Kartu judul yang dihasilkan bertuliskan 'Inkling 2 Mini vs Qwen 3.8', dengan subjudul 'tier yang benar-benar bersaing adalah Flash', dengan tiga pil bertuliskan 'Mini: Index 20.1', 'Flash: Index 29', dan 'Biaya sama per tugas', di atas dua kartu yang membandingkan 'file 20GB, berjalan offline' dengan 'endpoint yang dihosting, konteks 1M' dan catatan untuk melakukan eskalasi hanya saat diperlukan. Logo OrcaRouter berada di kanan bawah.
Guides & Insights

Inkling 2 Mini vs Qwen 3.8: Dikalahkan oleh Tingkat yang Lebih Murah

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Perbandingan yang dijalankan semua orang adalah perbandingan yang keliru, dan itu membuat model baru tampak lebih unggul. Inkling 2 Mini, yang diterbitkan oleh Thinking Machines Lab pada 20 November 2026, memperoleh skor 20,1 pada Artificial Analysis Intelligence Index v5.0.1 — setara dengan Qwen3.8-27B pada skor 20, dengan biaya $0,59 per tugas indeks dibandingkan $3,53. Itulah adu langsung yang dimasukkan Thinking Machines ke dalam tabel benchmarknya sendiri, dan dalam hal biaya, selisihnya tidak tipis. Namun Qwen 3.8 bukanlah satu model. Ia adalah satu generasi yang terdiri dari lima model, dan tingkatan yang benar-benar bersaing dengan checkpoint 20GB yang dapat diunduh adalah Qwen3.8-Flash, yang menurut Artificial Analysis memperoleh skor 29 dengan biaya $0,57 per tugas indeks — unggul sembilan poin, dengan biaya yang sama per jawaban yang selesai. Mini memenangkan perbandingan yang dicetak dalam postingan peluncuran dan kalah dalam perbandingan yang akan dijalankan seorang pembeli.

Sumber data, karena inilah yang menentukan putusan: skor indeks, biaya per tugas, latensi, dan angka konteks adalah pengukuran Artificial Analysis yang dibaca pada 21 November 2026, dan setiap harga OrcaRouter dikutip dari katalog kami sendiri. Tabel persentase adalah harness peluncuran Thinking Machines, dijalankan oleh vendor, ditandai di tempat kemunculannya; klaim A​libaba sendiri untuk tier Q​wen dikutip sebagai klaim A​libaba dan belum diaudit secara terpisah di sini.

Pertama, Q​wen 3.8 yang mana yang Anda maksud

Memperlakukan nama keluarga sebagai lawan adalah kesalahan yang membuat sebagian besar perbandingan semacam ini tidak berguna. Qwen 3.8 mencakup flagship yang dihosting dengan harga $2,00/$6,00 per juta token, checkpoint terbuka 2,4 triliun parameter di bawah lisensi khusus, model dense 27B di bawah Apache 2.0, tier Flash dengan harga $0,15/$0,47, dan pratinjau Flash-Next yang bobot terbukanya berada di balik produk Flash yang dihosting. Anggota-anggotanya berbeda lebih dari sepuluh kali lipat dalam harga token dan sembilan poin pada indeks yang sama. Satu vonis "vs Qwen 3.8" adalah vonis tentang sesuatu yang kabur.

• Qwen3.8-27B — dense 27B, Apache 2.0, input teks, gambar, dan video, konteks 256K, Index 20 pada xhigh effort, harga daftar $0.50/$3.00, $3.53 per tugas indeks, 34,5 menit per tugas.

• Qwen3.8-Flash — tingkat produksi yang dihosting dengan $0.15/$0.47, melayani bobot yang sama dengan pratinjau Flash-Next; endpoint yang dirutekan mengiklankan jendela 1M token dan output maksimum 131K, sementara Artificial Analysis mencatat 256K untuk bobot Flash-Next terbuka. Artificial Analysis mengukur model tersebut pada Indeks 29, total 180B dan 6B aktif, $0.57 per tugas indeks, 33,3 menit.

• Qwen3.8-Max — flagship tertutup, Index 34, $2.00/$6.00, $10.02 per tugas indeks. Bukan pesaing bagi Mini dalam hal biaya dan bukan model yang tepat untuk dibandingkan.

• Inkling 2 Mini — total 26,4B, aktif 3,4B, Apache 2.0, konteks 1M di kartu, Index 20.1, $0,15/$0,50 di Tinker, $0,59 per tugas indeks, 9,0 menit.

Jadi perbandingan yang berguna memiliki dua sisi. Dibandingkan model dense 27B yang dipilih dalam postingan peluncuran, Mini adalah keunggulan biaya yang nyata pada skor yang sama. Dibandingkan dengan tier Flash, yang biayanya sama dan jauh mengunggulinya dalam indeks, argumen Mini harus tentang sesuatu selain harga dan skor — dan memang begitu: file.

