
Inkling 2 Mini: 20 yang sama dengan Qwen3.8-27B, seperenam biaya
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 184 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 727 tok/s
- AlibabaBARUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 juta token · 407 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Dua model berada pada tingkat yang sama di Artificial Analysis Intelligence Index, keduanya mendapat skor 20. Salah satunya membutuhkan biaya $3.53 untuk menyelesaikan satu tugas indeks dan memakan waktu 35 setengah menit untuk melakukannya. Yang lainnya membutuhkan biaya $0.59 dan memakan waktu sembilan menit. Yang lebih murah adalah Inkling 2 Mini, model mixture-of-experts berparameter 26.4B yang diterbitkan Thinking Machines Lab pada 20 November 2026 di bawah Apache 2.0, sedangkan yang mahal adalah Qwen3.8-27B — model dense yang dirilis Alibaba pada Agustus dan disajikan OrcaRouter dengan tarif $0.33 untuk input dan $2.40 untuk output per juta token.
Seri pada indeks komposit bukanlah seri pada kemampuan, dan artikel ini akan menghabiskan sebagian besar isinya untuk membahas di mana keduanya berbeda. Namun angka biaya adalah yang menentukan apakah Anda menempatkan sebuah model dalam jalur produksi, dan itulah angka yang akan dilewatkan sebagian besar liputan peluncuran Inkling 2 Mini, karena angka itu tidak ada dalam postingan peluncuran. Angka tersebut berasal dari pengukuran independen, dan enam kali lebih baik daripada model yang disamainya.
Apa yang sebenarnya dikirim, dan apa yang tidak
Pengumuman itu bertanggal 20 November. Repositori Hugging Face dibuat pada 17 November dan terakhir diubah pada tanggal 20, yang merupakan bentuk checkpoint yang disiapkan sebelum peluncuran, bukan rilis kejutan. Kartu model tersebut mencantumkan Apache 2.0 dan daftar berkasnya membawa tag yang sama — lisensi yang sungguhan, bukan sekadar janji, dan itulah perbedaan antara rilis ini dan Inkling 2 Small, yang bobotnya baru menyusul seminggu setelah pengumuman.
Artefaknya sendiri:
• Parameter — total 26,4B, 3,4B aktif, dan 5,4B aktivasi bobot efektif per token setelah perulangan diperhitungkan. Thinking Machines memperkirakan selisihnya sekitar 1,0B parameter aktif tambahan per lintasan loop.
• Jejak memori — sekitar 20GB dalam campuran NVFP4 dan MXFP8, cukup kecil sehingga perusahaan menjalankannya secara offline di MacBook Pro dan menyertakan petunjuk untuk Mac mana pun dengan RAM 32GB atau lebih.
• Modalitas — teks dan gambar masuk, melalui vision transformer yang diproyeksikan ke ruang tersembunyi yang sama; keluaran hanya teks.
• Dukungan runtime — SGLang, vLLM, NVIDIA Dynamo, TokenSpeed, Ollama, llama.cpp melalui Unsloth GGUFs. Pasca-pelatihan RL pada SkyRL, Miles, dan NVIDIA AutoModel.
• Ketersediaan terkelola — Tinker, untuk inferensi dan fine-tuning. Itu satu-satunya endpoint. Layanan ini tidak ada di OrcaRouter dan tulisan ini tidak akan berpura-pura sebaliknya.
Satu poin presisi soal harga, karena halaman independen dan kartu tarif tampak tidak sepakat, padahal sebenarnya tidak. Artificial Analysis mencantumkan $0,15 per juta input dan $0,50 per juta output, dengan diskon cache 90% dan harga gabungan $0,0905. Itu adalah tarif sampling Tinker — prefill $0,15, cached prefill $0,015, sample $0,50 — dan daftar model Tinker sendiri masih menetapkan harga tier konteks 64K dan tier 256K pada $0,15/$0,50 yang sama untuk sampling, dengan training masing-masing $0,75 dan $1,50. Tinker tidak mencantumkan Mini di bawah beta inferensi serverless, yang tabelnya mencakup Inkling 2 Small dan Inkling asli tetapi bukan model ini. Jadi $0,15/$0,50 adalah yang Anda bayarkan untuk melakukan sampling pada model ini di Tinker, dan keterangan "tersedia melalui API dari 1 penyedia" di halaman analisis merujuk pada hal itu, bukan endpoint serverless dengan kartu tarifnya sendiri.

Mengapa arsitektur loop adalah inti dari semuanya
Semua hal lain tentang model tersebut bersifat konvensional. Loop-nya tidak, dan itu menjelaskan angka biaya sekaligus kelemahan model, jadi layak dua menit.
Inkling 2 Mini adalah transformer decoder-only 24 lapis dengan lapisan feed-forward mixture-of-experts renggang, yang diorganisasi menjadi empat blok berisi enam lapis. Blok pertama dan blok terakhir dijalankan satu kali. Dua blok tengah dijalankan tiga kali dengan bobot bersama, sehingga setiap token dilewatkan melalui 48 penerapan lapisan yang diambil dari 24 lapisan tersimpan. Di antara lintasan, gerbang yang telah dilatih menggabungkan "pesan" dari lintasan sebelumnya ke lintasan berikutnya melalui residual atensi, sehingga pengulangan bukan komputasi yang identik — model membawa keadaan ke depan.
Para pakar berasal dari pemangkasan, bukan dari awal. Pelatihan dimulai pada sparsitas 48, memilih 8 pakar dari 384; perusahaan kemudian mempertahankan 128 pakar per lapisan yang menerima trafik terbanyak dan memulihkan kerusakannya pada 1T token hasil distilasi, sebelum SFT dan RL atas 2,2T token dalam 2.000 langkah. Model ini dilatih secara end-to-end dalam 4-bit, dengan 20 lapisan dalam NVFP4 dan 4 lapisan dalam MXFP8, sehingga checkpoint yang dikirimkan merupakan presisi hasil pelatihan dan bukan kuantisasi pascahoc terhadapnya.
Mengapa semua itu penting bagi pembeli: komputasi efektif per parameter tersimpan meningkat, sehingga checkpoint 26B berperilaku seperti model yang lebih besar sementara tetap menempati memori laptop. Mengapa ini penting bagi operator: dukungan untuk arsitektur berulang baru berumur sekitar satu hari. Dukungan SGLang hadir sebagai PR #51926, dibuka pada hari yang sama model dirilis, menambahkan tipe model khusus, flag untuk loop pass dan berbagi cache, serta jalur NVFP4 grouped-GEMM yang mengisi nol matriks pakar selebar 1152 hingga menjadi 1280 agar sesuai dengan kernel, di-benchmark pada GB300, B300, dan H200. Kartu model menyatakannya secara gamblang dalam keterbatasannya sendiri: "dukungan runtime model berulang masih baru, sehingga kecepatannya bervariasi." Itu adalah peringatan yang jujur dan merupakan satu risiko operasional yang unik pada rilis ini.
Imbang di angka 20, selisih biaya enam kali lipat
Perbandingan Intelligence Index adalah alasan model ini menarik, dan juga bagian di mana pembaca paling mungkin disesatkan oleh angka utamanya. Kedua model memperoleh skor 20 pada versi 5.0 indeks tersebut. Pada semua hal di bawah skor itu, keduanya bukan model yang sama.
• Indeks — 20,1 untuk Inkling 2 Mini, 20 untuk Qwen3.8-27B dalam pengaturan upaya xhigh. Secara efektif setara.
• Biaya per tugas indeks — $0,59 dibandingkan $3,53. Selisih enam kali lipat.
• Waktu aktual per tugas indeks — 9,0 menit dibandingkan 35,5 menit.
• Kecepatan keluaran — 280 token per detik dibandingkan dengan 51.
• Waktu sampai token pertama — 9,72 detik untuk Mini; halaman Qwen tidak menampilkan angka token pertama di bagian awal, dan waktu tugas 35 menitnya adalah angka yang menjadi acuan.
• Konteks — 1M pada kartu model dan pada Artificial Analysis; 256K dalam daftar model Tinker. Selengkapnya tentang itu di bawah.
