Inkling vs DeepSeek V4 Pro: コード作成、事実性、コストにおいて、どのオープンウェイトモデルが勝つのか？
Inkling vs DeepSeek{{1}}Inkling vs DeepSeek{{/1}}は2026年で最も興味深いオープンウェイトの対決の一つです。完全にオープンなモデル、寛容なライセンス、そして非常に異なる強みを備えています。InklingはMira MuratiのThinking Machines Labのデビューモデルで、975BパラメータのマルチモーダルMoEであり、カスタマイズと効率性のために構築されています。DeepSeek V4 Proは、オープンウェイトのコーディングモデルを普及させた中国の研究所の最新モデルであり、ソフトウェアエンジニアリングにおいて正当に得た評判を持っています。この直接比較では、ベンチマーク、コーディング、事実性、ライセンス、VRAM、コストについて両者を比較し、あなたのスタックにどちらが適しているかを判断できるようにしています。
ビルダー向けの注意: ここには監査済みの直接比較ベンチマークはありません。そのため、これはモデルとアクセスを比較しており、スコアを比較するものではありません。OrcaRouterは、API利用可能なモデルを単一のOpenAI互換エンドポイントの背後にルーティングするため、複数のSDKを設定することなくInklingとDeepSeek V4 Proを試用・比較できます。
TL;DRの結論:選びましょうDeepSeek V4 Proを生のエージェントコーディングを最優先するなら、SWE-bench VerifiedでInklingを上回ります。選ぶべきはInkling堅牢性、正確性、トークン効率、音声/画像入力、または100万トークンのコンテキストウィンドウを重視する場合、その項目で大きな差をつけてリードしています。どちらのモデルもオープンウェイトで、自己ホストはロイヤリティフリーです。
重要なポイント
両方ともオープンウェイトです。InklingはApache 2.0で提供され、DeepSeek V4 ProはMITライセンスで提供されます。どちらも商用利用とロイヤリティフリーのセルフホスティングを許可しています。
DeepSeekがコーディングで僅差で勝利: SWE-bench Verifiedで80.6%対77.6% (MarkTechPost).
Inklingは堅牢性で決定的に勝利しました: 敵対的FORTRESSベンチマーク（MarkTechPost）において78.0%対36.0%
事実性のギャップは大きい: Artificial Analysisは、InklingがAA-Omniscience上で正味ポジティブであると報告している一方、DeepSeek V4 Pro/Flashは非常に高い幻覚率を示している。
Inklingはより効率的です：1タスクあたり約25K対約37Kの出力トークン（Artificial Analysis）—スケールでのコストに意味があります。
モダリティの優位性:Inklingはテキスト＋画像＋音声を受け付け、最大100万トークンのコンテキストを提供します。これはここでのより多用途なマルチモーダルモデルです。
開示:ベンチマークはベンダーが発売時に自己報告したものです（Effort 0.99）。また、第三者による数値はArtificial Analysis、MarkTechPost、Vellum、BenchLMからのものです；いずれも独立監査を受けておらず、競合他社の数値はそれらのベンダーの自己報告値と異なる場合があります。InklingのスペックはThinking Machinesのモデルカードからのものです。
一目でわかる比較
Maker. Inkling: Thinking Machines Lab; DeepSeek V4 Pro: DeepSeek
ライセンス。Inkling: Apache 2.0; DeepSeek V4 Pro: MIT
オープンウェイト。Inkling:はい;DeepSeek V4 Pro:はい
パラメーター。 Inkling: 975B 合計 / 41B アクティブ (MoE); DeepSeek V4 Pro: —
コンテキストウィンドウ。Inkling: 最大100万トークン（256Kホステッド）；DeepSeek V4 Pro: —
