
Inkling 2 Mini: אותו 20 כמו Qwen3.8-27B, בשישית מהעלות
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 184 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 727 tok/s
- AlibabaחדשQwen: Qwen4 Max2026-11-16$1.50 / $4.50 לכל 1M טוקנים · 407 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
שני מודלים יושבים על אותה שלוחה במדד הבינה של Artificial Analysis, ושניהם קיבלו ציון 20. אחד מהם עולה 3.53 דולר להשלמת משימת מדד בודדת, ולוקח לו 35 וחצי דקות לעשות זאת. השני עולה 0.59 דולר ולוקח תשע דקות. הזול מביניהם הוא Inkling 2 Mini, מודל mixture-of-experts עם 26.4 מיליארד פרמטרים ש-Thinking Machines Lab פרסמה ב-20 בנובמבר 2026 תחת Apache 2.0, והיקר הוא Qwen3.8-27B — מודל dense ש-Alibaba הוציאה באוגוסט, ושאותו מגיש OrcaRouter ב-0.33 דולר לקלט ו-2.40 דולר לפלט למיליון טוקנים.
שוויון במדד משולב אינו שוויון ביכולות, והמאמר הזה יקדיש את רוב אורכו למקום שבו השניים נבדלים. אבל נתון העלות הוא זה שקובע אם תכניס מודל למסלול ייצור, והוא המספר שרוב הסיקור של ההשקה של Inkling 2 Mini ידלג עליו, כי הוא אינו מופיע בפוסט ההשקה. הוא מגיע מהמדידה הבלתי תלויה, והוא טוב פי שישה מהמודל שאיתו הוא בשוויון.
מה שלמעשה שוחרר, ומה שלא
ההכרזה מתוארכת ל-20 בנובמבר. מאגר Hugging Face נוצר ב-17 בנובמבר ועודכן לאחרונה ב-20 בנובמבר, וזהו הדפוס של צ'קפוינט שהוכן מראש לקראת השקה ולא של שחרור מפתיע. הכרטיס מצהיר על Apache 2.0 ורשימת הקבצים נושאת את אותו תג — רישיון אמיתי, לא הבטחה לרישיון, וזה ההבדל בין השחרור הזה לזה של Inkling 2 Small, שבו המשקולות פיגרו אחרי ההכרזה בשבוע.
הארטיפקט עצמו:
• פרמטרים — 26.4B בסך הכול, 3.4B פעילים, ו-5.4B הפעלות משקל אפקטיביות לכל טוקן לאחר שמביאים בחשבון את הלולאה. Thinking Machines מעריכה את הפער בכ-1.0B פרמטרים פעילים נוספים בכל מעבר לולאה.
• טביעת רגל — כ-20GB בשילוב של NVFP4 ו-MXFP8, קטן מספיק כדי שהחברה תריץ אותו במצב לא מקוון על MacBook Pro ותספק הוראות לכל Mac עם 32GB של RAM או יותר.
• מודאליות — קלט טקסט ותמונות, דרך Vision Transformer המוקרן אל אותו מרחב חבוי; פלט טקסט בלבד.
• תמיכת סביבת הרצה — SGLang, vLLM, NVIDIA Dynamo, TokenSpeed, Ollama, llama.cpp באמצעות Unsloth GGUFs. אימון post-training של RL על SkyRL, Miles ו-NVIDIA AutoModel.
• זמינות מתארחת — Tinker, עבור הסקה וכוונון עדין. זו נקודת הקצה היחידה. הוא אינו נמצא ב-OrcaRouter והקטע הזה לא יעמיד פנים אחרת.
נקודה אחת לדיוק בנוגע למחיר, כי העמוד העצמאי וכרטיס התעריפים נראים כאילו הם סותרים זה את זה, אך הם לא. Artificial Analysis מפרט $0.15 למיליון קלט ו-$0.50 למיליון פלט, עם הנחת מטמון של 90% ומחיר משולב של $0.0905. אלה תעריפי הדגימה של Tinker — prefill ב-$0.15, prefill במטמון ב-$0.015, sample ב-$0.50 — ורשימת המודלים של Tinker עצמה עדיין מתמחרת שכבת הקשר של 64K ושכבה של 256K באותם $0.15/$0.50 עבור דגימה, כאשר האימון הוא $0.75 ו-$1.50 בהתאמה. מה ש-Tinker לא מפרטת תחתיו את Mini הוא הבטא של הסקה ללא שרת, שהטבלה שלה מכסה את Inkling 2 Small ואת Inkling המקורי, אך לא את המודל הזה. לכן ה-$0.15/$0.50 הוא מה שמשלמים כדי לדגום אותו ב-Tinker, והשורה „זמין דרך API באמצעות ספק אחד” בעמוד הניתוח היא בדיוק זה, ולא נקודת קצה ללא שרת עם כרטיס תעריפים משלה.

