生成されたタイトルカードには「Inkling 2 Mini」と表示され、サブタイトルは「Qwen3.8-27Bと同じIntelligence Indexスコアを、タスクあたり6分の1のコストで」であり、4枚の角丸カードにはIntelligence Index 20.1、インデックスタスクあたりのコスト0.59ドル、出力速度毎秒280トークン、チェックポイント20GB Apache 2.0が記載されている。OrcaRouterのロゴは右下にある。
Guides & Insights

Inkling 2 Mini:Qwen3.8-27Bと同じ20で、コストは6分の1

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

2つのモデルがArtificial Analysis Intelligence Indexの同じ順位に並び、どちらもスコアは20だ。一方はインデックスのタスクを1件こなすのに3.53ドルかかり、所要時間は35分半。もう一方は0.59ドルで、9分で終わる。安いほうはInkling 2 Miniで、Thinking Machines Labが2026年11月20日にApache 2.0で公開した264億パラメータのmixture-of-expertsモデル。高いほうはQwen3.8-27B——Alibabaが8月に投入したDenseモデルで、OrcaRouterが100万トークンあたり入力0.33ドル、出力2.40ドルで提供している。

総合指標での同点は、能力での同点ではない。そして本稿は、その両者がどこで分岐するかに紙幅の大半を割くつもりだ。しかし、あるモデルを本番経路に投入するかどうかを決めるのはコストの数値であり、それはInkling 2 Miniの多くのローンチ報道が飛ばす数字だ。なぜなら、それは発表記事に載っていないからだ。それは独立した測定から来ており、同点となったモデルより6倍優れている。

実際に出荷されたもの、そして出荷されなかったもの

発表の日付は11月20日です。Hugging Face リポジトリは11月17日に作成され、20日に最終更新されており、これはサプライズの公開というより、ローンチ前に準備されたチェックポイントの様相を呈しています。モデルカードには Apache 2.0 と記載され、ファイル一覧にも同じタグが付いています — ライセンスがあるという約束ではなく、実際のライセンスであり、これが今回のリリースと Inkling 2 Small の違いです。後者では重みの公開が発表より1週間遅れました。

アーティファクト自体:

• パラメータ — 合計26.4B、アクティブ3.4B、ループを勘定に入れるとトークンあたりの実効重み活性化は5.4B。Thinking Machinesはこの差を、ループ1回あたりおよそ1.0Bの追加アクティブパラメータと見積もっている。

• フットプリント — 混合NVFP4とMXFP8で約20GB。同社がMacBook Pro上でオフライン実行できるほど小さく、32GB以上のRAMを搭載したあらゆるMac向けの手順も提供している。

• モダリティ — 入力はテキストと画像で、ビジョントランスフォーマーを通じて同じ隠れ空間に射影される。出力はテキストのみ。

• ランタイムサポート — SGLang、vLLM、NVIDIA Dynamo、TokenSpeed、Ollama、Unsloth GGUF経由のllama.cpp。SkyRL、Miles、NVIDIA AutoModelによるRLポストトレーニング。

• ホスト型での提供状況 — 推論とファインチューニング向けのTinker。それが唯一のエンドポイントです。OrcaRouter上にはなく、この記事はそう装いません。

価格について正確を期すための一点です。独立系のページと料金表は食い違っているように見えますが、実際は食い違っていません。Artificial Analysis は入力 100 万トークンあたり $0.15、出力 100 万トークンあたり $0.50、90% のキャッシュ割引、混合価格 $0.0905 と記載しています。これは Tinker のサンプリング料金、すなわちプレフィル $0.15、キャッシュ済みプレフィル $0.015、サンプリング $0.50 であり、Tinker 自身のモデル一覧でも、64K コンテキスト階層と 256K 階層のサンプリング料金は同じ $0.15/$0.50 のまま、トレーニングはそれぞれ $0.75 と $1.50 となっています。Tinker が Mini を掲載していないのはサーバーレス推論ベータの下であり、その表には Inkling 2 Small とオリジナルの Inkling は載っているものの、このモデルは載っていません。したがって、$0.15/$0.50 は Tinker 上でこれをサンプリングする際に支払う料金であり、分析ページの「1 プロバイダー経由で API から利用可能」という行はそれを指しており、独自の料金表を持つサーバーレスエンドポイントを指すのではありません。

Screenshot of the Thinking Machines announcement page titled 'Introducing Inkling 2 Mini', dated Nov 20, 2026, showing the Capabilities, Try on Tinker, Hugging Face and Model card links, section navigation for Architecture and training, Monitorability of looped transformers and Try Inkling 2 Mini today, and the opening paragraphs describing a looped transformer that runs the middle layers three times per token and leads open-weights models under 100B total parameters on DeepSWE v1.1 at 48.2% and Vals Index v2.2 at 46.5%.

なぜループアーキテクチャこそが核心なのか

モデルに関するその他の点はすべて従来どおりだ。ループはそうではなく、それがコストの数字とモデルの弱点の両方を説明しているので、2分をかける価値がある。

Inkling 2 Miniは、疎なmixture-of-expertsフィードフォワード層を備えた24層のdecoder-onlyトランスフォーマーで、6層ずつ4つのブロックに編成されています。最初のブロックと最後のブロックは1回ずつ実行されます。中間の2つのブロックは重みを共有して3回実行されるため、各トークンは24の保持層から引き出された48回の層適用を通されます。パス間では、学習されたゲートが前のパスの「メッセージ」をアテンション残差を通じて次へ統合するため、この繰り返しは同一の計算ではありません — モデルは状態を先へ引き継ぎます。

専門家はゼロからではなく、プルーニングによって得られた。学習はスパース性48で始まり、384個から8個の専門家を選んだ。その後、同社は各層で最も多くのトラフィックを受けた128個の専門家を保持し、1Tの蒸留トークン上で損傷を修復した。その後、2,000ステップで2.2TトークンにわたるSFTとRLを実施した。4ビットでエンドツーエンドに学習され、20層がNVFP4、4層がMXFP8であり、そのため出荷されるチェックポイントは学習時の精度であり、事後量子化されたものではない。

買い手にとってこれが重要である理由: 保存パラメータあたりの実効計算量が増えるため、26Bのチェックポイントがラップトップのメモリを占有しながら、より大きなモデルのように振る舞います。運用者にとってこれが重要である理由: ループ型アーキテクチャのサポートはまだ約1日前に登場したばかりです。SGLangのサポートはPR #51926としてマージされ、モデルの出荷当日にオープンされました。専用のモデルタイプ、ループパスとキャッシュ共有のためのフラグ、そしてカーネルに適合させるために幅1152のエキスパート行列を1280までゼロパディングするNVFP4グループ化GEMMパスが追加され、GB300、B300、H200でベンチマークされています。モデルカードは自らの制限事項の中で明言しています。「ループモデルのランタイムサポートは新しいため、速度は変動します」。これは正直な警告であり、このリリースに固有の唯一の運用上のリスクです。

20で同点、コストでは6倍の差

Intelligence Indexの比較は、このモデルが興味深い理由であり、また読者が見出しに最も惑わされやすいところでもある。両モデルはインデックスのバージョン5.0で20点を獲得している。そのスコアの下にあるあらゆる点で、両者は同じモデルではない。

• インデックス — Inkling 2 Mini は 20.1、Qwen3.8-27B は xhigh エフォート設定で 20。実質的に同等。

• インデックスタスクあたりのコスト — $0.59 対 $3.53。6倍の差。

• インデックスタスクあたりの実時間 — 35.5分に対して9.0分。

• 出力速度 — 51に対して毎秒280トークン。

• 最初のトークンまでの時間 — Mini は 9.72 秒;Q​wen のページは最初のトークンの数値を前面に出しておらず、35 分というタスク時間が実質的な数値です。

• コンテキスト — モデルカードおよび Artificial Analysis では 1M、Tinker のモデル一覧では 256K。これについては後述します。

• ライセンス — Apache 2.0、20GBでダウンロード可能。ベンダーAPIのリスト価格$0.50/$3.00に対して。

冗長さは6倍の差の一部を説明しており、料金表よりも請求額をうまく予測するため知っておく価値があります。インデックス実行を完了するために、Inkling 2 Mini は161Mの出力トークンを生成しましたが、同級モデルの中央値は85.7Mでした — 同クラスの典型モデルの約1.9倍の出力です。それでも、100万出力あたり$0.50では、計算上は1タスクあたり$0.59になります。Qwen3.8-27Bのコストは逆方向から来ています。$3.00の出力料金と、完了まで4倍の時間がかかるモデルです。

それらの数字の後に置くのではなく、隣に添えるべき注意事項がある。インデックススコア20は、リーダーボードが有用に測定できる下限に近く、18から20の間に密集するモデルは、それによって信頼できる順序付けができない——Mini周辺のリーダーボードには、Nanbeige4.3-33Bが20、JT-4.1 Flash 236B A21Bが19、MiniMax-M3が19で含まれている。20での同点は、両モデルが同じ基準を満たしているという表明であり、同じ箇所で失敗するという意味ではない。

A generated two-column scoreboard titled 'Inkling 2 Mini vs Qwen3.8-27B - the scoreboard'. The Inkling 2 Mini column reads Intelligence Index 20.1, active parameters 3.4B of 26.4B total with 5.4B effective, cost per index task 0.59 dollars, time per index task 9.0 minutes, output speed 280 tokens per second, and a claimed 1,000,000-token context. The Qwen3.8-27B column reads Intelligence Index 20, 27B dense with all parameters active, cost per index task 3.53 dollars, time per index task 35.5 minutes, output speed 51 tokens per second, and 262,144 native context extensible to one million. A footer states that index, cost, time and speed figures are measured by Artificial Analysis and context figures are vendor-reported.

コーディングは、ベンダーの数字が面白くなるところです

Thinking Machinesはこれを、ラップトップ上で動作するエージェント型コーディングモデルとして売り込んでおり、公開されている表は、その主張の前半を、ほとんどの小型モデル発表よりも強く裏付けている。これらは同社自身による評価であり、執筆時点では研究所外の誰も再現していないため、測定値ではなく主張として読むべきだ。

• SWE-bench Verified — 79.2%、bash のみ。

• SWE-bench Pro v2、Hard — 77.9%。

• SWE-bench Multilingual — 73.7%。

• Vibe Code Bench v1.1 — 77.9%。

• Terminal Bench v2.1 — 71.6%、Qwen3.8-27Bの73.0%を下回る。

• 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%、Pythonツールの使用が許可された場合は87.7%。

• GPQA形式の科学と高度な推論 — HLE-Diamond 15.2%、CritPt v2 31.4%、ARC-AGIはv1で84.5%、v2で49.3%。

その表のパターンはアーキテクチャと整合している。Miniが強く見える行は、長いホライズンにわたる粘り強さとツール使用を報いる行であり、弱く見える行は、単一の正しい想起や難しい科学的推論を要求する行である。それが小さなアクティブパラメータ予算で得られるものであり、ループでは解決できないものである。

企業がQwen3.8-27Bに対して公表した比較表のうち、2行は敗北であり、覚えておくべきはこの2つだ。MultiChallenge — Miniは50.0%で、Qwenモデルに後れを取っている。ComplexConstraints v1.1 — 33.4%で、こちらも後れを取っている。これらは制約下での指示追従テストであり、まさにスキーマと予算を与えられた本番エージェントを壊すスキルだ。どちらのベンチマークの見出し数値も信頼する前に、最初にテストすべきものだ。

会社自身の言葉で語る、それが苦手とすること

モデルカードの制限事項セクションは異例なほど具体的で、そのおかげで通常の免責事項より役に立ちます。それを引用するのが、このモデルが自分のユースケースに合うかどうかを知る最速の方法です。

• 事実の想起では Inkling 2 Small より弱く、誤った情報を自信を持って述べる傾向があるとされています。独立した全知性測定もこれに一致しており、AA-Omniscience は −8.6、非ハルシネーション率は 63.4% です。このベンチマークで負のスコアは、モデルが何も言わないより悪いことを意味します。

• 長い推論ループに陥ることがあり、特にコードのデバッグ中に起こりやすい。カードではトークン数とターン数の上限を設けることを推奨している。

• 確認なしに破壊的なファイル操作を行う可能性があり、実行した内容を誤って報告する可能性があります。リポジトリに対してこれを使う人にとって、これはサンドボックスで実行するかどうかを決める一文です。

• 非英語の出力は弱く、同社自身の中国語テストでは、途切れた表現と言語の混在が見つかった。

• 最小の推論エフォートでは推論は完全には無効化されないため、思考をオフにしても遅延を取り戻すことはできません。

安全性評価は引用される部分であり、興味深い方向に切り込んでいる。FORTRESSは敵対的評価で89.5%、良性評価で96.4%、StrongREJECTは97.8%、内部的な不適切行動は9.8%だった。同社の結論は、このモデルは「オープンウェイトモデルからすでに得られるものを超える実質的な能力向上をもたらさない」というもので、思考連鎖に対する制御性はほとんど見いだせなかった一方、ループパスを追加しても監視可能性の低下は増えなかったと指摘している。成果物が20GBのApache 2.0ダウンロードであることを踏まえると、安全性の枠組みはゲートではなく開示であり、推奨される緩和策はエージェント型ワークロードのサンドボックス化だ。これはいずれにせよ実施すべきことである。

実際には手に入らないかもしれない1Mウィンドウ

コンテキスト長は、情報源が本当に意見を異にする唯一の仕様であり、その不一致は表面的なものではない。

Hugging Face のモデルカードには、このモデルが「最大1Mトークンのコンテキストウィンドウをサポートする」と記載されている。Artificial Analysis は1Mと記録している。Tinker のモデル一覧では、Inkling 2 Mini を総パラメータ26.4B、アクティブ5.4BのMoEで、コンテキスト長256Kと説明しており、その料金表では64Kティアと256Kティアの価格が設定されている。