入力. Inkling: テキスト + 画像 + 音声; DeepSeek V4 Pro: — (テキスト; 当社データには含まれていません)
出力。Inkling: テキスト; DeepSeek V4 Pro: テキスト
セルフホスト / ファインチューニング。Inkling: はい / Tinker platform; DeepSeek V4 Pro: はい
ホステッド価格. Inkling: ~$1.87 入力 / ~$4.68 出力 per 1M; DeepSeek V4 Pro: — (データに含まれていません)
“—”とマークされた空のセルは、ソースデータにDeepSeek V4 Proの監査済み数値がなく、推測もしていないことを意味します。
カテゴリ別勝者
推論/知識 (HLE)。勝者: DeepSeek V4 Pro; 注記: 35.9% vs 29.7% (ツールなし)
数学（AIME 2026）. 勝者: ほぼ同点; 注記: Inkling 97.1% 対 96.7%
コーディング (SWE-bench Verified). 勝者: DeepSeek V4 Pro; 注記: 80.6% vs 77.6%
Agentic (Terminal Bench 2.1). 勝者: ほぼ同点; 注記: 64.0 vs 63.8
安全性 / 堅牢性 (FORTRESS). 勝者: Inkling; 注記: 78.0% vs 36.0%
事実性 (AA-Omniscience). 勝者: Inkling; 注記: ネットポジティブ vs 高幻覚
マルチモーダル / オーディオ. 優勝: Inkling; 注記: 画像+音声入力; DeepSeekは我々のデータに含まれていません
効率 (トークン/タスク)。勝者: Inkling；注記:〜25K vs 〜37K
コスト / TCO。勝者: 引き分け（両方ともロイヤリティフリーのセルフホスト）; 注記: 効率とホスティングに依存
対決型ベンチマーク
以下の表は、 MarkTechPostからの一貫した対決数を使用しています。 各行のリーダーは太字で示されています。
HLE（ツールなし）。Inkling: 29.7%; DeepSeek V4 Pro: 35.9%
AIME 2026。Inkling：97.1%、DeepSeek V4 Pro：96.7%
SWE-bench Verified. Inkling: 77.6%; DeepSeek V4 Pro: 80.6%
Terminal Bench 2.1. Inkling: 63.8; DeepSeek V4 Pro: 64.0
FORTRESS（敵対的）. Inkling: 78.0%; DeepSeek V4 Pro: 36.0%
からのいくつかの「静かな勝利」Artificial AnalysisはMarkTechPostのテーブルの外にあるが、実際の展開にとっても同様に重要である:
トークン効率（低い方が良い）： Inkling ~25K vs DeepSeek V4 Pro ~37K 出力トークン/タスク。
AA-Omniscienceの事実性：Inklingは正味プラスであり；DeepSeek V4 Pro/Flashはネガティブであり、報告されたハルシネーション率は約94%/96％です。
τ³-Banking： Inkling 24 vs DeepSeek V4 Flash 23。
GDPval-AA v2 Elo (エージェント的): Inkling 1238 対 DeepSeek V4 Flash 1189.
編集者注 — ビジュアルを追加: MarkTechPostの5行のグループ化された棒グラフにより、分割された判定（HLE/SWE-benchにおけるDeepSeek、FORTRESSにおけるInkling）が即座に読み取り可能になるでしょう。
DeepSeek V4 Proの強み
DeepSeekの評判は、コーディングモデルとしてここでも実力を発揮しています。Inklingをリードしており、SWE-bench Verified (80.6% vs 77.6%)、最も注目されている実世界のソフトウェアエンジニアリングベンチマークであり、さらに以下のベンチマークでも僅かに上回っています：HLE (35.9% vs 29.7%)およびTerminal Bench 2.1 (64.0 vs 63.8)。もし主な作業が自律的なバグ修正、プルリクエスト生成、またはエージェント型ターミナル作業であるなら、DeepSeek V4 Proはこの組み合わせにおいてより強力な生のコーダーです。また、MITライセンスにより商用製品への組み込みが容易です。
