「Inkling 2 Mini 対 Inkling 2 Small」と表示される生成タイトルカード。サブタイトルは「11インデックスポイント、394GB差」。その下の2枚の角丸カードには「Inkling 2 Mini — 1ファイル、約20GB」と「Inkling 2 Small — 36ファイル、393.5GB」と表示され、「11ポイント」と記された区切り線で隔てられています。OrcaRouterのロゴは右下にあります。
Guides & Insights

Inkling 2 Mini 対 Inkling 2 Small:394GBで11ポイント

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つのチェックポイント、1つのファミリー、そして11インデックスポイントのためにディスクとメモリをどれだけ費やすかで決まる選択。Inkling 2 Miniは小さい方だ。総パラメータ264億、アクティブ34億、約20GBの単一ファイルで、Thinking Machines Labが2026年11月20日にApache 2.0の下で公開した。Inkling 2 Smallは大きい方だ。総パラメータ5,940億、アクティブ170億、36ファイルで393.5GB、重みは11月5日のローンチから始まった1週間のクローズド提供を経て11月12日に公開された。両方を独立に測定するArtificial Analysis Intelligence Index v5.0.1では、スコアは20.1と31。これが一行で表したトレードオフのすべてであり、しかも両者の挙動の違いを過小評価している。

以下では2種類の証拠を区別する。その違いがこのファミリーに関するほとんどの議論を左右するからだ。インデックススコア、インデックスタスクあたりのコスト、速度、コンテキスト、ライセンスはArtificial Analysisの数値とベンダーのメタデータであり、2026年11月21日時点で確認したものだ。ベンチマークのパーセンテージはすべて、該当する発表記事にあるThinking Machines自身の評価表に基づくもので、同社が訓練したチェックポイントに関する値であり、掲載されるたびにベンダー報告として明記されている。どちらの表もラボの外では再現されていない。

各チェックポイントが実際に何であるか

まずアーティファクトから見ていこう。アーティファクトは同じ種類のものではないからだ。Inkling 2 SmallはフラットなMixture-of-Expertsモデルだ。総パラメータ数594B、トークンあたり17Bがアクティブで、重みはローンチの8日後に24個のsafetensorsシャードとして公開され、さらに大きいMXFP8バリアントも提供される。Inkling 2 Miniはプルーニングされ、ループ化された派生モデルだ。同じメインラインのレシピからエキスパートの3分の2を削除し、中間層にループを追加したものだ。約20GBの1ファイルとして提供される。なぜなら、4ビットでエンドツーエンドに学習され、学習時と同じ精度でデプロイされるからだ。20層がNVFP4、4層がMXFP8で、変換による損失が生じない。

• 総パラメーター数 — Inkling 2 Mini 26.4B 対 Inkling 2 Small 594B。

• アクティブパラメータ — 3.4B 対 17B。Mini は、3 回のループパスを数えると、トークンあたりの実効重み活性化が 5.4B に達します。

• ダウンロード — 1ファイルで約20GB、それに対して36ファイルで393.5GB、MXFP8バリアントでは622.8GB。

• インデックス — 20.1 対 31(いずれも Intelligence Index v5.0.1 による)

• インデックスタスクあたりのコスト — $0.59 対 $1.18。

• 出力速度と最初のトークン — 9.72秒で毎秒280トークン、対して39.68秒で毎秒118トークン。

• コンテキスト — 両モデルカードに1Mトークン、Artificial Analysisによる記録も両方とも1M。Inkling 2 SmallのTinker上での提供ティアはカードの記載より狭く、Miniも同じギャップを引き継いでいる。100万という数字は能力として扱うべきで、運用上の約束事と見なすべきではない。

• ライセンス — 両方とも Apache 2.0。Small のカードは LICENSE ファイルを同梱せずにそれを宣言しており、Mini のカードはメタデータ内で宣言しているが同様に欠落している。法務レビューでツリー内の書類を求める場合には知っておく価値がある。

Screenshot of the Artificial Analysis model page for Inkling 2 Small, showing a score of 31 on the Intelligence Index against a median of 23 for its class, 154M tokens generated during the index run against a 104M median, pricing of $0.30 per 1M input and $1.00 per 1M output tokens, $1.18 per index task, 21.2 minutes per task, a 1M-token context window, a 39.68-second time to first token and 118 output tokens per second.

