Inkling vs Kimi K2.6: 두 오픈웨이트 헤비급의 맞대결

Inkling vs Kimi 는 2026년 가장 흥미로운 오픈 웨이트 매치업 중 하나입니다. 두 모델이 서로 다른 방향으로 나아가고 있기 때문입니다. Moonshot AI의 Kimi K2.6는 코딩 및 에이전틱에 특화된 강력한 모델로, 여러 직접 비교 벤치마크에서 최상위를 기록합니다. Thinking Machines Lab (전 OpenAI CTO 미라 무라티가 이끄는 스타트업)의 데뷔 모델인 Inkling은 다재다능하고 효율적이며 멀티모달인 모델로, 리더보드 우위보다는 커스터마이제이션에 중점을 두고 설계되었습니다. 두 모델 모두 가중치를 공개적으로 제공하므로, 진짜 질문은 "이론상 누가 더 똑똑한가"가 아니라 "당신의 작업량, 예산, 배포 제약 조건에 어떤 모델이 더 적합한가"입니다. 이 비교에서는 Kimi가 확실히 우위를 점하는 부분을 포함하여 수치를 정직하게 제시합니다.

빌더를 위한 참고: 여기에는 감사된 일대일 비교 벤치마크가 없으므로, 이는 모델과 접근성을 비교하는 것이지 점수를 비교하는 것이 아닙니다. OrcaRouter단일 OpenAI 호환 엔드포인트를 통해 API 사용 가능 모델을 라우팅하므로, 여러 SDK를 연결하지 않고 Inkling과 Kimi K2.6을 시험하고 비교할 수 있습니다.

벤치마크는 출시 시점에 공급업체가 자체 보고한 수치(Effort 0.99)이며, 타사 수치는 Artificial Analysis, MarkTechPost, Vellum, BenchLM 출처입니다. 어느 것도 독립적으로 감사되지 않았으며, 경쟁사의 수치는 해당 공급업체의 자체 보고 수치와 다를 수 있습니다. Inkling의 사양은 Thinking Machines의 모델 카드에서 가져온 것입니다.

TL;DR 결론: Kimi K2.6을 고른다면 강력한 원시 코더와 웹 에이전트를 원하고, SWE-bench, 터미널/에이전트 작업, 깊은 지식(GPQA), 브라우징을 가장 중요하게 생각하는 경우입니다. Inkling을 고른다면 효율성(작업당 더 적은 토큰), 적대적 프롬프트에 대한 견고성, 강력한 명령 수행, 기본 오디오 + 이미지 입력, 1M 토큰 컨텍스트 창, 그리고 가장 깨끗한 라이선스(Apache 2.0)를 원하는 경우입니다.

주요 시사점

둘 다 오픈 웨이트이지만 라이선스가 다릅니다: Inkling은 Apache 2.0입니다; Kimi K2.6은 수정된 MIT 라이선스로 제공됩니다 — 상업적 배포 전에 Moonshot의 이용약관을 읽어보세요.

Kimi는 코딩과 에이전트 깊이에서 선도합니다: SWE-bench Verified (80.2 vs 77.6), Terminal Bench 2.1 (71.3 vs 63.8), SWE-bench Pro (58.6 vs 54.3), BrowseComp (83.2 vs 77.1), GPQA Diamond (91.1 vs 87.2), 및 HLE.

Inkling은 강건성과 효율성에서 선도합니다: FORTRESS 적대적 (78.0 대 65.6), 토큰 효율성 (~25K 대 ~38K 출력 토큰/작업), IFBench 지시 따르기 (79.8 대 76.0), GDPval Elo (1238 대 1190), τ³-Banking (24 대 21).

Inkling은 Kimi가 없는 모달리티를 추가합니다: 기본 오디오 및 이미지 입력, 그리고 1M-토큰 컨텍스트 창.