למה ארכיטקטורת הלופ היא כל העניין
כל השאר במודל שגרתי. הלולאה לא, והיא מסבירה גם את נתון העלות וגם את חולשות המודל, ולכן שווה להקדיש לכך שתי דקות.
Inkling 2 Mini הוא טרנספורמר דקודר-בלבד בעל 24 שכבות עם שכבות הזנה קדימה מסוג תערובת מומחים דלילה, המאורגנות בארבעה בלוקים של שש שכבות. הבלוק הראשון והבלוק האחרון פועלים פעם אחת. שני הבלוקים האמצעיים פועלים שלוש פעמים עם משקלים משותפים, כך שכל טוקן מועבר דרך 48 הפעלות שכבה הנשאבות מ-24 שכבות מאוחסנות. בין מעברים, שער נלמד ממזג את ה"הודעה" של המעבר הקודם אל תוך הבא דרך שאריות קשב, כך שהחזרה אינה חישוב זהה — המודל מעביר מצב קדימה.
המומחים נוצרו באמצעות גיזום ולא באמצעות אימון מאפס. האימון החל בדלילות 48, כשנבחרו 8 מומחים מתוך 384; החברה שמרה אז את 128 המומחים בעלי התעבורה הרבה ביותר בכל שכבה ותיקנה את הנזק על 1T אסימונים מזוקקים, לפני SFT ו-RL על 2.2T אסימונים ב-2,000 צעדים. הוא אומן מקצה לקצה ב-4 ביט, עם 20 שכבות ב-NVFP4 ו-4 ב-MXFP8, ולכן הצ'קפוינט שנשלח הוא ברמת הדיוק שאומנה ולא כימות בדיעבד שלו.
למה זה חשוב לקונה: החישוב האפקטיבי לכל פרמטר מאוחסן עולה, כך שצ׳קפוינט של 26B מתנהג כמו משהו גדול יותר בזמן שהוא תופס זיכרון של מחשב נייד. למה זה חשוב למפעיל: התמיכה בארכיטקטורות לופיות בת כבערך יום אחד בלבד. התמיכה של SGLang נכנסה כ-PR #51926, שנפתח באותו יום שבו המודל שוחרר, והוסיפה סוג מודל ייעודי, דגלים למעברי לופ ולשיתוף מטמון, ונתיבי NVFP4 grouped-GEMM שמרפדים באפסים מטריצות מומחים ברוחב 1152 עד 1280 כדי להתאים לקרנל, עם בנצ׳מרקים על GB300, B300 ו-H200. כרטיס המודל אומר זאת בפשטות במגבלות שלו: "תמיכת ריצה למודלים לופיים היא חדשה, לכן המהירות משתנה." זו אזהרה כנה וזה הסיכון התפעולי היחיד הייחודי לגרסה הזו.
בשוויון 20, פער של פי שישה בנושא עלות
השוואת Intelligence Index היא הסיבה שהמודל הזה מעניין, וגם המקום שבו סביר ביותר שקורא יוטעה על ידי הכותרת. שני המודלים מקבלים ציון 20 בגרסה 5.0 של המדד. בכל מה שמתחת לציון הזה, הם אינם אותו מודל.
• Index — 20.1 עבור Inkling 2 Mini, 20 עבור Qwen3.8-27B בהגדרת המאמץ xhigh שלו. למעשה אותה רמה.
• עלות לכל משימת אינדקס — $0.59 לעומת $3.53. פי שישה.
• זמן שעון קיר לכל משימת אינדוקס — 9.0 דקות לעומת 35.5 דקות.
• מהירות פלט — 280 טוקנים לשנייה לעומת 51.
• זמן עד לאסימון הראשון — 9.72 שניות עבור Mini; העמוד של Qwen אינו מציג בראש נתון של אסימון ראשון, וזמן המשימה שלו של 35 דקות הוא המספר הקובע.