そのコーディングリーダーは本物であり、尊敬に値する。成功の指標が「エージェントがどれだけ多くの課題をクローズできるか」であるチームにとって、DeepSeekのSWE-bench Verifiedでのわずかな追加ポイントは、測定可能なスループットに変換され得る。
Inklingが勝つ場所
インクリングの利点はより広範囲で、いくつかのケースでは劇的です:
ロバスト性: 敵対的FORTRESSベンチマークでは、Inklingが78.0%、DeepSeekが36.0%を記録しています — この差は、Inklingがジェイルブレイクや敵対的プロンプトに対してはるかに耐性があることを示唆しています。
事実性: Artificial AnalysisはInklingをAA-Omniscienceでネットポジティブと評価しています。一方、DeepSeek V4 Pro/Flashは非常に高い幻覚率を示しています。RAG、研究、そしてあらゆる事実重視のワークロードにおいて、これは決定的な優位性です。
効率: 1タスクあたり約25K出力トークンに対して約37Kのところ、Inklingは約3分の1少ない生成で答えに到達します — これによりレイテンシとタスクあたりのコストが低下します。
マルチモダリティ: Inklingはテキスト、画像、音声を受け入れ、VoiceBench (91.4%) と MMMU Pro (73.3%) で高い評価を得ています。DeepSeek V4 Proはマルチモーダルモデルとしてデータに含まれていません。
コンテキスト： Inklingの重みは、最大1Mトークンのコンテキストをサポートします（ホステッドAPIでは256K）。リポジトリ全体や長文書の推論に有用です。
エージェント品質: より高いGDPval Elo (V4 Flashの1238対1189) と、わずかに優れたτ³-Bankingスコア。
要するに、DeepSeekは狭いコーディングスプリントで勝ち、Inklingは信頼性、正直さ、多用途性が重要なほぼすべての場面で勝ちます。
価格とコスト / TCO
両方のモデルはオープンウェイトで、セルフホスティングにロイヤリティフリーなので、実際のコストはインフラストラクチャに加えて（オプションで）ホスト型推論とファインチューニングとなります。
Inkling（Artificial Analysis）ホスト： ~$1.87 / 1M 入力トークン、~$4.68 / 1M 出力トークン（64Kコンテキスト時、キャッシュ ~$0.374/1M）；256Kでは約 $3.74/$9.36。ファインチューニングはTinkerプラットフォームを通じて実行可能（64K/256Kオプション、期間限定ローンチ割引50%）。無料のPlaygroundが利用可能です。
DeepSeek V4 Pro: 当社のソースデータには監査済みのホスティング価格が含まれていないため、具体的な金額は提示いたしません。MITライセンスのオープンモデルであるため、セルフホスティングはロイヤリティフリーであり、DeepSeekはこれまでもホスティングアクセスを積極的に価格設定してきました。
より微妙なTCO要素はトークン効率です。なぜなら、Inklingはタスクあたり約25Kトークンを使用するのに対し、DeepSeek V4 Proは約37Kトークンを使用するため、出力トークンごとに課金されるワークロードは、同じトークンあたりのレートでもInklingの方が実質的に安くなる可能性があり、さらに処理も速く完了します。
ライセンスと導入
ライセンス：InklingはApache 2.0、DeepSeek V4 ProはMITです。どちらも許容的で、商用利用に適しており、セルフホスティングにロイヤリティは不要です。Apache 2.0は明示的な特許許諾を追加し、MITはより簡潔です。ほとんどの企業にとって、どちらも本番環境で完全に使用可能です。これは、ライセンスが差別化要因とならない稀な比較です。
Inklingの実行方法。 重みはHugging Faceにあり、BF16とNVFP4の両方のチェックポイントがあります。VRAMの階層:
BF16: 約2TB (8×B300 または 16×H200).