재미있는 각주: Inkling의 초기 지도 미세 조정은 Kimi K2.5 생성 데이터를 포함한 합성 데이터에 부분적으로 기반하여 부트스트래핑되었습니다. — 따라서 이 두 모델은 작은 방식으로 관련이 있습니다.

한눈에 비교

Maker. Inkling: Thinking Machines Lab; Kimi K2.6: Moonshot AI

라이선스. Inkling: Apache 2.0; Kimi K2.6: Modified-MIT (조건 확인)

Weights. Inkling: Open (Hugging Face); Kimi K2.6: Open

매개변수(총/활성). Inkling: 975B / 41B (MoE); Kimi K2.6: 우리 데이터에 공개되지 않음

컨텍스트 윈도우. Inkling: 최대 1M 토큰 (호스팅 API에서 256K); Kimi K2.6: 데이터에 없음

모달리티 (입력). 잉클링: 텍스트 + 이미지 + 오디오; Kimi K2.6: 텍스트 (당사 데이터 기준)

출력. Inkling: 텍스트; Kimi K2.6: 텍스트

셀프 호스트 / 파인튜닝. Inkling: 예, 로열티 프리 / Tinker; Kimi K2.6: 예 / Moonshot 기준

호스팅 가격 (Inkling, AA). Inkling: ~$1.87 입력 / ~$4.68 출력 (1M 기준); Kimi K2.6: 데이터에 없음

분야별 수상자

추론 / 지식. 승자: Kimi K2.6; 참고: HLE (35.9 vs 29.7) 및 GPQA Diamond (91.1 vs 87.2) 선도

수학. 승자: Inkling (근소); 참고: AIME 2026 97.1 vs 96.4

코딩. 우승자: Kimi K2.6; 참고: SWE-bench Verified 80.2 vs 77.6; SWE-bench Pro 58.6 vs 54.3

에이전틱 (터미널/웹). 승자: Kimi K2.6; 참고: Terminal Bench 2.1 71.3 vs 63.8; BrowseComp 83.2 vs 77.1

Agentic (GDPval / 뱅킹). 우승자: Inkling; 참고: GDPval Elo 1238 vs 1190; τ³-Banking 24 vs 21

멀티모달 / 오디오. 우승자: Inkling; 참고: 네이티브 이미지 + 오디오 입력; Kimi는 우리 데이터에 없음

명령 수행. 승자: Inkling; 참고: IFBench 79.8 대 76.0

안전성/견고함. 승자: Inkling; 참고사항: FORTRESS adversarial 78.0 vs 65.6

효율성. 우승자: Inkling; 참고: ~25K 대 ~38K 출력 토큰/작업

컨텍스트. 승자: Inkling; 참고: 1M-token window

비용 / 소유권. 승자: —; 참고: 둘 다 자체 호스팅에 로열티가 무료입니다; 라이선스가 다릅니다

일대일 벤치마크

아래 다섯 행은 하나의 일관된 집합(MarkTechPost)에서 비롯되었으므로 직접 비교할 수 있습니다. 굵은 글씨 = 선두.

HLE (도구 없음). Inkling: 29.7%; Kimi K2.6: 35.9%; 출처: MarkTechPost

AIME 2026. Inkling: 97.1%; Kimi K2.6: 96.4%; 출처: MarkTechPost

SWE-bench Verified. Inkling: 77.6%; Kimi K2.6: 80.2%; 출처: MarkTechPost

Terminal Bench 2.1. Inkling: 63.8%; Kimi K2.6: 71.3%; 출처: MarkTechPost

FORTRESS (적대적). Inkling: 78.0%; Kimi K2.6: 65.6%; 출처: MarkTechPost

추가적인 “quiet win” 행들, Artificial Analysis와 BenchLM에서 가져온 것입니다 (주의해서 사용하세요 — 위 블록과 다른 하네스입니다):

토큰 효율성 (작업당 출력 토큰, 낮을수록 좋음). Inkling: ~25K; Kimi K2.6: ~38K; 출처: Artificial Analysis

GDPval-AA v2 Elo (높을수록 좋음). Inkling: 1238; Kimi K2.6: 1190; 출처: Artificial Analysis

τ³-Banking. Inkling: 24%; Kimi K2.6: 21%; 출처: BenchLM

IFBench (명령 수행). Inkling: 79.8; Kimi K2.6: 76.0; 출처: BenchLM

BrowseComp. Inkling: 77.1; Kimi K2.6: 83.2; 출처: BenchLM

SWE-bench Pro. Inkling: 54.3; Kimi K2.6: 58.6; 출처: BenchLM

GPQA Diamond. Inkling: 87.2*; Kimi K2.6: 91.1; 출처: BenchLM

HLE (도구 포함). Inkling: 46.0; Kimi K2.6: 54.0; 출처: Vellum

*Inkling의 자체 모델 카드는 GPQA Diamond를 87.2%로 표시하고 있으며, Artificial Analysis의 재실행에서는 87.9%를 보고합니다. 일관성을 위해 여기서는 87.2를 사용합니다. 참고로 HLE 도구 사용 수치(Vellum)는 위의 도구 미사용 HLE 행과 별도 측정값이므로 혼합하지 마십시오.

편집자 주 — 시각 자료 추가:다섯 개의 MarkTechPost 행의 그룹 막대 차트를 만들면 'Kimi가 코딩/에이전트에서 선두, Inkling이 견고성/수학에서 선두'라는 이야기를 바로 읽을 수 있을 것입니다.

Kimi K2.6이 승리하는 곳

Kimi는 이 수치에서 볼 때 더 강력한 모델로소프트웨어 엔지니어링 및 자율 에이전트. SWE-bench Verified(80.2 대 77.6)와 SWE-bench Pro(58.6 대 54.3)에서 선두를 차지하므로 실제 코드 수정 작업에서 우위를 보입니다. 크게 앞서는 분야는Terminal Bench 2.1 (71.3 대 63.8)로, 에이전트 터미널 벤치마크이며, BrowseComp (83.2 대 77.1)로 웹 브라우징 에이전트 분야에서입니다. 또한 우위를 점하는 분야는광범위한 지식과 까다로운 추론: HLE(도구 없이 35.9 대 29.7, 도구 사용 시 54.0 대 46.0) 및 GPQA Diamond (91.1 대 87.2)입니다. 사용자의 주요 사용 사례가 코딩 코파일럿, 터미널/개발 에이전트 또는 연구-브라우징 어시스턴트라면, Kimi는 기본적으로 더 우수한 베이스 모델입니다.

Inkling이 승리하는 곳

Inkling의 장점은 주로 효율성, 신뢰성, 도달 범위. 작업을 해결하는 데 대략 25K 출력 토큰 대 Kimi의 약 38K — 규모에 따른 의미 있는 비용 및 지연 시간 차이이며, 토큰당 비용을 지불하기 때문입니다. 훨씬 더 적대적 프롬프트에 강건, FORTRESS 78.0 대 65.6의 결과를 보여줍니다. 명령을 더 충실히 따릅니다 (IFBench 79.8 대 76.0), 에서 약간 앞서며 GDPval 에이전틱 Elo (1238 대 1190) 및 τ³-Banking (24 대 21), 그리고 근소하게 승리합니다 AIME 2026 수학 (97.1 대 96.4).

벤치마크를 넘어, Inkling은 우리 데이터에서 Kimi의 열에 전혀 없는 기능들을 제공합니다: 기본 이미지 및 오디오 입력, 1M-토큰 컨텍스트 윈도우 (호스팅 API에서는 256K), 그리고 허용적인 Apache 2.0 라이선스. 문서 중심, 멀티모달, 또는 대규모 워크로드의 경우 — 그리고 가장 깔끔한 법적 기반을 원하는 팀의 경우 — 이러한 구조적 기능들이 소수의 벤치마크 점수보다 더 중요할 때가 많습니다.

