Een gegenereerde titelkaart met de tekst 'Inkling 2 Mini vs Qwen 3.8', met als ondertitel 'de tier die echt concurreert is Flash', met drie pillen met de tekst 'Mini: Index 20,1', 'Flash: Index 29' en 'Zelfde kosten per taak', boven twee kaarten die een '20GB-bestand, werkt offline' contrasteren met een 'gehoste endpoint, 1M context' en een opmerking om alleen op te schalen wanneer nodig. Het OrcaRouter-logo staat rechtsonder.
Guides & Insights

Inkling 2 Mini vs Qwen 3.8: verslagen door de goedkopere variant

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

De vergelijking die iedereen maakt, is de verkeerde, en ze vleit het nieuwe model. Inkling 2 Mini, gepubliceerd door Thinking Machines Lab op 20 november 2026, scoort 20,1 op de Artificial Analysis Intelligence Index v5.0.1 — gelijk met Qwen3.8-27B op 20, tegen $0,59 per indextaak versus $3,53. Dat is de rechtstreekse vergelijking die Thinking Machines in zijn eigen benchmarktabel heeft opgenomen, en qua kosten is het geen wedstrijd. Maar Qwen 3.8 is niet één model. Het is een generatie van vijf, en de variant die daadwerkelijk concurreert met een downloadbaar checkpoint van 20GB is Qwen3.8-Flash, die Artificial Analysis op 29 scoort voor $0,57 per indextaak — negen punten voor, tegen dezelfde kosten per afgerond antwoord. Mini wint de vergelijking die het lanceringsbericht afdrukte en verliest die een koper zou maken.

Bronvermelding, omdat die het oordeel bepaalt: de indexscores, kosten per taak, latency- en contextcijfers zijn metingen van Artificial Analysis, afgelezen op 21 november 2026, en elke OrcaRouter-prijs is overgenomen uit onze eigen catalogus. De percentagetabellen zijn het launch-harness van Thinking Machines, door de leverancier uitgevoerd, gemarkeerd waar ze voorkomen; Alibaba's eigen claims voor de Qwen-tiers worden als die van Alibaba geciteerd en zijn hier niet afzonderlijk gecontroleerd.

Ten eerste, welke Q​wen 3.8 bedoel je?

De familienaam als tegenstander behandelen is de fout die de meeste vergelijkingen van dit soort nutteloos maakt. Q​wen 3.8 omvat een gehoste flagship tegen $2,00/$6,00 per miljoen tokens, een open checkpoint met 2,4 biljoen parameters onder een aangepaste licentie, een 27B-dense model onder Apache 2.0, een Flash-tier tegen $0,15/$0,47, en de Flash-Next-preview waarvan de open gewichten achter het gehoste Flash-product zitten. De leden verschillen meer dan een factor tien in tokenprijs en negen punten op dezelfde index. Een afzonderlijk "vs Q​wen 3.8"-oordeel is een oordeel over een wazig geheel.

• Qwen3.8-27B — 27B dense, Apache 2.0, tekst-, afbeeldings- en video-invoer, context van 256K, Index 20 bij xhigh-inspanning, $0,50/$3,00 lijstprijs, $3,53 per indextaak, 34,5 minuten per taak.

• Qwen3.8-Flash — de gehoste productielaag tegen $0.15/$0.47, met dezelfde gewichten als de Flash-Next-preview; het gerouteerde endpoint adverteert een venster van 1M tokens en een maximale output van 131K, terwijl Artificial Analysis 256K noteert voor de open Flash-Next-gewichten. Het meet dat model op Index 29, 180B totaal en 6B actief, $0.57 per indextaak, 33,3 minuten.

• Qwen3.8-Max — het gesloten vlaggenschip, Index 34, $2,00/$6,00, $10,02 per indextaak. Qua kosten geen concurrent voor Mini en niet het model waarmee je het moet vergelijken.

• Inkling 2 Mini — 26,4B totaal, 3,4B actief, Apache 2.0, 1M context op de kaart, Index 20.1, $0,15/$0,50 op Tinker, $0,59 per indextaak, 9,0 minuten.

De nuttige vergelijking heeft dus twee helften. Tegenover het 27B dense model dat de lanceringspost koos, is Mini bij gelijke score een echte kostenwinst. Tegenover de Flash-tier, die hetzelfde kost en op de index cirkels rond Mini draait, moet het argument van Mini over iets anders gaan dan prijs en score — en dat is het: het bestand.