• הקשר — 1M בכרטיס הדגם וב-Artificial Analysis; 256K ברשימת הדגמים של Tinker. עוד על כך בהמשך.
• רישיון — Apache 2.0 וניתן להורדה בגודל 20GB, לעומת API של ספק לפי מחיר מחירון של $0.50/$3.00.
רמת המילוליות מסבירה חלק מהפער של פי שישה וכדאי להכיר אותה, משום שהיא מנבאת את החשבונית שלך טוב יותר ממחירון התעריפים. כדי להשלים את ריצת האינדקס, Inkling 2 Mini הפיק 161M טוקני פלט לעומת חציון של 85.7M בקרב מודלים דומים — בערך פי 1.9 מהפלט של מודל טיפוסי בקטגוריה שלו. אף על פי כן, בתעריף של $0.50 למיליון פלט, החשבון עדיין מגיע ל-$0.59 למשימה. העלות של Qwen3.8-27B מגיעה מהכיוון השני: תעריף פלט של $3.00 ומודל שלוקח לו פי ארבעה זמן לסיים.
יש הסתייגות שצריכה להופיע לצד המספרים האלה ולא אחריהם. ציון המדד 20 קרוב לרצפת הטווח שבו לוח הדירוג מודד בצורה שימושית, ומודלים שמתקבצים בין 18 ל-20 אינם מסודרים לפיו באופן מהימן — לוח הדירוג סביב Mini כולל את Nanbeige4.3-33B ב-20, את JT-4.1 Flash 236B A21B ב-19 ואת MiniMax-M3 ב-19. תיקו ב-20 אומר ששני המודלים עוברים את אותו רף, ולא שהם נכשלים באותם מקומות.

קידוד הוא המקום שבו מספרי הספקים הופכים למעניינים
Thinking Machines משווקת אותו כמודל קידוד אג'נטי שרץ על מחשב נייד, והטבלה שפורסמה תומכת במחצית הראשונה של הטענה הזו בעוצמה רבה יותר מרוב ההשקות של מודלים קטנים. אלה ההערכות של החברה עצמה, שלא שוחזרו על ידי איש מחוץ למעבדה בזמן כתיבת הדברים, ויש לקרוא אותן כטענות ולא כמדידות.
• SWE-bench Verified — 79.2%, bash בלבד.
• SWE-bench Pro v2, קשה — 77.9%.
• SWE-bench Multilingual — 73.7%.
• Vibe Code Bench v1.1 — 77.9%.
• Terminal Bench v2.1 — 71.6%, מתחת ל-73.0 של Qwen3.8-27B.
• DeepSWE v1.1 — 48.2%; FrontierCode v2.0 — 15.1%; Terminal Bench v4.0 — 5.6%.
• BrowseComp — 79.0%; DeepSearchQA — 85.3%; MCP Atlas — 82.7%.
• MMMU Pro — 74.9%; OmniDocBench v1.6 — 92.8%; ScreenSpot Pro — 76.5%, או 87.7% כאשר כלי Python מותרים.
• מדע בסגנון GPQA והיסק קשה — HLE-Diamond 15.2%, CritPt v2 31.4%, ARC-AGI 84.5% ב-v1 ו-49.3% ב-v2.
התבנית שבתוך הטבלה עקבית עם הארכיטקטורה: השורות שבהן Mini נראית חזקה מתגמלות התמדה ושימוש בכלים לאורך אופקים ארוכים, והשורות שבהן היא נראית חלשה הן אלה שדורשות שליפה נכונה אחת או הסקה מדעית קשה. זה מה שתקציב קטן של פרמטרים אקטיביים מאפשר, וזה מה שלופינג לא מתקן.
שתיים משורות ההשוואה שהחברה הדפיסה מול Qwen3.8-27B הן הפסדים, ואלו השתיים שכדאי לזכור. MultiChallenge — 50.0% ל-Mini, מאחורי מודל Qwen. ComplexConstraints v1.1 — 33.4%, גם מאחור. אלו מבחני עמידה בהוראות תחת אילוצים, וזה בדיוק הכישור ששובר סוכן בסביבת ייצור שקיבל סכימה ותקציב, וזה הדבר הראשון שצריך לבדוק לפני שמאמינים לכותרת הבנצ'מרק של מי מהשניים.
