Um cartão de título gerado com o texto 'Inkling 2 Mini vs Qwen 3.8', com o subtítulo 'o nível que realmente compete é o Flash', com três etiquetas escritas 'Mini: Index 20.1', 'Flash: Index 29' e 'Mesmo custo por tarefa', acima de dois cartões que contrastam um 'arquivo de 20GB, roda offline' com um 'endpoint hospedado, contexto de 1M' e uma nota para escalar apenas quando necessário. O logotipo da OrcaRouter fica no canto inferior direito.
Guides & Insights

Inkling 2 Mini vs Qwen 3.8: superado pela versão mais barata

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

A comparação que todo mundo faz é a errada, e ela favorece o novo modelo. O Inkling 2 Mini, publicado pelo Thinking Machines Lab em 20 de novembro de 2026, pontua 20,1 no Artificial Analysis Intelligence Index v5.0.1 — empatado com o Qwen3.8-27B, com 20, a US$ 0,59 por tarefa do índice contra US$ 3,53. Esse é o confronto direto que a Thinking Machines colocou na própria tabela de benchmark, e, em custo, não há nem comparação. Mas o Qwen 3.8 não é um único modelo. É uma geração de cinco, e o nível que realmente compete com um checkpoint baixável de 20 GB é o Qwen3.8-Flash, que o Artificial Analysis pontua em 29 por US$ 0,57 por tarefa do índice — nove pontos à frente, ao mesmo custo por resposta concluída. O Mini vence a comparação que o post de lançamento imprimiu e perde a que um comprador faria.

Origem dos dados, pois é ela que determina o veredito: as pontuações do índice, os custos por tarefa, a latência e os números de contexto são medições da Artificial Analysis lidas em 21 de novembro de 2026, e todos os preços do OrcaRouter são citados do nosso próprio catálogo. As tabelas percentuais são do harness de lançamento da Thinking Machines, executado pelo fornecedor, e sinalizadas onde aparecem; as próprias alegações da Alibaba para os níveis do Qwen são citadas como sendo da Alibaba e não foram auditadas separadamente aqui.

Primeiro, qual Q​wen 3.8 você quer dizer?

Tratar o nome da família como um adversário é o erro que torna a maioria das comparações deste tipo inúteis. O Q​wen 3.8 abrange um flagship hospedado a $2.00/$6.00 por milhão de tokens, um checkpoint aberto de 2,4 trilhões de parâmetros sob uma licença personalizada, um modelo denso de 27B sob Apache 2.0, um nível Flash a $0.15/$0.47 e a prévia Flash-Next, cujos pesos abertos ficam atrás do produto Flash hospedado. Os membros diferem por mais de um fator de dez no preço por token e por nove pontos no mesmo índice. Um único veredito "vs Q​wen 3.8" é um veredito sobre um borrão.

• Qwen3.8-27B — 27B dense, Apache 2.0, entrada de texto, imagem e vídeo, contexto de 256K, Index 20 com esforço xhigh, US$ 0,50/US$ 3,00 de tabela, US$ 3,53 por tarefa de index, 34,5 minutos por tarefa.

• Qwen3.8-Flash — o nível de produção hospedado a US$ 0,15/US$ 0,47, servindo os mesmos pesos da prévia Flash-Next; o endpoint roteado anuncia uma janela de 1M tokens e saída máxima de 131K, enquanto a Artificial Analysis registra 256K para os pesos abertos do Flash-Next. Ela mede esse modelo no Índice 29, 180B no total e 6B ativos, US$ 0,57 por tarefa de índice, 33,3 minutos.

• Qwen3.8-Max — o carro-chefe fechado, Index 34, US$ 2,00/US$ 6,00, US$ 10,02 por tarefa de índice. Não é concorrente do Mini em custo e não é o modelo com o qual se comparar.

• Inkling 2 Mini — 26,4B no total, 3,4B ativos, Apache 2.0, contexto de 1M no cartão, Index 20,1, US$ 0,15/US$ 0,50 no Tinker, US$ 0,59 por tarefa de índice, 9,0 minutos.