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.

Het 27B-gelijkspel, en waarom het echt is

Beide modellen worden door dezelfde evaluator gemeten op dezelfde revisie van dezelfde index, dus 20.1 tegenover 20 is een echte vergelijking en niet een toevalligheid van harnesses. Het is ook een gelijkspel op de resolutielimiet van het instrument. De index is een samengestelde van negen evaluaties, waarvan verschillende op held-out sets, en modellen die binnen één punt van elkaar liggen, worden er niet betrouwbaar door geordend. Wat het gelijkspel vaststelt, is dat Mini dezelfde lat haalt als een 27B-dicht model, terwijl het 3,4 miljard actieve parameters verbruikt in plaats van 27 miljard.

De kostenkolom is waar dat uitmaakt. Met $0,59 per indextaak tegenover $3,53 is Mini ongeveer zes keer goedkoper om dezelfde evaluatie af te ronden, en het doet dat in negen minuten tegenover 34 en een half. De outputsnelheid is 280 tokens per seconde tegenover 53. De tijd tot het eerste antwoordtoken is 9,72 seconden tegenover 144. In een agentlus van dertig beurten worden die cijfers samen iets wat een gebruiker kan voelen.

Niets daarvan is gratis, en de compenserende kosten zijn breedsprakigheid. Mini produceerde 161M outputtokens om de indexrun te voltooien, tegenover 128M voor het Qwen-model en een mediaan van 85,7M onder vergelijkbare modellen. $0,50 per miljoen output betalen voor 1,9 keer de typische output is nog steeds goedkoop; een vast aantal tokens per taak budgetteren voor een model dat zoveel praat, is dat niet. Een team dat op tokens in plaats van op taken meet, zal merken dat het zesvoudige voordeel richting drie krimpt.

Waar Mini elk Q​wen-niveau echt verslaat

De codeertabel van de leverancier is het deel van de lancering dat het model interessant maakt, en het is ook het deel dat niemand heeft gecontroleerd. Elke rij hieronder is de eigen harness van Thinking Machines op zijn eigen checkpoint, en ten minste één ervan is uitgevoerd met de agent-scaffold van het bedrijf in plaats van een neutrale.

• 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%, een verlies; op Terminal Bench v4.0 laten beide 5,6% zien.

• 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%, opnieuw een nipte nederlaag; OmniDocBench v1.6 92,8% vs 91,5%.

De rijen die Mini wint, zijn de agentische rijen: patching op repositoryschaal, zoeken over een lange horizon, toolgebruik. De rijen die het verliest, zijn de rijen met precieze recall. Dat is de architectuur die doorschijnt: looping levert seriële berekening per token op, en seriële berekening is precies wat een lang agenttraject nodig heeft. Het levert geen opgeslagen feiten op, en een kenniszware benchmark merkt dat.

De factualiteitskloof tussen Mini en de modelfamilie is schrijnender dan elk van die rijen. Op AA-Omniscience vermeldt de leverancierstabel −8,6 voor Mini met een percentage niet-hallucinerende antwoorden van 63,4%, tegenover −6,4 en 71,4% voor Qwen3.8-27B in dezelfde kolom van dezelfde tabel. Een negatieve score betekent dat het model slechter presteert dan weigeren te antwoorden. Artificial Analysis publiceert voor zover ik kon vinden geen apart omniscience-cijfer voor Mini, dus deze rij berust volledig op de leveranciersharness — en het is nog steeds het belangrijkste getal in de vergelijking voor iedereen die zonder retrievallaag implementeert.

Waar Flash de discussie beëindigt

Nu de tier die ertoe doet. Qwen3.8-Flash wordt gehost en geprijsd op $0,15 voor input en $0,47 voor output — hetzelfde inputtarief dat Tinker rekent om Mini te samplen, en drie cent goedkoper voor output. Artificial Analysis geeft de Flash-Next-gewichten erachter een score van 29. Per indextaak kost het $0,57, tegen $0,59 voor Mini. Negen indexpunten, voor twee cent minder.