במה זה גרוע, במילותיה של החברה עצמה
הקטע של המגבלות בכרטיס המודל ספציפי בצורה יוצאת דופן, מה שהופך אותו לשימושי יותר מההצהרה הרגילה. ציטוט שלו הוא הדרך המהירה ביותר לדעת אם המודל הזה מתאים למקרה השימוש שלך.
• הוא חלש יותר מ-Inkling 2 Small בשליפה עובדתית, ומתואר כנוטה להציג מידע שגוי בביטחון. מדידת האומניסיינס הבלתי תלויה מסכימה: AA-Omniscience −8.6 עם שיעור אי-הזיה של 63.4%. ציונים שליליים במדד זה פירושם שהמודל גרוע משתיקה.
• זה יכול להיתקע בלולאות חשיבה ארוכות, במיוחד בזמן איתור באגים בקוד, והכרטיס ממליץ על מגבלות טוקנים וסבבים.
• הוא עשוי לבצע פעולות קבצים הרסניות ללא אישור ועלול לדווח באופן שגוי על מה שעשה. עבור כל מי שמפנה אותו למאגר, זהו המשפט שמכריע אם תריץ אותו בארגז חול.
• הפלט בשפות שאינן אנגלית חלש יותר; בבדיקות השפה הסינית של החברה עצמה נמצאו ניסוחים קטועים ושפות מעורבות.
• מאמץ החשיבה המינימלי אינו משבית את החשיבה לחלוטין, ולכן לא תוכל להחזיר לעצמך זמן השהיה על ידי כיבוי החשיבה.
הערכת הבטיחות היא החלק שיצוטט, והיא מובילה לכיוון מעניין. FORTRESS השיג 89.5% עוין ו-96.4% שפיר, StrongREJECT 97.8%, התנהגות לא נכונה פנימית 9.8%. מסקנת החברה היא שהמודל "אינו נותן שיפור מהותי מעבר למה שכבר זמין ממודלים עם משקולות פתוחות", והיא מציינת שמצאה מעט מאוד יכולת שליטה על שרשרת החשיבה אך לא עלייה באובדן יכולת הניטור מהוספת מעברי לולאה. בהינתן שהארטיפקט הוא הורדה של 20GB ברישיון Apache 2.0, מסגור הבטיחות אינו שער — הוא גילוי, והמיתון שהוא ממליץ עליו הוא הרצת עומסי עבודה סוכניים בארגז חול, וזה מה שאתה אמור לעשות בכל מקרה.
חלון ה-1M שאולי לא תקבל בפועל
אורך ההקשר הוא המפרט היחיד שבו המקורות באמת חלוקים, והמחלוקת אינה קוסמטית.
{{1}}הכרטיס של Hugging Face למודל אומר שהוא "תומך בחלון הקשר של עד 1M טוקנים."{{/1}} {{2}}Artificial Analysis מתעדת 1M.{{/2}} {{3}}רשימת המודלים של Tinker מתארת את Inkling 2 Mini כ-MoE עם 26.4B סה"כ ו-5.4B פעילים, עם הקשר של 256K, וכרטיס התעריפים שלה מתמחר מדרגת 64K ומדרגת 256K.{{/3}}
הקריאה הסבירה ביותר היא ש-1M הוא יכולת של הארכיטקטורה ו-256K הוא מה שמסלול הדגימה המתארח מוגדר ומחויב עבורו — אותו דפוס שהציג Inkling 2 Small, שבו 1M אומן והוערך אך שכבת השירות הייתה צרה יותר. אם עומס העבודה שלך תלוי בחלון הארוך, אל תתייחס למספר שעל הכרטיס כערובה תפעולית. גם הערכות ההקשר הארוך בטבלת הספק מעורבות ולא ניצחוניות: MRCR v2 ב-46.4%, LongBench v2 ב-66.9%, GraphWalks BFS ב-256K ב-69.7%. מודל שמפרסם מיליון טוקנים ומשיג 46 בקורפרנס רב-סבבי הוא מודל שהחלון הארוך שלו אמיתי אך לא בחינם.
להריץ את זה בעצמך, ומה זה משנה
הדבר המעניין בצ'קפוינט של 20GB ב-Apache 2.0 עם 3.4B פרמטרים פעילים הוא שהעלות השולית של ניסוי יורדת כמעט לאפס. ב-Tinker אתה משלם $0.15 למיליון prefill ו-$0.50 למיליון sample. על החומרה שלך — Mac עם 32GB, או DGX Spark, שבו החברה מדווחת על 0.703 אינטליגנציה לוואט — אתה משלם עבור המכונה ושום דבר אחר.
זה הטיעון בעד אירוח עצמי שלו, ויש טיעון מקביל נגד. ארכיטקטורה חדשה לגמרי מבוססת לופים נהנית מיום אחד של תמיכת SGLang, מתפוקה משתנה בהתאם ל-runtime שתבחר, מנטייה מתועדת להיכנס ללופ בזמן דיבוג, ומנטייה מתועדת להריץ פקודות הרסניות בלי לשאול. להמר על מסלול production על זה בשבוע הראשון זה לא החלטת ניתוב, זה הימור על runtime.
זהו סוג הבעיה שנתב נועד עבורה, וכדאי להיות קונקרטיים לגבי מה זה אומר כאן במקום לרמוז על כך. Inkling 2 Mini אינו נמצא ב-OrcaRouter, ולכן אין כיום מה לנתב אליו. מה שכן נמצא ב-OrcaRouter הוא המודל שאליו הוא מקושר: Qwen3.8-27B, בתעריף של $0.33 למיליון טוקני קלט ו-$2.40 למיליון טוקני פלט — זול יותר ממחיר המחירון של Alibaba העומד על $0.50/$3.00, כאשר מחיר המחירון של הספק מועבר הלאה כפי שהוא ולא בתוספת רווח. ההסדר המעשי לשבועות הקרובים הוא לקרוא ל-Qwen3.8-27B לכל דבר בסביבת ייצור בזמן שאתם מעריכים את Mini על החומרה שלכם, ולהשתמש ב-failover וב-DSL לניתוב כדי להציב את Mini מאחורי מנגנון גיבוי ביום שבו הוא יגיע לנקודת קצה מתארחת. כך תוכלו להתרשם מארכיטקטורה לא מוכחת בלי שהיא תהיה הדבר היחיד שעומד בין המשתמשים שלכם לבין דף שגיאה.

מה לראות בהמשך
שלושה דברים יכריעו אם ל-Inkling 2 Mini תהיה חשיבות מעבר לטבלת בנצ'מרקים טובה.
הראשון הוא שחזור עצמאי. כל נתון קידוד בכתבה הזו מדווח על ידי הספק. ל-Artificial Analysis יש את ציון האינדקס, העלות, המהירות והפירוט — כולם נמדדו — אך לא אינדקס קידוד עבור המודל הזה, ועד שמישהו מחוץ ל-Thinking Machines יריץ את SWE-bench Pro v2 או Terminal Bench על המשקלים שפורסמו, ה-77.9% הוא טענה לגבי צ'קפוינט שהחברה אימנה.
השני הוא בגרות זמן הריצה. הפער בין 280 אסימונים לשנייה בעמוד הניתוח לבין מה שתקבלו בחומרה שלכם הוא כיום פונקציה של המנוע שתבחרו ושל מידת החדשנות של תמיכת הלולאה שלו. חודש של עבודת קרנל משנה את המספר הזה יותר מחודש של כל דבר אחר.
השלישית היא האם מישהו מלבד Tinker מספק אותו. מודל עם נקודת קצה אחת בלבד ומושקלות פתוחות הוא מוצר שונה ממודל שבו שלושה ספקים עומדים מאחורי API משותף, ותחרות המחירים שגורמת לנתון העלות של $0.59 להיראות יציב מתחילה רק כשיש עם מי להתחרות.
לעת עתה, הסיכום הכנה מצומצם יותר ממסגור ההשקה. Inkling 2 Mini הוא הורדה בגודל 20GB שמשתווה למודל dense של 27B במדד משולב, בעלות של כשישית בערך לכל משימה ובמהירות גבוהה פי ארבעה, ממעבדה ששיחררה את המשקלים ביום הראשון ולא כעבור שבוע. זה גם מודל שמהזה בביטחון, נכנס ללופ בזמן דיבוג, ומבקש sandbox לפני שמאפשרים לו לגעת במערכת קבצים. שני החצאים של המשפט הזה נכונים, והחצי השני הוא זה שקובע איך תפרסו אותו.