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.

Seri 27B, dan mengapa itu nyata

Kedua model diukur oleh evaluator yang sama pada revisi yang sama dari indeks yang sama, jadi 20.1 terhadap 20 adalah perbandingan nyata dan bukan kebetulan semata dari harness. Ini juga merupakan hasil imbang pada batas resolusi instrumen tersebut. Indeks ini adalah komposit dari sembilan evaluasi, beberapa di antaranya menggunakan himpunan held-out, dan model yang selisihnya dalam satu poin tidak dapat diurutkan secara andal oleh indeks ini. Yang ditetapkan oleh hasil imbang ini adalah bahwa Mini melewati ambang yang sama dengan model dense 27B sekaligus hanya membakar 3.4 miliar parameter aktif, bukan 27 miliar.

Kolom biaya adalah hal yang penting di sini. Dengan $0.59 per tugas indeks dibandingkan $3.53, Mini sekitar enam kali lebih murah untuk menyelesaikan evaluasi yang sama, dan melakukannya dalam sembilan menit dibandingkan 34 setengah menit. Kecepatan output adalah 280 token per detik dibandingkan 53. Waktu hingga token jawaban pertama adalah 9.72 detik dibandingkan 144. Dalam loop agen yang menjalankan tiga puluh putaran, angka-angka itu terakumulasi menjadi sesuatu yang bisa dirasakan pengguna.

Semua itu tidak gratis, dan biaya penyeimbangnya adalah verbositas. Mini mengeluarkan 161 juta token keluaran untuk menyelesaikan proses indeks, dibandingkan dengan 128 juta untuk model Q​wen dan median rekan sejawat 85,7 juta. Membayar $0,50 per juta token keluaran untuk 1,9 kali keluaran tipikal tetap murah; menganggarkan jumlah token tetap per tugas untuk model yang banyak bicara seperti ini tidaklah murah. Tim yang mengukur berdasarkan token alih-alih tugas akan mendapati keunggulan enam kali lipat menyusut mendekati tiga kali lipat.

Di mana Mini benar-benar mengalahkan setiap tier Q​wen

Tabel coding vendor adalah bagian dari peluncuran yang membuat model ini menarik, dan itu juga bagian yang belum diperiksa siapa pun. Setiap baris di bawah ini adalah harness milik Thinking Machines pada checkpoint-nya sendiri, dan setidaknya salah satunya dijalankan dengan scaffold agen perusahaan tersebut, bukan dengan yang netral.

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

• SWE-bench Pro v2, Hard — 77,9% vs 73,8%.

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

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

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

• Terminal Bench v2.1 — 71,6% vs 73,0%, sebuah kekalahan; pada Terminal Bench v4.0 keduanya mencetak 5,6%.

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

• MMMU Pro — 74,9% vs 76,3%, kekalahan tipis lainnya; OmniDocBench v1.6 92,8% vs 91,5%.

Baris yang dimenangkan Mini adalah baris-baris agentic — patching berskala repositori, pencarian horizon panjang, penggunaan alat. Baris yang kalah adalah baris yang membutuhkan recall presisi. Di situlah arsitekturnya terlihat: perulangan membeli komputasi serial per token, dan komputasi serial adalah yang dibutuhkan lintasan agen yang panjang. Perulangan tidak membeli fakta yang tersimpan, dan benchmark yang berat pengetahuan akan menyadarinya.

Kesenjangan faktualitas antara Mini dan keluarga model itu lebih mencolok daripada baris mana pun di antaranya. Pada AA-Omniscience, tabel vendor mencantumkan −8.6 untuk Mini dengan tingkat non-halusinasi 63.4%, dibandingkan dengan −6.4 dan 71.4% untuk Qwen3.8-27B di kolom yang sama pada tabel yang sama. Skor negatif berarti model tersebut lebih buruk daripada menolak menjawab. Artificial Analysis tidak menerbitkan angka omniscience terpisah untuk Mini yang dapat saya temukan, jadi baris ini sepenuhnya bergantung pada harness vendor — dan itu tetap merupakan angka terpenting dalam perbandingan bagi siapa pun yang melakukan deployment tanpa lapisan retrieval.

Di mana Flash mengakhiri argumen

Sekarang tingkatan yang penting. Qwen3.8-Flash di-hosting dan diberi harga $0,15 untuk input dan $0,47 untuk output — tarif input yang sama dengan yang dikenakan Tinker untuk menyampling Mini, dan tiga sen lebih murah untuk output. Artificial Analysis memberi skor 29 untuk bobot Flash-Next di baliknya. Per tugas indeks biayanya $0,57, dibandingkan Mini $0,59. Sembilan poin indeks, dengan biaya dua sen lebih murah.