Então a comparação útil tem duas metades. Contra o modelo denso de 27B que a postagem de lançamento escolheu, o Mini é uma vitória genuína em custo com pontuação igual. Contra o nível Flash, que custa o mesmo e dá um baile nele no índice, o argumento do Mini tem de ser sobre algo além de preço e pontuação — e é: o arquivo.

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.

O empate de 27B, e por que ele é real

Ambos os modelos são medidos pelo mesmo avaliador na mesma revisão do mesmo índice, portanto 20,1 contra 20 é uma comparação real e não uma coincidência de harnesses. Trata-se também de um empate no limite de resolução do instrumento. O índice é um composto de nove avaliações, várias delas em conjuntos held-out, e modelos com diferença de até um ponto entre si não são ordenados de forma confiável por ele. O que o empate estabelece é que o Mini atinge o mesmo patamar que um modelo denso de 27B, consumindo 3,4 bilhões de parâmetros ativos em vez de 27 bilhões.

A coluna de custo é onde isso importa. A US$ 0,59 por tarefa de indexação contra US$ 3,53, o Mini é cerca de seis vezes mais barato para concluir a mesma avaliação, e faz isso em nove minutos contra 34 e meio. A velocidade de saída é de 280 tokens por segundo contra 53. O tempo até o primeiro token de resposta é de 9,72 segundos contra 144. Em um loop de agente que executa trinta turnos, esses números se acumulam em algo que o usuário consegue sentir.

Nada disso é gratuito, e o custo compensatório é a verbosidade. O Mini emitiu 161M de tokens de saída para concluir a execução de indexação, contra 128M do modelo Q​wen e uma mediana entre pares de 85,7M. Pagar US$ 0,50 por milhão de saída por 1,9 vez a saída típica ainda é barato; orçar um número fixo de tokens por tarefa para um modelo que fala tanto não é. Uma equipe que mede o consumo por tokens em vez de por tarefas descobrirá que a vantagem de seis vezes encolhe para perto de três.

Onde o Mini genuinamente supera cada nível do Qwen

A tabela de codificação do fornecedor é a parte do lançamento que torna o modelo interessante, e também é a parte que ninguém verificou. Cada linha abaixo é o harness da própria Thinking Machines executado em seu próprio checkpoint, e pelo menos uma delas foi executada com o scaffold de agente da empresa, e não com um neutro.

• DeepSWE v1.1 — Inkling 2 Mini 48,2% vs Qwen3.8-27B 42,2%.

• SWE-bench Pro v2, Difícil — 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%, uma perda; no Terminal Bench v4.0 ambos registram 5,6%.

• 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%, outra derrota apertada; OmniDocBench v1.6 92,8% vs 91,5%.

As linhas em que o Mini vence são as agênticas — aplicação de patches em escala de repositório, busca de longo horizonte, uso de ferramentas. As linhas em que ele perde são as de recall preciso. É a arquitetura se revelando: o looping compra computação serial por token, e computação serial é o que uma longa trajetória de agente precisa. Ele não compra fatos armazenados, e um benchmark com forte carga de conhecimento percebe.

A lacuna de factualidade entre o Mini e a família é mais acentuada do que qualquer uma dessas linhas. No AA-Omniscience, a tabela do fornecedor traz −8,6 para o Mini, com uma taxa de não alucinação de 63,4%, contra −6,4 e 71,4% para o Qwen3.8-27B na mesma coluna da mesma tabela. Uma pontuação negativa significa que o modelo é pior do que se recusar a responder. A Artificial Analysis não publica um valor separado de omnisciência para o Mini que eu tenha conseguido encontrar, então esta linha se baseia inteiramente no harness do fornecedor — e ainda é o número mais importante da comparação para qualquer pessoa que faça implantação sem uma camada de recuperação.

Onde o Flash encerra a discussão

Agora, o nível que importa. O Qwen3.8-Flash está hospedado e tem preço de US$ 0,15 de entrada e US$ 0,47 de saída — a mesma tarifa de entrada que a Tinker cobra para amostrar o Mini, e três centavos mais barata na saída. O Artificial Analysis atribui nota 29 aos pesos do Flash-Next por trás dele. Por tarefa de índice, custa US$ 0,57, contra US$ 0,59 do Mini. Nove pontos de índice, por dois centavos a menos.