NVFP4: ~600GB (4×B300または8×H200) — Blackwell上の実用的なプロダクション層
制約のあるセットアップ: 実験用にUnsloth 1-bit GGUFが存在します。
サポートされているランタイムは、SGLang、vLLM、TokenSpeed、Unsloth、Hugging Face transformers で、ホスト型プロバイダーは Together AI、Fireworks、Modal、Databricks、Baseten です。最小限の vLLM クイックスタート：
vllm 実行 thinkingmachines/Inkling --tensor-parallel-size 8
DeepSeek V4 Pro は同様に、MITライセンスのもとでセルフホスティング用のオープンウェイトとして利用可能です。正確なチェックポイント形式とVRAM要件については、DeepSeek自身のモデルカードを参照してください。これらの情報は当社のソースデータには含まれていません。
どちらを選ぶべきですか？
DeepSeek V4 Pro を選ぶのは、コーディングスループットが最も重要な指標であり、このペアで最も高い生の SWE-bench Verified スコアを求めており、マルチモーダル入力や 1M トークンコンテキストが不要である場合です。
Inklingを選ぶのは、あなたが敵対的プロンプトに対する堅牢性、低い幻覚率、トークン/コスト効率、音声または画像入力、巨大なコンテキストウィンドウ、またはTinkerによるファーストクラスのファインチューニングパスを必要とする場合です。
可能であれば両方実行してください：コーディング負荷の高いエージェントタスクはDeepSeekに、事実確認、マルチモーダル、または長文コンテキストの作業はInklingに振り分けてください。両方ともロイヤリティフリーのオープンウェイトであるため、2モデルをデプロイしてもライセンス上のペナルティはありません。
Inklingのアーキテクチャと独立したスコアの全体像については、Inkling AIモデルレビューをご覧ください。また、他のオープンウェイトの競合モデルとの比較として、Inkling vs Kimi K2.6やInkling vs GLM 5.2の直接比較、またはInkling AIとは何かという基本から始めることもできます。
よくある質問
InklingはDeepSeek V4 Proより優れていますか？ それはタスクによります。 DeepSeek V4 ProはSWE-bench Verifiedコーディング（80.6%対77.6%）とHLEでリードしていますが、Inklingは堅牢性（FORTRESS 78.0%対36.0%）、正確性、トークン効率、およびマルチモーダル/長文脈能力で決定的にリードしています。
コーディングにはどちらが良いですか？DeepSeek V4 Pro が、SWE-bench Verified および HLE ベンチマークにおいて、弊社 MarkTechPost のデータでは僅差で優位です。Inkling は依然として強力なコーダーであり（SWE-bench Verified 77.6%）、Terminal Bench 2.1 では僅差（63.8 vs 64.0）で、差は小さいです。
どちらが安いですか？どちらもセルフホストにはロイヤリティフリーです。Inklingのホスト価格は、入力/出力トークン100万個あたり約1.87ドル/4.68ドルで、タスクあたりのトークン使用量が少ない（約25K対約37K）ため、実際にはより安くなる可能性があります。DeepSeek V4 Proの監査済みホスト価格はありません。
DeepSeek V4 Proはオープンソースですか？これは寛容なMIT licenseのもとで公開されており、オープンウェイトが提供されています。これにより商用利用やセルフホスティングが可能です。ただし「オープンウェイト」は完全なオープンソース（トレーニングデータや完全なパイプラインは通常公開されない）とは同一ではない点に注意してください。これはInklingにも当てはまる微妙な違いです。
どちらのモデルもセルフホストやファインチューニングは可能ですか？ はい、両方ともオープンウェイトでロイヤリティフリーでセルフホストできます。Inklingではさらにマネージドファインチューニングパスを提供しており、を介してTinkerプラットフォーム（64K/256Kコンテキスト、期間限定のローンチ割引あり）；DeepSeekのウェイトは標準のオープンツールでファインチューニング可能です。
どちらの方が幻覚が少ないですか？Inklingです。Artificial Analysisは、InklingがAA-Omniscienceの事実性において正味プラスであると報告しています。一方、DeepSeek V4 Pro/Flashは非常に高い幻覚率（約94％/96％）を示しており、事実性と検索重視のワークロードにおいてInklingの方が安全な選択肢となります。
結論
DeepSeek V4 Proは、この対決では優れた純粋なコーダーであり、MITライセンスにより容易に配布可能ですが、その事実性と堅牢性のスコアは実際の弱点です。InklingはSWE-benchのコーディングで数ポイントを犠牲にする代わりに、信頼性、誠実性、効率性、マルチモーダル対応で大きな利点を獲得し、さらに100万トークンのコンテキストを提供します。ほとんどのチームにとって、Inklingはより安全な汎用オープンモデルであり、コーディング優先のエージェント群にとってはDeepSeek V4 Proがその地位を確立しています。両者ともロイヤリティフリーのオープンウェイトであるため、最も賢明な答えは多くの場合、それらを並行して展開することです。