11のポイントとその由来

2つのベンダー表を並べて読むことだけが、追加のコンピュートが何をもたらすのかを明らかにできる。インデックススコアだけでは、それは見えてこないからだ。両モデルは同じラボによって、一部重複するハーネスで評価されているため、各行はおおよそ互いに比較可能であり、そして互いにのみ比較可能である。

• DeepSWE v1.1 — Inkling 2 Small 72.1% 対 Inkling 2 Mini 48.2%。コーディングブロックで最大の差。

• SWE-bench Pro v2、Hard — 86.3% 対 77.9%。

• SWE-bench Verified — Miniで79.2%、bashのみ。Small自身のローンチ表には同じ行が記載されていないため、これは2つの投稿で突き合わせられない唯一のコーディングベンチマークです。

• Vibe Code Bench v1.1 — 81.6% 対 77.9%。

• FrontierCode v2.0 — 25.4% 対 15.1%。どちらも最も苦手とするベンチマークで、10ポイントの差。

• PMPP-Hard、カーネル最適化ベンチマーク — Smallの494.27 AUCに対しMiniは455.82で、これはパラメータ数から示唆されるよりも差が小さく、ローンチ投稿がMiniはより大きな兄弟モデルに「近づいている」と言うときに指し示す行です。

• BrowseComp — 90.2% 対 79.0%、DeepSearchQA 90.9% 対 85.3%、MCP Atlas 85.0% 対 82.7%。検索とツール使用により、差は一桁台に縮まります。

• CritPt v2、full — 55.7% 対 31.4%。科学推論こそ、蓄積された追加知識が最も顕著に現れる領域です。

• AA-Omniscience — 16.1(非幻覚率73.3%)対 −8.6(63.4%)

最後の行こそ、じっくり受け止めるべきものだ。オムニサイエンススコアが負であるということは、モデルが回答を控えるより劣っているということであり、11ポイントの指数差の大半はそこに起因している。大きいモデルは知識を持ち、小さいモデルは推論して答えを導き出す。Thinking Machines 自身も、ループは直列計算を増やすが保存された事実は増やさないと説明するとき、別の言葉で同じことを述べている。枝刈りでエキスパートの3分の2が削られ、知識は残ったエキスパートに宿る。

同じレシピ、小さめの鍋で

両モデルが似通っているのはマーケティングの効果ではない。どちらのモデルも、似たデータミックスによるSFTと、2,000ステップにわたって合計2.2Tトークンを費やしたRLフェーズを経ており、アラインメントには双方ともオンポリシー蒸留が用いられている。ポストトレーニングのパイプラインは同一のパイプラインであり、異なるのはそこへ到達したものだ。

そこでのMiniのルートは、いくつかのベンチマーク行を説明するものなので知っておく価値がある。それはスパース性48から始まり、各トークンを384個のエキスパートのうち8個にルーティングしていた。中間訓練のある時点で、Thinking Machinesは各層で最も使われた128個のエキスパートを残し——3分の2の削減——、より大きな社内Inklingモデルから蒸留した1Tトークンで損失を修復し、生き残ったエキスパートが削除されたエキスパートの仕事を引き継ぐよう訓練した。次にループ化を追加した。6層からなる4ブロックで、中央の2ブロックを3回実行し、前回のパスのメッセージを次へ統合する学習済みゲートを備え、ゲインをゼロから開始することで訓練が通常のモデルとして始まるようにした。

その設計における2つの判断は示唆に富む。同社は、最後の12層ではなく中間の12層をループさせた。両方を28回の評価でテストしたところ、27回で中間の方が優れ、計算量等価での利得は1.51~1.91倍となり、1.24~1.36倍を上回ったからだ。また、最初と最後のブロックはシングルパスに保った。トークンから表現への変換はこれらのブロックが担い、抽象化は中間が担うという考え方に基づく。そのためMiniは、パラメータを追加せずに、保持する24層からトークンあたり48回の層適用を実現している。

その仕掛けの代償は運用面にある。フラットなMoEは、あらゆる推論スタックが2年間提供してきたものだ。ループ型モデルは、出荷されたほぼその日からSGLangとvLLMのサポートがあり、モデルカードにはループ型モデルのランタイムサポートは新しく、速度は変動すると明記されている。今月、本番経路のためにこの2つから選ぶなら、退屈な方、つまり成熟したカーネルを持つ方を選ぶべきだ。

ハードウェアこそが本当の分かれ目だ

2つのチェックポイントは同じマシンを奪い合うことがなく、このことがスコア以上に多くの導入先を左右する。Miniは単一のNVIDIA DGX Spark、32GB以上のApple siliconデバイス、または32GBのVRAMを搭載したGPUで動作するよう仕様化されている。企業自身のデモでは、機内モードのMacBook Pro上でオフラインで遊べるフライトシミュレーターを構築し、1台のラップトップ上で20エージェントによる街シミュレーションを動かしている。早期アクセス版で実施されたスタンフォードの効率調査では、DGX Spark上でMXFP8、推論努力量を低に設定した条件で、1ワットあたり0.703の知能とされた。これは研究室外部の研究者が1台のデバイスで測定したもので、今回のリリースにおける最も強い独立したシグナルだ。