Isso não é uma disputa apertada em capacidade nem em preço, e reformula para que serve o Mini. As vantagens do Mini sobre o Flash não aparecem no placar de jeito nenhum: é um arquivo de 20 GB que roda sem rede, em um MacBook ou em um DGX Spark, sem medidor por token e sem provedor no circuito. As vantagens do Flash são nove pontos de índice, um endpoint hospedado e uma janela de 1M de tokens na API roteada, sem nada para baixar. Se sua carga de trabalho tiver conexão de rede, o lado do Qwen vence em todos os eixos medidos. Se não tiver, nada do lado do Qwen está disponível para você.

A comparação de velocidade também favorece o Mini, e por uma margem maior do que a diferença de pontuação sugere. O Mini roda a 280 tokens de saída por segundo, com primeiro token em 9,72 segundos; o Flash-Next mede 74 tokens por segundo, com primeiro token em 85,77 segundos e 33,3 minutos por tarefa de indexação. Para um agente interativo, essa é a diferença entre uma ferramenta que responde e uma pela qual você espera — e é o único ponto em que um modelo local com 5,4B de parâmetros efetivos tem uma vantagem estrutural sobre um modelo hospedado de 180B.

O arranjo prático

Ambas as camadas do Qwen estão no OrcaRouter, o que torna o caminho de escalonamento excepcionalmente barato de construir. O Qwen3.8-27B é roteado a US$ 0,33 por milhão de tokens de entrada e US$ 2,40 por milhão de saída — abaixo da tabela da Alibaba de US$ 0,50/US$ 3,00, porque o preço do provedor é repassado, e não acrescido de margem. O Qwen3.8-Flash é roteado a US$ 0,15/US$ 0,47 em uma janela de 1M de tokens. Uma única chave alcança ambos, com failover automático e a DSL de roteamento para enviar uma solicitação primeiro à camada barata e escalar somente quando ela falhar em uma verificação.

Esse é o formato que esta comparação realmente quer. O Mini, se você o adotar, fica no seu próprio hardware fazendo o trabalho agêntico para o qual é bom e sem pagar nada por token. Os níveis do Qwen ficam atrás de um único endpoint para as solicitações com que o Mini se sai mal — aquelas que exigem que um fato seja recordado corretamente, que um documento longo seja lido ou que se faça uma inferência científica difícil — e o failover significa que uma indisponibilidade do provedor degrada a resposta em vez de quebrá-la. Não hospedamos o Inkling 2 Mini, e este texto não vai fingir o contrário; o que o roteador elimina é o segundo contrato e a segunda integração para a metade da carga de trabalho que vai para o Qwen.

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.

O que mudaria o veredito?

Duas coisas, e ambas são baratas de acompanhar. A primeira é uma execução independente de codificação nos pesos públicos da Mini. Se os 48,2% no DeepSWE e os 77,9% no SWE-bench Pro sobreviverem a um harness neutro, o argumento agêntico da Mini fica muito mais forte do que uma pontuação de índice de 20,1 sugere, porque o índice subestima exatamente o trabalho de horizonte longo para o qual o modelo foi construído. Se não sobreviverem, a tabela de lançamento era uma tabela de fornecedor e o modelo é um 20 no fundo.

A segunda é se a vantagem de nove pontos do Qwen3.8-Flash se sustenta sob controles de esforço. O valor do seu índice corresponde a uma única configuração, e os modelos Q​wen variam vários pontos entre configurações de esforço — o modelo 27B pontua 20 em xhigh e consideravelmente menos quando o raciocínio é reduzido. Um nível Flash que perde nove pontos em esforço baixo é um concorrente diferente de um que os mantém, e ninguém publicou essa curva para esta comparação.

Até que um desses seja lançado, o resumo honesto é um veredito dividido. Em capacidade medida por dólar em um ambiente hospedado, o Qwen 3.8 vence duas vezes — o modelo 27B empata com o Mini na pontuação e perde no custo; o nível Flash supera o Mini em ambos. Nas coisas que um modelo hospedado não consegue fazer de jeito nenhum — rodar offline, rodar em um laptop, rodar sem medidor — o Inkling 2 Mini não tem resposta da Qwen, e o arquivo de 20 GB é o argumento inteiro. Compre o download se precisar que ele rode onde não há rede. Compre a API se não precisar.

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.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente