,8 %.

• Vibe Code Bench v1.1 — 77,9 % frente a 64,9 %.

• Terminal Bench v2.1 — 71,6 % frente a 73,0 %, una pérdida; en Terminal Bench v4.0 ambos imprimen 5,6 %.

• BrowseComp — 79,0 % frente a 61,6 %; DeepSearchQA 85,3 % frente a 79,7 %; MCP Atlas 82,7 % frente a 77,3 %.

• MMMU Pro — 74,9 % frente a 76,3 %, otra derrota ajustada; OmniDocBench v1.6 92,8 % frente a 91,5 %.

Las filas que Mini gana son las agenticas: parcheo a escala de repositorio, búsqueda de largo horizonte, uso de herramientas. Las filas que pierde son las de recuerdo preciso. Eso es la arquitectura dejándose ver: el bucle compra computación serial por token, y la computación serial es lo que necesita una trayectoria larga de agente. No compra hechos almacenados, y un benchmark con mucha carga de conocimiento lo nota.

La brecha de factualidad entre Mini y la familia es más marcada que cualquiera de esas filas. En AA-Omniscience, la tabla del proveedor muestra −8.6 para Mini con una tasa de no alucinación del 63.4%, frente a −6.4 y 71.4% para Qwen3.8-27B en la misma columna de la misma tabla. Una puntuación negativa significa que el modelo es peor que negarse a responder. Artificial Analysis no publica una cifra de omnisciencia separada para Mini que yo haya podido encontrar, así que esta fila se basa por completo en el arnés del proveedor — y sigue siendo el número más importante de la comparación para cualquiera que despliegue sin una capa de recuperación.

Donde Flash termina la discusión

Ahora, el nivel que importa. Qwen3.8-Flash está alojado y tiene un precio de $0.15 por entrada y $0.47 por salida —la misma tarifa de entrada que Tinker cobra por muestrear Mini, y tres centavos más barato en salida. Artificial Analysis puntúa con 29 los pesos de Flash-Next que lo respaldan. Por tarea de índice cuesta $0.57, frente a los $0.59 de Mini. Nueve puntos de índice, por dos centavos menos.

Eso no es una decisión reñida ni en capacidad ni en precio, y replantea para qué sirve Mini. Las ventajas de Mini sobre Flash no aparecen en el marcador en absoluto: es un archivo de 20 GB que funciona sin red, en un MacBook o en un DGX Spark, sin contador por token y sin ningún proveedor de por medio. Las ventajas de Flash son nueve puntos de índice, un endpoint alojado y una ventana de 1M de tokens en la API enrutada, sin nada que descargar. Si tu carga de trabajo tiene conexión de red, el lado de Q​wen gana en todos los ejes medidos. Si no la tiene, nada del lado de Q​wen está disponible para ti en absoluto.

La comparación de velocidad también favorece a Mini, y por más de lo que sugiere la diferencia de puntuación. Mini se ejecuta a 280 tokens de salida por segundo con un primer token de 9,72 segundos; Flash-Next mide 74 tokens por segundo con un primer token de 85,77 segundos y 33,3 minutos por tarea de indexación. Para un agente interactivo, esa es la diferencia entre una herramienta que responde y una por la que hay que esperar, y es el único punto en el que un modelo local de 5,4B de parámetros efectivos tiene una ventaja estructural sobre uno alojado de 180B.

El arreglo práctico

Ambos niveles de Qwen están en OrcaRouter, lo que hace que la ruta de escalado sea inusualmente económica de construir. Qwen3.8-27B se enruta a $0.33 por millón de tokens de entrada y $2.40 por millón de tokens de salida — por debajo de la lista de $0.50/$3.00 de Alibaba, porque el precio del proveedor se transfiere tal cual en lugar de aplicar un margen. Qwen3.8-Flash se enruta a $0.15/$0.47 en una ventana de 1M de tokens. Una sola clave da acceso a ambos, con conmutación por error automática y el DSL de enrutamiento para enviar una solicitud primero al nivel económico y escalar solo cuando no supere una comprobación.

Esa es la forma que realmente busca esta comparación. Mini, si lo adoptas, se ejecuta en tu propio hardware haciendo el trabajo agéntico que se le da bien y sin pagar nada por token. Los niveles de Qwen quedan detrás de un único endpoint para las solicitudes que a Mini se le dan mal —las que requieren recordar correctamente un dato, leer un documento largo o una inferencia científica compleja—, y la conmutación por error hace que la caída de un proveedor degrade la respuesta en lugar de romperla. No alojamos Inkling 2 Mini y este artículo no fingirá lo contrario; lo que el enrutador elimina es el segundo contrato y la segunda integración para la mitad de la carga de trabajo que va a Qwen.

Screenshot of OrcaRouter's model page for Qwen3.8 Flash, showing the model id qwen/qwen3.8-flash, vision, tools, JSON and reasoning tags, a dated description of it as Alibaba's multimodal reasoning model for coding, agentic workflows and long-video analysis, an OpenAI-compatible /v1/chat/completions endpoint at api.orcarouter.ai, an input price of $0.15 and output price of $0.47 per 1M tokens, a 1M-token context window with a 131K maximum output, a p50 time to first token of 10.00 seconds, and an option to add it to a comparison.

¿Qué cambiaría el veredicto?

Dos cosas, y ambas son baratas de vigilar. La primera es una ejecución de programación independiente con los pesos públicos de Mini. Si el 48,2 % en DeepSWE y el 77,9 % en SWE-bench Pro sobreviven a un arnés neutral, el argumento agéntico de Mini se vuelve mucho más sólido de lo que implica una puntuación de índice de 20,1, porque el índice infravalora precisamente el trabajo de horizonte largo para el que está construido el modelo. Si no sobreviven, la tabla de lanzamiento era una tabla de proveedor y el modelo es un 20 en esencia.

El segundo punto es si la ventaja de nueve puntos de Qwen3.8-Flash se mantiene bajo controles de esfuerzo. Su cifra de índice corresponde a una única configuración, y los modelos Qwen varían varios puntos entre ajustes de esfuerzo —el modelo 27B obtiene 20 en xhigh y bastante menos cuando se reduce el razonamiento. Un nivel Flash que pierde nueve puntos con esfuerzo bajo es un competidor distinto de uno que los conserva, y nadie ha publicado esa curva para esta comparación.

Hasta que uno de esos llegue, el resumen honesto es un veredicto dividido. En capacidad medida por dólar en un entorno alojado, Q​wen 3.8 gana dos veces: el modelo de 27B empata con Mini en puntuación y pierde en coste; el nivel Flash le supera en ambos. En lo que un modelo alojado no puede hacer en absoluto —funcionar sin conexión, funcionar en un portátil, funcionar sin medidor—, Inkling 2 Mini no tiene respuesta de Q​wen, y el archivo de 20 GB es todo el argumento. Compra la descarga si necesitas que funcione donde no hay red. Compra la API si no.

A generated two-column scoreboard titled 'Inkling 2 Mini vs Qwen3.8-Flash — the scoreboard'. The Inkling 2 Mini column reads Intelligence Index 20.1, active parameters 3.4B, cost per index task $0.59, output speed 280 tokens per second, first token 9.72 seconds, and runs offline: yes, 20GB. The Qwen3.8-Flash column reads Intelligence Index 29, active parameters 6B, cost per index task $0.57, output speed 74 tokens per second, first token 85.77 seconds, and runs offline: no, hosted only. A footer states that both columns are per Artificial Analysis and coding rows are vendor-reported.

Comparados en este artículo1

Detectado en este artículo