Smallにはノードが必要だ。393.5GBの重みは、個人が所有するどこにも収まらない。だからこそ、それを利用する自然な方法はホスト型エンドポイント(ベンダーの場合はTinker)であり、ほとんどの読者にとって興味深い比較は「どのファイルをダウンロードするか」ではなく「これらのうちどれをそもそも実行できるか」なのだ。Miniはその問いにラップトップで答える。Smallは予算で答える。

その非対称性こそ、ルーティングが真価を発揮する場面です。そして、身振りで済ませず具体的に語る価値があります。どちらのモデルもOrcaRouter上にはないため、今日どちらかへルーティングする先はありません。OrcaRouter上にあるのは同じ判断のホスト側です。594Bチェックポイントが実際に想定しているワークロードのために呼び出すモデルを、1つのキーで、プロバイダーの定価のまま、マークアップなしで利用できます。ここで重要なのがルーティングDSLです。タスクごとに分割できるため、高コストな呼び出しはそれを必要とするリクエストにだけ発生させ、プロバイダーがダウンした際には自動フェイルオーバーし、安価なローカルモデルがそれ以外すべてを処理します。Miniをローカルで実行し、難しいテールだけを外部に呼び出すほうが、どちらかのモデルですべてを処理するより請求額は小さく、今回のリリースはまさにその構成を可能にします。

3つの事例における決定

開発者のマシン上や単一のオフラインボックス内で動くエージェントを作るなら、Inkling 2 Miniが答えであり、実質的な競争にはならない。20GBのダウンロードで毎秒280トークン、Apache 2.0、そしてベンダー自身の表の行において同サイズのあらゆるオープンウェイトモデルを上回るコーディング表を備えている。サンドボックス化せよ——モデルカードには破壊的なファイル操作とデバッグ中のループについて警告がある——そうすれば、すでに手持ちのハードウェアでリポジトリ規模のエージェント作業を行える。

自分で書いていない大量の文書コーパスを対象に検索するワークロードなら、Small の優位性は主に、文書に書かれていた内容を想起する項目に現れます。CritPt は 55.7% 対 31.4%、omniscience は 16.1 対 −8.6、非ハルシネーション率は 73.3% 対 63.4% であり、コンプライアンスや金融の現場では、自信満々の誤答のほうが、遅くても正しい回答より高くつくため、これは小さな差ではありません。それらを得るには、ノードまたはエンドポイントの費用を払うことになります。

混在ワークロード向けに選ぶなら、分割こそが要点だ。Miniの弱点は知識であり、知識は外部から供給できる唯一のものだ——検索層、検索ツール、難しいテール部分を担うより大きなモデルなどで。その強みは、20GBクラスで他に並ぶものがない価格での、長期的なエージェント的持続性だ。小型モデルを買い、知識は借り、594Bチェックポイントは実行する対象ではなく、エスカレーション先として扱え。

Screenshot of the Artificial Analysis model page for Inkling 2 Mini, showing a score of 20 on the Intelligence Index against a median of 10, 161M tokens generated during the index run against an 85.7M median, pricing of $0.15 per 1M input and $0.50 per 1M output tokens, $0.59 per index task, 9.0 minutes per task, and a 1M-token context window, alongside the technical specification panel listing the reasoning, input and output modalities, context window, parameter counts and licence.

一つの注意点が3つのケースすべてに共通しており、埋もれさせるのではなく最後に記すべきものだ。両モデルのベンチマーク表はラボ自身によるものであり、指数スコアだけがこの比較において独立に測定された唯一の能力値である。31と20.1は比較可能であり、86.3%と77.9%は互いに比較可能なだけで、他の何とも比較できない。ベンダー提供の行を競合他社の公表スコアの隣に並べて引用する人は、2つのモデルではなく2つのハーネスを比較しているのだ。

A generated two-column scoreboard titled 'Inkling 2 Mini vs Inkling 2 Small — the scoreboard'. The Inkling 2 Mini column reads Intelligence Index 20.1, active parameters 3.4B, total parameters 26.4B, download about 20GB, cost per index task $0.59, and output speed 280 tokens per second. The Inkling 2 Small column reads Intelligence Index 31, active parameters 17B, total parameters 594B, download 393.5GB, cost per index task $1.18, and output speed 118 tokens per second. A footer states that index, cost and speed are per Artificial Analysis and benchmark percentages are vendor-reported.