가격 및 비용 / TCO

Inkling는 자체 호스팅 시 로열티가 없으며, 자체 컴퓨팅 비용만 지불하면 됩니다. 타사를 통한 호스팅 액세스 비용은 약 $1.87/1M 입력 토큰, $4.68/1M 출력 토큰 (64K 컨텍스트, 캐시된 입력 ~$0.374/1M), 256K 컨텍스트에서는 대략 $3.74/$9.36까지 상승합니다 (Artificial Analysis). Tinker 플랫폼에서 미세 조정이 가능합니다 (64K/256K 컨텍스트, 한정 시간 출시 할인 50% 적용).

We do not have audited hosted pricing for Kimi K2.6 in our data set, so we won’t quote a number. Qualitatively, both models are open-weight, so the dominant cost lever for either is tokens consumed per task — and here Inkling’s ~25K vs ~38K efficiency edge directly lowers total cost of ownership on comparable hardware. If you plan to self-host, budget primarily by throughput and the token-efficiency of your typical workload rather than by sticker price.

라이선싱 및 배포

라이선스 이야기는 가장 명확한 구조적 차이입니다. Inkling은 Apache 2.0입니다 — 상업적 사용과 자체 호스팅은 명시적으로 로열티가 없으며, 의무가 최소화됩니다. Kimi K2.6은 “modified-MIT” 라이선스로 제공됩니다; MIT는 매우 허용적이지만, 수정 사항이 중요하므로, 상업용 제품을 만들기 전에 Moonshot의 정확한 이용 약관을 읽으십시오.

실행하려면 Inkling, Hugging Face에서 BF16 또는 NVFP4 체크포인트를 가져오세요. VRAM 계층: BF16에는 대략 2TB (8×B300 또는 16×H200); NVFP4 체크포인트는 이를 약 600GB (4×B300 또는 8×H200); 그리고 제한된 환경을 위한 Unsloth 1비트 GGUF도 있습니다. 지원되는 런타임은 SGLang, vLLM, TokenSpeed, Unsloth 및 Hugging Face transformers, 그리고 호스팅 제공업체는 Together AI, Fireworks, Modal, Databricks 및 Baseten을 포함합니다. 일반적인 빠른 시작은 한 줄 명령입니다:

vllm serve thinkingmachines/Inkling --tensor-parallel-size 8

에 대해Kimi K2.6, 가중치는 Moonshot의 릴리스에 따라 공개되어 있으며 자체 호스팅이 가능합니다. 특정 VRAM 계층 및 제공업체 세부 정보는 당사의 검증된 데이터 세트에 포함되어 있지 않으므로 Moonshot의 모델 카드를 통해 확인하시기 바랍니다.

어느 것을 선택해야 할까요?

코딩 코파일럿 / 개발 에이전트 / 터미널 자동화 →Kimi K2.6의 SWE-bench와 Terminal Bench 선두는 여기서 가장 의사결정에 관련된 수치들입니다.

웹 브라우징 리서치 에이전트 →Kimi K2.6 (BrowseComp 83.2).

대량 처리, 비용에 민감한 추론 → Inkling. 작업당 더 적은 토큰이 실제 절감으로 이어집니다.

멀티모달 앱(이미지/오디오 입력) 또는 대용량 문서 콘텍스트 → Inkling, 기본적으로 — Kimi는 그러한 경우 우리 데이터에 포함되지 않습니다.

안전 중요 또는 적대적 배치 → Inkling (FORTRESS 78.0).

엄격하고 마찰이 적은 상용 라이선싱 → Inkling의 Apache 2.0이 더 안전한 선택입니다.

맞춤형 베이스를 미세 조정 → 둘 다 작동합니다; Inkling의 Tinker 경로와 Apache 2.0이 더 턴키 스토리입니다.