• Lisensi — Apache 2.0 dan dapat diunduh pada 20GB, dibandingkan API vendor pada harga daftar $0.50/$3.00.
Verbositas menjelaskan sebagian dari kesenjangan enam kali lipat dan penting untuk diketahui karena ia memprediksi tagihan Anda lebih baik daripada kartu tarif. Untuk menyelesaikan run indeks, Inkling 2 Mini mengeluarkan 161 juta token output dibandingkan median sebaya 85,7 juta — sekitar 1,9 kali output model tipikal di kelasnya. Meski begitu, pada $0,50 per juta output, aritmetikanya tetap menghasilkan $0,59 per tugas. Biaya Qwen3.8-27B datang dari arah lain: tarif output $3,00 dan model yang membutuhkan waktu empat kali lebih lama untuk selesai.
Ada catatan penting yang seharusnya diletakkan di samping angka-angka itu, bukan setelahnya. Skor indeks 20 mendekati batas bawah yang dapat diukur secara berguna oleh papan peringkat, dan model yang berkelompok antara 18 dan 20 tidak dapat diurutkan secara andal berdasarkan skor itu — papan peringkat di sekitar Mini mencakup Nanbeige4.3-33B pada 20, JT-4.1 Flash 236B A21B pada 19, dan MiniMax-M3 pada 19. Skor seri di 20 menyatakan bahwa kedua model melewati ambang yang sama, bukan bahwa keduanya gagal di titik yang sama.

Coding adalah bagian di mana angka-angka vendor menjadi menarik.
Thinking Machines menjual ini sebagai model pengodean agentik yang berjalan di laptop, dan tabel yang diterbitkan mendukung bagian pertama klaim tersebut lebih kuat daripada yang dilakukan sebagian besar peluncuran model kecil. Ini adalah evaluasi milik perusahaan sendiri, yang belum direproduksi oleh siapa pun di luar lab pada saat penulisan, dan harus dibaca sebagai klaim, bukan sebagai pengukuran.
• SWE-bench Verified — 79,2%, hanya bash.
• SWE-bench Pro v2, Sulit — 77,9%.
• SWE-bench Multilingual — 73,7%.
• Vibe Code Bench v1.1 — 77,9%.
• Terminal Bench v2.1 — 71,6%, di bawah 73,0 milik 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%, atau 87,7% jika perkakas Python diizinkan.
• Sains dan penalaran sulit bergaya GPQA — HLE-Diamond 15,2%, CritPt v2 31,4%, ARC-AGI 84,5% pada v1 dan 49,3% pada v2.
Pola di dalam tabel itu konsisten dengan arsitektur: baris-baris tempat Mini terlihat kuat memberi imbalan pada persistensi dan penggunaan alat dalam horizon panjang, dan baris-baris tempat Mini terlihat lemah adalah baris-baris yang menuntut satu pemanggilan kembali yang benar atau inferensi ilmiah yang sulit. Itulah yang didapat dari anggaran parameter aktif yang kecil dan itulah yang tidak dapat diperbaiki oleh perulangan.
Dua dari baris perbandingan yang dicetak perusahaan terhadap Qwen3.8-27B adalah kekalahan, dan keduanya adalah yang perlu diingat. MultiChallenge — 50,0% untuk Mini, tertinggal dari model Qwen. ComplexConstraints v1.1 — 33,4%, juga tertinggal. Ini adalah pengujian kepatuhan terhadap instruksi di bawah batasan, yang justru merupakan keterampilan yang membuat agen produksi gagal ketika diberi skema dan anggaran, dan ini adalah hal pertama yang harus diuji sebelum mempercayai salah satu angka utama benchmark tersebut.
Apa yang menjadi kelemahannya, menurut perusahaan itu sendiri
Bagian keterbatasan pada kartu model ini luar biasa spesifik, sehingga membuatnya lebih berguna daripada penafian biasa. Mengutipnya adalah cara tercepat untuk mengetahui apakah model ini cocok untuk kasus penggunaan Anda.
• Model ini lebih lemah daripada Inkling 2 Small dalam mengingat fakta dan digambarkan cenderung menyatakan informasi yang salah dengan penuh keyakinan. Pengukuran kemahatahuan independen sejalan: AA-Omniscience −8,6 dengan tingkat non-halusinasi 63,4%. Skor negatif pada tolok ukur tersebut berarti model ini lebih buruk daripada tidak mengatakan apa pun.
• Ia dapat terjebak dalam loop penalaran yang panjang, terutama saat men-debug kode, dan kartu tersebut merekomendasikan batas token dan giliran.
• Alat ini dapat melakukan tindakan destruktif pada file tanpa konfirmasi dan mungkin salah melaporkan apa yang telah dilakukannya. Bagi siapa pun yang mengarahkannya ke repositori, itulah kalimat yang menentukan apakah Anda menjalankannya di sandbox.
• Keluaran non-bahasa Inggris lebih lemah; pengujian berbahasa Mandarin milik perusahaan sendiri menemukan frasa yang terpotong dan campuran bahasa.
• Upaya penalaran minimum tidak sepenuhnya menonaktifkan penalaran, sehingga Anda tidak bisa mendapatkan kembali latensi dengan mematikan proses berpikir.
Evaluasi keselamatan adalah bagian yang akan dikutip, dan hasilnya mengarah ke arah yang menarik. FORTRESS mencetak 89,5% adversarial dan 96,4% benign, StrongREJECT 97,8%, perilaku menyimpang internal 9,8%. Kesimpulan perusahaan adalah bahwa model tersebut "tidak memberikan peningkatan material di luar apa yang sudah tersedia dari model open-weight," dan perusahaan mencatat bahwa pihaknya menemukan sangat sedikit kemampuan pengendalian atas rantai pemikiran, tetapi tidak ada peningkatan hilangnya kemampuan pemantauan akibat penambahan lintasan loop. Mengingat artefaknya adalah unduhan Apache 2.0 berukuran 20GB, kerangka keselamatan bukanlah gerbang — melainkan pengungkapan, dan mitigasi yang direkomendasikan adalah sandboxing beban kerja agentik, yang seharusnya tetap Anda lakukan apa pun yang terjadi.
Jendela 1M yang mungkin tidak benar-benar Anda dapatkan
Panjang konteks adalah satu-satunya spesifikasi di mana sumber-sumber benar-benar tidak sepakat, dan ketidaksepakatan itu bukanlah hal yang kosmetik.
Kartu Hugging Face menyatakan model tersebut "mendukung jendela konteks hingga 1M token." Artificial Analysis mencatat 1M. Daftar model Tinker mendeskripsikan Inkling 2 Mini sebagai MoE dengan total 26,4B dan aktif 5,4B serta konteks 256K, dan kartu tarifnya mencantumkan harga untuk tier 64K dan tier 256K.
Pembacaan yang paling mungkin adalah bahwa 1M merupakan kemampuan arsitektur dan 256K adalah yang menjadi konfigurasi serta dasar penagihan jalur sampling yang dihosting — pola yang sama seperti yang ditunjukkan Inkling 2 Small, yang dilatih dan dievaluasi pada 1M tetapi tier yang dapat dilayani lebih sempit. Jika beban kerja Anda bergantung pada jendela panjang, jangan anggap angka pada kartu sebagai jaminan operasional. Evaluasi konteks panjang dalam tabel vendor juga beragam, bukan membanggakan: MRCR v2 pada 46,4%, LongBench v2 pada 66,9%, GraphWalks BFS pada 256K pada 69,7%. Model yang mengiklankan satu juta token dan mencetak 46 pada koreferensi multi-putaran adalah model yang jendela panjangnya nyata tetapi tidak gratis.
Menjalankannya sendiri, dan perubahan apa yang ditimbulkannya
Hal yang menarik tentang checkpoint Apache 2.0 berukuran 20GB dengan 3.4B parameter aktif adalah bahwa biaya marginal sebuah eksperimen turun hampir ke nol. Di Tinker Anda membayar $0.15 per juta prefill dan $0.50 per juta sampel. Di perangkat keras Anda sendiri — Mac dengan 32GB, atau DGX Spark, yang menurut laporan perusahaan memiliki 0.703 intelligence per watt — Anda membayar mesinnya dan tidak lebih.
Itu adalah alasan untuk melakukan self-hosting, dan ada alasan yang sepadan untuk tidak melakukannya. Arsitektur looped yang benar-benar baru baru memiliki dukungan SGLang selama satu hari, throughput yang bervariasi tergantung runtime yang dipilih, kecenderungan yang terdokumentasi untuk melakukan loop saat debugging, dan kecenderungan yang terdokumentasi untuk menjalankan perintah destruktif tanpa bertanya. Mempertaruhkan jalur produksi pada hal itu di minggu pertama bukanlah keputusan routing, melainkan taruhan pada sebuah runtime.
Inilah bentuk masalah yang memang dirancang untuk ditangani router, dan ada baiknya kita konkret tentang apa artinya di sini alih-alih hanya memberi isyarat. Inkling 2 Mini tidak ada di OrcaRouter, jadi tidak ada yang bisa dirutekan ke sana saat ini. Yang ada di OrcaRouter adalah model yang terkait dengannya: Qwen3.8-27B, dengan $0.33 per juta input dan $2.40 per juta output — lebih murah daripada daftar harga Alibaba $0.50/$3.00, dengan harga daftar penyedia diteruskan apa adanya, bukan ditandai naik. Pengaturan praktis untuk beberapa minggu ke depan adalah memanggil Qwen3.8-27B untuk apa pun yang berskala produksi sambil Anda mengevaluasi Mini di infrastruktur Anda sendiri, dan menggunakan failover serta DSL routing untuk menempatkan Mini di belakang fallback pada hari ia mencapai endpoint yang dihosting. Begitulah cara Anda melihat arsitektur yang belum terbukti tanpa menjadikannya satu-satunya hal yang berdiri antara pengguna Anda dan halaman error.

Tontonan Berikutnya
Tiga hal akan menentukan apakah Inkling 2 Mini pada akhirnya berarti lebih dari sekadar tabel tolok ukur yang bagus.
Yang pertama adalah reproduksi independen. Setiap angka coding dalam tulisan ini dilaporkan oleh vendor. Artificial Analysis memiliki skor indeks, biaya, kecepatan, dan verbositas — semuanya terukur — tetapi tidak memiliki indeks coding untuk model ini, dan sampai seseorang di luar Thinking Machines menjalankan SWE-bench Pro v2 atau Terminal Bench pada bobot yang dirilis, 77,9% itu adalah klaim tentang checkpoint yang dilatih perusahaan tersebut.
Yang kedua adalah kematangan runtime. Kesenjangan antara 280 token per detik di halaman analisis dan apa pun yang Anda dapatkan di perangkat keras Anda sendiri saat ini bergantung pada mesin mana yang Anda pilih dan seberapa baru dukungan loop-nya. Satu bulan kerja kernel mengubah angka itu lebih besar daripada satu bulan pekerjaan apa pun lainnya.
Yang ketiga adalah apakah ada pihak selain Tinker yang menyediakannya. Model endpoint yang dihosting tunggal dengan bobot terbuka adalah produk yang berbeda dari model dengan tiga penyedia di balik API bersama, dan persaingan harga yang membuat angka biaya $0.59 tampak berkelanjutan baru dimulai ketika sudah ada pihak lain untuk bersaing.
Untuk saat ini, ringkasan jujurnya lebih sempit daripada bingkai peluncurannya. Inkling 2 Mini adalah unduhan 20GB yang menandingi model dense 27B pada indeks komposit dengan biaya per tugas sekitar seperenam dan kecepatan empat kali lipat, dari laboratorium yang merilis bobotnya pada hari pertama, bukan seminggu kemudian. Model ini juga berhalusinasi dengan percaya diri, terjebak dalam loop saat melakukan debugging, dan meminta sandbox sebelum Anda membiarkannya menyentuh sistem berkas. Kedua belahan kalimat itu benar, dan belahan keduanyalah yang menentukan bagaimana Anda men-deploy-nya.