Itu bukan selisih tipis dalam hal kemampuan maupun harga, dan itu mengubah kerangka tentang untuk apa Mini digunakan. Keunggulan Mini atas Flash sama sekali tidak ada di papan skor: Mini adalah file 20GB yang berjalan tanpa jaringan, di MacBook atau DGX Spark, tanpa meteran per token dan tanpa penyedia di dalam alur. Keunggulan Flash adalah sembilan poin indeks, endpoint yang dihosting, dan jendela 1 juta token pada API yang dirutekan tanpa perlu mengunduh apa pun. Jika beban kerja Anda memiliki koneksi jaringan, sisi Qwen menang pada setiap sumbu yang diukur. Jika tidak, tidak ada apa pun di sisi Qwen yang tersedia bagi Anda sama sekali.

Perbandingan kecepatan juga menguntungkan Mini, dan lebih dari yang disiratkan oleh selisih skor. Mini berjalan pada 280 token keluaran per detik dengan token pertama 9,72 detik; Flash-Next terukur 74 token per detik dengan token pertama 85,77 detik dan 33,3 menit per tugas indeks. Bagi agen interaktif, itu adalah perbedaan antara alat yang merespons dan alat yang harus ditunggu — dan ini adalah satu-satunya tempat di mana model lokal dengan parameter efektif 5,4B memiliki keunggulan struktural atas model terhosting 180B.

Pengaturan praktis

Kedua tier Qwen ada di OrcaRouter, yang membuat jalur eskalasi menjadi luar biasa murah untuk dibangun. Qwen3.8-27B dirutekan pada $0.33 per juta input dan $2.40 per juta output — di bawah daftar harga Alibaba $0.50/$3.00, karena harga penyedia diteruskan bukan ditandai naik. Qwen3.8-Flash dirutekan pada $0.15/$0.47 dengan jendela 1M token. Satu kunci menjangkau keduanya, dengan failover otomatis dan DSL perutean untuk mengirim permintaan ke tier murah terlebih dahulu dan melakukan eskalasi hanya ketika gagal dalam pemeriksaan.

Itulah bentuk yang sebenarnya diinginkan perbandingan ini. Mini, jika Anda mengadopsinya, berjalan di perangkat keras Anda sendiri untuk mengerjakan pekerjaan agentic yang memang menjadi keunggulannya dan tidak membayar apa pun per token. Tingkatan Qwen berada di balik satu endpoint untuk permintaan yang tidak dikuasai Mini — permintaan yang membutuhkan fakta yang diingat dengan benar, dokumen panjang yang dibaca, atau inferensi ilmiah yang sulit — dan failover berarti gangguan penyedia menurunkan kualitas jawaban alih-alih membuatnya gagal. Kami tidak menghosting Inkling 2 Mini dan tulisan ini tidak akan berpura-pura sebaliknya; yang dihilangkan router adalah kontrak kedua dan integrasi kedua untuk separuh beban kerja yang dialihkan ke 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.

Apa yang akan mengubah putusan?

Dua hal, dan keduanya murah untuk diamati. Yang pertama adalah uji coba coding independen pada bobot publik Mini. Jika angka 48,2% pada DeepSWE dan 77,9% pada SWE-bench Pro bertahan di harness netral, kasus agentic Mini menjadi jauh lebih kuat daripada yang disiratkan skor indeks 20,1, karena indeks justru memberi bobot terlalu rendah pada pekerjaan cakrawala panjang yang memang menjadi sasaran rancangan model ini. Jika tidak bertahan, tabel peluncuran itu hanyalah tabel vendor dan model ini pada dasarnya adalah 20.

Yang kedua adalah apakah keunggulan sembilan poin Qwen3.8-Flash tetap berlaku di bawah kontrol effort. Angka indeksnya berasal dari satu konfigurasi, dan model-model Q​wen bergerak beberapa poin antar pengaturan effort — model 27B mencetak 20 pada xhigh dan jauh lebih rendah saat thinking diturunkan. Tier Flash yang kehilangan sembilan poin pada effort rendah adalah pesaing yang berbeda dari yang mempertahankannya, dan belum ada yang menerbitkan kurva itu untuk perbandingan ini.

Sampai salah satu dari itu terwujud, ringkasan jujurnya adalah putusan yang terbelah. Dalam hal kemampuan terukur per dolar di lingkungan hosted, Q​wen 3.8 menang dua kali — model 27B menyamai Mini dalam skor dan kalah dalam biaya, tier Flash mengunggulinya pada keduanya. Untuk hal-hal yang sama sekali tidak bisa dilakukan model hosted — berjalan offline, berjalan di laptop, berjalan tanpa meteran — Inkling 2 Mini tidak memiliki jawaban Q​wen, dan file 20GB adalah seluruh argumennya. Beli unduhannya jika Anda memerlukannya untuk berjalan di tempat yang tidak ada jaringan. Beli API-nya jika tidak.

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.