많은 팀이 분할을 선택할 것입니다: Kimi는 코딩/에이전트 티어용, Inkling은 대량 처리, 멀티모달, 또는 긴 컨텍스트 작업용 — 둘 다 자체 호스팅.

자주 묻는 질문

Inkling이 Kimi K2.6보다 더 나은가요?어느 것도 엄밀히 "더 낫다."라고 할 수 없습니다. Kimi K2.6은 코딩, 에이전트, 광범위 지식 벤치마크(SWE-bench, Terminal Bench, BrowseComp, GPQA, HLE)에서 선두입니다. Inkling은 효율성, 견고성(FORTRESS), 명령 수행, 수학(AIME)에서 선두이며, 오디오/이미지 입력과 1M 토큰 컨텍스트를 추가합니다. 작업량에 따라 선택하세요.

코딩에 더 좋은 것은 무엇인가요? Kimi K2.6는 이 수치에서 — SWE-bench Verified (80.2 대 77.6)와 SWE-bench Pro (58.6 대 54.3)에서 앞서고 있습니다. Inkling은 경쟁력을 유지하며 토큰 효율성이 더 높아, 대규모 비용 측면에서 중요합니다.

어느 것이 운영 비용이 더 저렴한가요?둘 다 오픈 웨이트(open-weight)이며 자체 호스팅에 로열티가 없으므로, 비용은 작업당 토큰 수에 의해 결정됩니다. Inkling의 약 25K 대 Kimi의 약 38K 출력 토큰(작업당)은 유사한 하드웨어에서 구조적 효율성(따라서 비용) 우위를 제공합니다. Inkling의 호스팅 가격은 입/출력 100만 토큰당 약 $1.87/$4.68입니다; Kimi의 호스팅 가격에 대한 감사된 정보는 없습니다.

Kimi K2.6는 오픈 소스인가요? Kimi K2.6는 오픈-웨이트이며, 수정된 MIT 라이선스 하에 있습니다. 이는 매우 허용적인 라이선스이지만, “open weights”는 표준 OSI 오픈 소스 라이선스와 동일하지 않습니다 — 상업적 사용 전에 Moonshot의 정확한 이용 약관을 검토하세요. 반면 Inkling은 Apache 2.0입니다.

둘 다 자체 호스팅하거나 미세 조정할 수 있나요? 예. 둘 다 다운로드 가능한 가중치를 공개합니다. Inkling은 Tinker를 통해 관리형 미세 조정 경로를 제공합니다(추론을 위해 Together AI 및 Fireworks 같은 호스팅 제공업체와 함께). Kimi는 Moonshot의 릴리스에 따라 자체 호스팅이 가능합니다. Kimi의 하드웨어 요구 사항을 모델 카드와 대조하여 확인하세요.

이 벤치마크 수치들은 신뢰할 수 있나요? 참고 지표로만 간주하세요. 이는 출시 시점의 벤더 자체 보고 또는 제3자 데이터(MarkTechPost, Artificial Analysis, Vellum, BenchLM)이며, 독립적으로 감사되지 않았습니다. 또한 경쟁사의 수치는 Moonshot이 자체적으로 보고한 수치와 다를 수 있습니다.

결론

Inkling과 Kimi K2.6은 진정한 상호 절충 관계이지, 일방적인 승부가 아닙니다. Kimi K2.6은 더 강력한 코더이자 웹 에이전트이며, 주요 지식 벤치마크에서 우위를 점합니다. Inkling은 효율성, 견고성, 지시 따르기, 모달리티 범위에서 승리하며, 모두 더 깨끗한 Apache 2.0 라이선스 하에 제공됩니다. 엔지니어링 에이전트의 깊이가 필요하다면 Kimi를, 비용 효율적이고 멀티모달이며 긴 맥락과 안전에 민감한 작업을 원한다면 Inkling을 선택하고, 두 가지를 함께 고려해보는 것도 좋습니다.