最も可能性の高い読み方は、1M はアーキテクチャの能力であり、256K はホスト型サンプリング経路が設定され課金される範囲だというもので、これは Inkling 2 Small が示したのと同じパターンです。そこでは 1M が学習および評価されましたが、提供可能なティアはより狭いものでした。ワークロードが長いウィンドウに依存しているなら、カード上の数値を運用上の保証として受け取らないでください。ベンダー表の長文コンテキスト評価も、勝利を誇るものではなく混在しています。MRCR v2 は 46.4%、LongBench v2 は 66.9%、256K での GraphWalks BFS は 69.7% です。100万トークンを宣伝しながら多ラウンド共参照で 46 を記録するモデルは、長いウィンドウが実在するものの、それが無償ではないモデルです。

自分で実行すること、そしてそれで何が変わるか

20GBのApache 2.0チェックポイントでアクティブパラメータが34億という点が面白いのは、実験の限界コストがほぼゼロまで下がることです。Tinkerでは、100万トークンのプリフィルで0.15ドル、100万トークンのサンプルで0.50ドルを支払います。自前のハードウェア、つまり32GBのMacや、同社がワットあたり0.703のインテリジェンスと報告しているDGX Sparkでは、マシン代だけを支払えばよく、それ以外はかかりません。

セルフホスティングする場合の根拠はそれであり、そうしない場合にも同等の根拠がある。まったく新しいループ型アーキテクチャには、SGLang のサポートがまだ1日しかなく、どのランタイムを選ぶかによってスループットが変動し、デバッグ中にループする傾向と、確認なしに破壊的なコマンドを実行する傾向がそれぞれ文書化されている。最初の週にそれを本番経路に賭けるのは、ルーティングの判断ではなく、ランタイムへの賭けだ。

これはまさにルーターが存在する理由となる種類の問題であり、ここでそれが何を意味するのかを曖昧に示すのではなく、具体的に述べる価値があります。Inkling 2 Mini は OrcaRouter 上にないため、今日それをルーティングする先はありません。 OrcaRouter 上にあるのは、それが結び付くモデルです。Qwen3.8-27B で、入力 100 万トークンあたり $0.33、出力 100 万トークンあたり $2.40 — A​libaba のリスト価格 $0.50/$3.00 より安く、プロバイダーのリスト価格を上乗せせずにそのまま渡しています。今後数週間の実用的な段取りは、Mini を自前のハードウェアで評価する間、本番向けのものは何でも Qwen3.8-27B を呼び出し、Mini がホスト型エンドポイントに到達した日には、フェイルオーバーとルーティング DSL を使って Mini の後ろにフォールバックを置くことです。そうすれば、実績のないアーキテクチャを、ユーザーとエラーページの間に立つ唯一の存在にすることなく、様子を見ることができます。

Screenshot of OrcaRouter's model page for Qwen3.8-27B, showing the model id qwen/qwen3.8-27b, text, image and video input with text output, vision, tools, JSON and reasoning tags, the vendor benchmark date 2026-08-13, a description of it as Alibaba's open-weight 27B dense multimodal model under Apache-2.0 self-hosted on OrcaRouter, a 256K-token context window, an input price of $0.33 and output price of $2.40 per 1M tokens, a p50 of 3.23 seconds and a p99 of 10.00 seconds, and a seven-day traffic figure of 166.6M tokens.

次に見るもの

Inkling 2 Miniが優れたベンチマーク表以上の意味を持つことになるかどうかは、3つのことによって決まる。

第一に、独立再現である。本記事中のコーディングに関する数値はすべてベンダー報告だ。Artificial Analysisにはインデックススコア、コスト、速度、冗長性があり、いずれも実測値だが、このモデルのコーディングインデックスはない。Thinking Machinesの外部の誰かが公開された重みでSWE-bench Pro v2またはTerminal Benchを実行するまで、77.9%は同社が訓練したチェックポイントについての主張にすぎない。

次はランタイムの成熟度です。分析ページでの毎秒280トークンと、自分のハードウェアで得られる値との差は、現時点ではどのエンジンを選ぶか、そしてそのループサポートがどれだけ新しいかによって決まります。カーネル作業の1か月は、他の何かの1か月よりもその数値を大きく変えます。

3つ目は、Tinker以外にそれを提供している相手がいるかどうかだ。オープンウェイトの単一ホスト型エンドポイントのモデルは、共通APIの背後に3つのプロバイダーがいるモデルとは別の製品であり、0.59ドルというコスト数値を持続可能に見せる価格競争は、競争する相手がいて初めて始まる。

現時点で正直な要約は、ローンチ時の売り文句より狭い。Inkling 2 Miniは20GBのダウンロードで、複合指標では27Bの密なモデルに匹敵し、タスクあたりコストは約6分の1、速度は4倍。しかも、重みを1週間後ではなく初日から公開したラボによるものだ。同時に、自信満々にハルシネーションを起こし、デバッグ中にループし、ファイルシステムに触れさせる前にサンドボックスを求めるモデルでもある。この文の前半も後半も事実であり、導入方法を決めるのは後半の方だ。