Dit is geen kwestie van een klein verschil in capaciteit of prijs, en het geeft een nieuwe invulling aan waar Mini voor dient. De voordelen van Mini ten opzichte van Flash staan helemaal niet op het scorebord: het is een bestand van 20 GB dat zonder netwerk draait, op een MacBook of een DGX Spark, zonder teller per token en zonder aanbieder in de keten. De voordelen van Flash zijn negen indexpunten, een gehoste endpoint en een venster van 1M tokens op de gerouteerde API, met niets om te downloaden. Als je workload een netwerkverbinding heeft, wint de Qwen-kant op elke gemeten as. Zo niet, dan is er aan de Qwen-kant helemaal niets voor je beschikbaar.

De snelheidsvergelijking valt ook in het voordeel van Mini uit, en wel meer dan de scorekloof doet vermoeden. Mini haalt 280 outputtokens per seconde met een eerste token na 9,72 seconden; Flash-Next meet 74 tokens per seconde met een eerste token na 85,77 seconden en 33,3 minuten per indextaak. Voor een interactieve agent is dat het verschil tussen een tool die reageert en een waarop je moet wachten — en het is de enige plek waar een lokaal model met 5,4B effectieve parameters een structureel voordeel heeft ten opzichte van een gehost model met 180B.

De praktische regeling

Beide Qwen-niveaus staan op OrcaRouter, waardoor het escalatiepad ongewoon goedkoop op te bouwen is. Qwen3.8-27B is geprijsd op $0,33 per miljoen input en $2,40 per miljoen output — onder Alibaba's lijstprijs van $0,50/$3,00, omdat de providerprijs wordt doorgegeven in plaats van met een marge verhoogd. Qwen3.8-Flash is geprijsd op $0,15/$0,47 voor een venster van 1M tokens. Eén sleutel geeft toegang tot beide, met automatische failover en de routing-DSL om een verzoek eerst naar het goedkope niveau te sturen en pas te escaleren wanneer het een controle niet doorstaat.

Dat is de vorm die deze vergelijking eigenlijk wil. Mini draait, als je het inzet, op je eigen hardware en doet het agentische werk waar het goed in is, zonder per token te betalen. De Qwen-tiers staan achter één endpoint voor de verzoeken waar Mini niet goed in is — de verzoeken waarbij een feit correct moet worden opgehaald, een lang document moet worden gelezen of een moeilijke wetenschappelijke inferentie moet worden gemaakt — en de failover betekent dat een storing bij een provider het antwoord verslechtert in plaats van het te laten mislukken. Wij hosten Inkling 2 Mini niet en dit stuk zal niet doen alsof dat wel zo is; wat de router wegneemt, is het tweede contract en de tweede integratie voor de helft van de werklast die naar Qwen gaat.

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.

Wat zou het vonnis veranderen?

Twee dingen, en beide zijn goedkoop om in de gaten te houden. Het eerste is een onafhankelijke codeerronde op Mini's openbare gewichten. Als de 48,2% op DeepSWE en 77,9% op SWE-bench Pro een neutrale harness doorstaan, wordt de agentische casus van Mini veel sterker dan een indexscore van 20,1 suggereert, omdat de index precies het langetermijnwerk onderwaardeert waarvoor het model is gebouwd. Als ze dat niet doorstaan, was de lanceringstabel een leverancierstabel en is het model in de kern een 20.

Het tweede is of het voordeel van negen punten van Qwen3.8-Flash standhoudt onder effort-controles. De indexwaarde ervan is één configuratie, en Qwen-modellen verschuiven enkele punten tussen effort-instellingen — het 27B-model scoort 20 bij xhigh en aanzienlijk lager wanneer het denken wordt teruggeschroefd. Een Flash-niveau dat bij lage effort negen punten verliest, is een andere concurrent dan een dat ze behoudt, en niemand heeft die curve voor deze vergelijking gepubliceerd.

Totdat een van die dingen er is, is de eerlijke samenvatting een verdeeld oordeel. Wat betreft gemeten capaciteit per dollar in een gehoste omgeving wint Qwen 3.8 twee keer — het 27B-model evenaart Mini qua score en verliest op kosten, de Flash-tier verslaat het op beide punten. Wat betreft de dingen die een gehost model helemaal niet kan — offline draaien, op een laptop draaien, draaien zonder meter — heeft Inkling 2 Mini geen Qwen-antwoord, en het 20GB-bestand is het hele argument. Koop de download als je hem moet kunnen draaien waar geen netwerk is. Koop de API als je dat niet nodig hebt.

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.